植物遺傳分型測試儀大田應用

2025年3月,美國Jason DeBruin等人在communications biology期刊發表了名為“Breaking the field phenotyping bottleneck in maize with autonomous robots”的文章。該文章介紹了一種全自動機器人(TerraSentia)在玉米田間表型分析中的應用，旨在突破傳統表型數據采集的瓶頸。機器人搭載低成本傳感器，運用計算機視覺算法，實現對玉米冠層數據的高效采集與分析，能夠快速獲取株高、莖粗、葉面積指數等影響玉米產量的關鍵指標。

關鍵技術解析：

株高：基于激光雷達(LiDAR)提取提取株高。

穗高：利用目標檢測算法在RGB圖像中定位玉米穗，結合激光雷達數據計算節點高度。

莖直徑：通過Mask R-CNN模型分割RGB圖像，結合激光雷達數據計算莖直徑。

葉面積指數：魚眼鏡頭相機結合Miller積分公式估算冠層透光率。
實驗團隊基于搭載多傳感器(LiDAR、攝像頭、魚眼鏡頭等)的TerraSentia機器人在5年內覆蓋美國和加拿大的142個研究地點，對近20萬個玉米實驗單元進行了數據采集，所采集的數據與傳統測量方法高度一致(R²>0.87)，展示了其在不同環境下的可靠性和準確性。
研究表明氮肥和種植密度對玉米的葉面積指數、株高和莖粗存在顯著影響。如：高密度導致株高、莖粗降低，但提升葉面積指數。
研究發現氮肥利用效率與作物產量性狀之間存在關聯。氮肥利用效率與葉面積指數呈強正相關(R²=0.957)。此外，機器人展現出預測莖稈生物量的潛力，通過建立的預測模型，可減少90%的人工測量時間

氮肥對作物產量的影響，不僅取決于氮肥自身，還與環境條件(如降水等)、管理等密切相關，這些因素相互影響，共同決定了氮肥對產量的影響效果。
氮肥對作物產量的影響，不僅取決于氮肥自身，還與環境條件(如降水等)、管理等密切相關，這些因素相互影響，共同決定了氮肥對產量的影響效果。