芒草是生物能源生產(chǎn)中最有前途的多年生作物之一，因為它能夠以較小的環(huán)境足跡生產(chǎn)高產(chǎn)。這種多用途的草有很大的潛力可以表現(xiàn)得更好，因為與玉米或大豆等成熟的商品作物相比，通過育種對其進行改良的努力要少得多。
然而，如果要在芒草中發(fā)揮可持續(xù)和有彈性的生物質(zhì)生產(chǎn)潛力，育種必須變得更快、更有效。該過程的一個關(guān)鍵瓶頸是能夠測量田間數(shù)千種作物的生長情況并選擇少數(shù)表現(xiàn)最佳的品種。這需要新的、復雜的技術(shù)來捕獲和分析數(shù)據(jù)。
高級生物能源和生物產(chǎn)品創(chuàng)新中心(CABBI)的研究人員進行的一項研究表明，無人駕駛飛行器(UAV或無人機)與尖端機器學習方法相結(jié)合如何有助于在芒草育種計劃中選擇最佳候選基因型。該團隊使用神經(jīng)網(wǎng)絡(模擬人腦和神經(jīng)系統(tǒng)的計算機系統(tǒng))來分析非常高分辨率的航拍圖像，并在作物生長季節(jié)識別芒草的關(guān)鍵性狀。
特別是，CABBI研究人員強調(diào)，與傳統(tǒng)的神經(jīng)網(wǎng)絡相比，使用旨在分析三維(空間和時間的二維)數(shù)據(jù)的神經(jīng)網(wǎng)絡可以更好地估計作物性狀(開花時間、高度和生物量)僅在空間中的兩個維度上分析數(shù)據(jù)。這使他們能夠利用有關(guān)田間數(shù)千株植物隨時間變化的信息。此外，3D神經(jīng)網(wǎng)絡被證明能夠自動執(zhí)行圖像分析過程的各個方面(即，在圖像中尋找植物)，在許多其他情況下，這需要大量的人工干預，這會減慢處理速度。
這對于芒草等高產(chǎn)多年生草本尤為重要，在這些草本中，田間表型分析更具挑戰(zhàn)性，也更有價值。
該研究發(fā)表在《遙感》上，由美國能源部資助的生物能源研究中心CABBI的博士后研究員SebastianVarela領導;AndrewLeakey，CABBI主任、教授兼植物生物學系主任，以及伊利諾伊大學厄巴納分校作物科學系CarlR.Woese基因組生物學研究所(IGB)和數(shù)字農(nóng)業(yè)中心教授-原野;ErikSacks，CABBI的原料生產(chǎn)副主題負責人，伊利諾伊州作物科學和IGB教授。
這是第一次嘗試使用數(shù)字技術(shù)對大量遺傳多樣的芒草種群進行數(shù)據(jù)密集型監(jiān)測。為了進行評估，研究人員使用無人機在生長季節(jié)拍攝了10次作物的高分辨率圖像，以及數(shù)千種芒草基因型的地面數(shù)據(jù)，以確定它們的開花時間、高度和生物量產(chǎn)量。成像結(jié)合了提供數(shù)字表面模型的攝影測量和可以獲得人眼不可見的圖像的多光譜傳感技術(shù)。
“這是朝著開發(fā)數(shù)字應用程序邁出的令人興奮的一步，它可以以傳統(tǒng)人工篩選成本的一小部分簡化最佳候選基因型的選擇，”Leakey說。“這只是CABBI正在開展的更廣泛工作中的一個關(guān)鍵步驟，以提供所需的科學理解和技術(shù)進步，以使美國中部地區(qū)實現(xiàn)對環(huán)境有益和有利可圖的生物能源成為現(xiàn)實”
Sacks說：“我們測量芒草性狀(如產(chǎn)量和高度)的標準方法需要很長時間和大量勞動力，但這些新的成像方法更快、成本更低。使用更新的方法，我們可以評估更多的芒草種群。芒草花同樣的錢——這將使我們能夠更快地選擇更好的育種系和品種。”
該研究的共同作者包括博士。學生XuyingZheng、本科生DylanP.Allen和研究技術(shù)員JeremyRuhter，均來自CABBI和作物科學;和博士學位。作物科學的學生JoyceN.Njuguna。
標簽：
免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權(quán)請聯(lián)系刪除！