研究人员设计了一种新的基于LiDAR的方法收集植物表型的数据

盆栽的九叶玉米植物坐落在飞盘大小的盘子上。串联开始旋转像一个巨大的音乐盒顶部的中心，每秒三度，并在两分钟后，植物已旋转到其原始位置。

又过了一分钟，在附近的屏幕上出现了Seuss博士调色板中的数字三维图像：洋红色和蓝绿色和黄色，每个叶子呈现出不同的色调，但几乎与其形状，大小和角度的实际对应物相同。

该渲染及其相关数据来自LiDAR，这是一种在表面发射脉冲激光并测量这些脉冲反射回来所需时间的技术 - 延迟越大，距离越大。通过在整个旋转过程中扫描植物，这种360度LiDAR技术可以收集数以百万计的三维坐标，然后复杂的算法将其聚类并数字化模拟到植物的组成部分：叶子，茎，耳朵。

内布拉斯加大学林肯分校的Yufeng Ge，Suresh Thapa及其同事设计了这种方法，作为一种自动有效地收集植物表型数据的方法：从遗传密码中得出的物理特征。可以收集更快，更准确的表型数据，研究人员可以更容易地比较针对特定性状进行育种或基因工程的作物 - 最好是那些有助于生产更多食物的作物。

研究人员表示，为了满足全球人口的粮食需求，加速这项努力尤其重要，预计全球人口将从目前的约75亿人口增长到2050年的近100亿人口。

“我们已经可以非常迅速地进行DNA测序和基因组研究，”生物系统工程助理教授Ge说。“为了更有效地利用这些信息，你必须将它与表型数据结合起来。这样你就可以回过头来仔细研究遗传信息。但现在(达到)瓶颈，因为我们不能这样做我们想要以低成本快速行进。“

Ge说，每个工厂三分钟，该团队的设置运行速度远远超过大多数其他表型技术。但速度在没有准确性的情况下很少发生，因此该团队还使用该系统来估计玉米和高粱植物的四个特征。前两个特征 - 单个叶子的表面积和植物上的所有叶子 - 有助于确定植物能够产生多少能量产生的光合作用。另外两个 - 叶子从茎伸出的角度以及这些角度在植物中变化的程度 - 影响光合作用以及在田地中种植作物的密度。

将系统的估算与仔细测量玉米和高粱植物进行比较后发现了有希望的结果：91%的个体叶片表面积和95%的总叶面积。角度估计的准确性通常较低，但仍然在72%至90%之间，具体取决于植物的变量和类型。

相机SHY

迄今为止，最常见的三维表型形式依赖于立体视觉：两个相机同时捕获植物的图像，并通过识别两个图像中的相同点将它们的视角合并为3-D的近似值。

虽然成像在许多方面彻底改变了表型，但确实存在缺陷。Ge说，最短的是在从3-D到2-D的平移过程中不可避免地丢失空间信息，特别是当植物的一部分阻挡相机对另一部分的视图时。

“对叶片面积和叶片角度等特性来说尤其具有挑战性，因为图像不能很好地保留这些特征，”葛说。

研究人员表示，360度激光雷达方法可以解决这些问题中较少的问题，并且在从数据构建三维图像时需要较少的计算资源。

“LiDAR在吞吐量和速度以及准确度和分辨率方面都具有优势，”生物系统工程博士生Thapa说。“而且它比以前更加经济。”

展望未来，该团队希望在其LiDAR设置中引入不同颜色的激光器。植物反射这些额外激光的方式将有助于说明它如何吸收水和氮 - 植物生长的基本要素 - 并产生光合作用所必需的叶绿素。

“如果我们可以解决化学方面的这三个(变量)和形态方面的其他四个(变量)，然后将它们结合起来，我们将有七个属性可以同时测量，”Ge说。“那我真的很开心。”

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如有侵权行为，请第一时间联系我们修改或删除，多谢。