用于高通量表现型的小型无人机系统
表型分析是一种重要的农业方法，它结合了方法和协议，在不同规模的组织(从器官到冠层)上量化植物的生长、结构和组成。传统的表型分析是基于破坏性、劳动密集型和耗时的方法。因此，新型表型技术对于解决全球挑战至关重要，即确保粮食和燃料生产的作物产量，同时使用更少的资源并减少对环境的影响。在这方面，小型无人机系统(suas)作为高通量植物表型分析的最佳方法之一正在迅速获得发展势头。
世界面临着一个全球性的挑战，即确保粮食和燃料生产的作物产量，同时使用更少的资源并减少对环境的影响(例如，减少农业用地，有效使用氮肥，以及将基因型和表型性状相关联以提高作物产量)。传统的表型分析是基于破坏性、劳动密集型和耗时的方法，这些方法主要在受控环境下进行，覆盖范围有限，如温室。这些限制导致表型成为提高作物产量的瓶颈，同时减少农业做法对环境的影响(例如减少氮肥的使用)。因此，新的表型分析技术对于缓解上述挑战至关重要。在这方面，在电磁波谱的不同部分操作的直接地理参考被动和主动成像传感器可以用于创新的高通量表型，这是非破坏性和非侵入性的，同时能够提供丰富和多样化的信息。拖拉机、系绳气球、有人驾驶飞机和无人机(UASs)上的移动传感器系统正变得越来越受欢迎，因为它们具有收集数据的潜力，有利于自动表型分析。在上述移动平台中，小型无人机系统(suas)作为植物高通量表型分析的最佳方法之一正在迅速获得发展势头。与载人航空系统相比，suas的飞行能力更低，这使得它们能够以高分辨率收集地理空间数据，同时覆盖比轮式系统更大的区域。低成本的消费者级suas是另一个优势，使他们更有吸引力。
利用配备了直接地理参考成像传感器的suas进行精准农业，特别是高通量分型，是一项重要的应用，在绘图和植物科学领域得到了研究人员的显著关注。从图1可以看出，根据预先设定的飞行计划，可以使用低成本的sUAS进行图像采集。然后，可以对获取的图像进行操作，生成重要的产品，如正射影像和高度图(图2和图3)。然而，基于rgb的图像不足以导出所有促进作物产量所需的表型性状，如植物胁迫水平、叶色素分析、叶面积指数和植物结构。因此，除了RGB相机外，sUASs还应配备高光谱和激光扫描系统。然而，有限的续航能力和有效载荷限制是处理消费级suas的关键挑战。为了将suas用于高通量表型分析，同时考虑所需的传感器以及强加的负载和成本限制，专业人员和研究团体成员面临以下挑战:
- 使用消费者级成像和直接地理参考传感器，提高来自suas的遥感数据的几何保真度。
- 整合多感官数据，由成像系统在电磁光谱的不同部分操作，以获得更高质量的几何和光谱植物性状。
- 通过开发具有内置质量保证和质量控制协议的健壮数据处理算法，降低操作和处理所获得数据所需的技术专长水平。
确认
这里展示的信息、数据或工作部分是由美国能源部高级研究计划局(ARPA-E)资助的，项目编号为DE-AR0000593。作者在此表达的观点和意见并不一定表明或反映美国政府或其任何机构的观点和意见。
Ayman Habib，美国普渡大学莱尔斯土木工程学院
