本技术介绍了一种双模式融合的水稻高通量表型组检测平台及其应用方法。该平台能够同时进行盆栽水稻的顶视角和侧视角表型参数的高通量检测。通过轨道式和流水线式采集模块,分别获取水稻盆栽的顶视和侧视图像及参数。起升转运模块实现植株在不同采集模块间的转运。该发明通过目标小区检测和阈值判断,实现全自动采集模式的及时启动,全面精确获取作物关键生长期表型参数,显著提高自动化效率。
背景技术
水稻植株生长信息的获取和解析是我国现代水稻育种体系和功能基因组研究的重要组成部分,也是现在水稻育种和功能基因研究的关键技术所在。水稻植株在全生育期内各种表型生长信息、的测定和量化分析,是水稻生长发育、生理研究、遗传变异等生命过程的直接表现,也是数字农业的直接体现。
近年来由于传统作物表型测量方法与加速育种之间的矛盾日渐凸显,并且随着计算机和表型组学的快速发展及应用,使得国内外植物表型自动化测量技术研究的发展也十分迅速。最早是由比利时的CropDesign公司设计开发图像采集系统TraitMill,将光学测量技术应用于植物表型的测量;德国的Lemna Tec公司利用三维成像技术设计搭建了一种“全自动高通量植物3D成像系统”,该系统能对植物进行高效率、高通量、自动化的精细表型分析。这几年国内植物表型自动化分析和测量系统有一定的发展。2013年,我国首次引进Lemna Tec公司的植物表型检测平台并落户廊坊。中国科学院植物研究所于2015年研发出基于激光雷达技术的作物高通量表型检测平台Crop 3D,为表型组学研究提供数据支持;中科院遗传与发育生物学研究所于2017年建设了一套植物表型组学研究平台(PlantPhenomics Analysis Platform,PPAP),集成多个成像单元,可应用于作物的育种研究和胁迫研究。
上述现有技术均局限于各研究机构独自的研究方向,检测模式单一,仅支持植株原位冠层扫描或单盆侧视图像扫描中的一种模式,在设计架构上无法兼容完整的田间小区与暗室高通量自动化采集,无法实现对植株进行多尺度的图像采集,不利于对植株进行全方位精准表型性状的采集。在采用上述现有技术进行定期检测时,只能获取固定时间点的表型参数,造成部分植株关键生长时期下关键表型性状参数的缺失。
实现思路