植物物聯(lián)網(wǎng)-全時序表型監(jiān)測系統(tǒng)PhenoSight是一個物聯(lián)網(wǎng)（IoT）支持的表型測量平臺，設(shè)計簡單易用，可廣泛應(yīng)用于任何環(huán)境。并配套一個自動化田間控制系統(tǒng)、高通量性狀分析算法和基于機(jī)器學(xué)習(xí)的建模，以管理和處理平臺生成的數(shù)據(jù)，從而探究基因型、表型和環(huán)境之間的動態(tài)關(guān)系。
實時作物表型監(jiān)測（地面與地下部分）
主要功能
通過低成本的田間終端工作站（PhenoNude），自動化實時持續(xù)監(jiān)測作物生長和發(fā)育；PhenoMonitor主控單元，可擴(kuò)展地下根系生長監(jiān)測功能（CI-603根系動態(tài)監(jiān)測系統(tǒng)，可選NIR近紅外、UV紫外、Florescence熒光掃描拍攝模式）
綜合農(nóng)田氣象、光合作用、溫室氣體CO2與甲烷監(jiān)測
標(biāo)準(zhǔn)溫濕度、光合有效輻射（PAR）監(jiān)測；可擴(kuò)展氣壓、降雨量、風(fēng)速風(fēng)向、土壤三參數(shù)（溫室、水分、電導(dǎo)率）、PS-II葉綠素?zé)晒?、CO2與甲烷溫室氣體監(jiān)測功能等；
高通量分析流程
云端高通量處理和量化作物生長模型和適應(yīng)性表現(xiàn)；
應(yīng)用領(lǐng)域
植物株型、株高、冠層、緊密度、葉片顏色、葉片大小等測算
植物生長動態(tài)變化、生長速率研究，如植物生育期開花變化監(jiān)測
植物環(huán)境響應(yīng)研究，如干旱、灌溉、施肥等生理研究
可進(jìn)行基于機(jī)器學(xué)習(xí)的可擴(kuò)展的表型分析（適合水稻、小麥等）；以及玉米、大豆、棉花、田間/大棚蔬菜種植的表型研究
硬件配置
PhenoMonitor：主控單元 PhenoMonitor主控單元，通過云端數(shù)據(jù)庫，管理PhenoNude各節(jié)點工作站，記錄在線或離線狀態(tài)、操作模式、日常圖像、田間微環(huán)境和計算資源，并整理收集數(shù)據(jù)，以便可視化、批處理和注釋 基于RK的8核ARM處理器，帶NPU處理單元，最小的能支持3T的算力 以USB和以太網(wǎng)Ethernet的形式提供車載外部連接 允許擴(kuò)展使用額外的外圍設(shè)備以及一系列數(shù)字GPIO插腳進(jìn)行連接 采用PCIE接口的4G或者5G對外通信 板載128G的存儲 支持3通道的4-20ma信號輸出，和3通道4-20ma電流信號采集 支持8通道的模擬信號采集 支持雙路485口 支持2路SDI-12接口 板載溫濕度傳感器采集 支持lora遠(yuǎn)程數(shù)據(jù)傳輸功能
| PhenoNode：各節(jié)點攝像單元 |
軟件配置
PhenoSight軟件包：圖像捕獲、初始質(zhì)量控制與數(shù)據(jù)備份 基于GUI的成像程序：實現(xiàn)云端實時系統(tǒng)交互 將其添加到軟件包中，以控制RGB或擴(kuò)展相機(jī)模塊（如高光譜、IR熱紅外），用于延時（time-lapse）作物監(jiān)測。該程序可以自動檢測給定PhenoSight各個終端的IP地址，以便將該終端與其田間試驗的特定實驗ID相關(guān)聯(lián)。之后，程序要求用戶通過GUI對話框指定諸如基因型（品種）、生物學(xué)重復(fù)和成像持續(xù)時間等信息。
|
圖像選擇算法：用于獲取目標(biāo)圖像 通過將圖像與一些固定標(biāo)準(zhǔn)進(jìn)行比較，對田間試驗中捕獲的大型圖像數(shù)據(jù)集進(jìn)行快速評估 通過將圖像轉(zhuǎn)換為HSV色彩空間（HSV colour space）來獲取像素強度的中值；通過對圖像應(yīng)用Sobel邊緣檢測來確定圖像清晰度；通過圖像測試可見區(qū)域內(nèi)的陰影百分比 一旦所有比較都通過了，所選圖像就包含在結(jié)果文件夾中，其中帶有CSV文件記錄圖像元數(shù)據(jù)，用于進(jìn)一步的高通量圖像分析
|
小區(qū)檢測算法：用于檢測被監(jiān)測小區(qū)的初始參考位置 基于HSV(色調(diào)、飽和度和數(shù)值)和Lab非線性色彩空間（Lab non-linear colour space），利用基于顏色的特征選擇來識別標(biāo)桿（視距尺）上的白色參考桿(小區(qū)范圍)和黑暗高度標(biāo)記的坐標(biāo) 使用非監(jiān)督式的機(jī)器學(xué)習(xí)技術(shù)，如K-Means和光譜聚類，將像素分成不同的組，如天空、小區(qū)之間的土壤、作物冠層、陰影和小區(qū)領(lǐng)域 在檢測出圖像中的初始參考對象之后，建立了一個虛擬3D參考系統(tǒng)，通過一系列特征選擇方法記錄了小區(qū)范圍、冠層區(qū)域和高度標(biāo)記的2D坐標(biāo)。像素度量轉(zhuǎn)換也基于標(biāo)桿（視距尺）上的高度標(biāo)記來計算
|
PhenoMeasurer算法 采用自適應(yīng)強度和動態(tài)伽馬均衡來調(diào)整顏色和對比度，以最小化由不同田間照明引起的顏色失真 跟蹤給定圖像和初始位置上的小區(qū)之間的幾何差異。如果不同，將應(yīng)用幾何變換方法重新校準(zhǔn)圖像，該方法移除小區(qū)范圍之外的區(qū)域，并且可以在給定圖像的頂部生成不同大小的黑條 通過檢測標(biāo)桿（視距尺）的可見部分來跟蹤作物高度，并通過組合的自適應(yīng)閾值和本地的Otsu閾值方法來定義冠層區(qū)域 應(yīng)用Harris和ShiTomasi角點檢測方法對冠層區(qū)域內(nèi)的尖角特征點進(jìn)行定位。生成紅色虛擬點來表示直立葉的頂端、彎曲葉的反射表面、頭部和穗頭上的角點 基于優(yōu)化的Canny邊緣檢測方法，對給定小區(qū)的主要方向進(jìn)行量化，該方法計算作物莖稈的對齊度
|
數(shù)據(jù)內(nèi)插與分析 |
G x P x E相互作用模型 用于探究基因型（品種）作物生長記錄與若干環(huán)境因素之間的相互作用 用記錄的生長數(shù)據(jù)對每三天分組的環(huán)境因子進(jìn)行相關(guān)分析。將環(huán)境因素歸入嵌套的三天周期可去除異常值并平滑輸入數(shù)據(jù) 使用公式(eRGR)-1來轉(zhuǎn)移負(fù)相關(guān)值，因為相對生長速率(RGR)系列是相對于生長階段的增加性質(zhì)而言的遞減序列，獲得RGR與環(huán)境因子之間的動態(tài)關(guān)系 基于顯著的環(huán)境因素，選擇單個線性回歸模型來估計與給定田間環(huán)境條件相關(guān)的多個基因型（品種）的RGR。 應(yīng)用連續(xù)的應(yīng)用程序ht=ht-1(1+yt)，得到隨時間變化的植物高度
|
生長階段預(yù)測模型 |
擴(kuò)展功能-FX10高光譜鏡頭
主要功能 在可見光和近紅外（VNIR）(VNIR)400-1000 nm區(qū)域以線陣推掃模式運行，比人眼或RGB相機(jī)更能揭示事物的細(xì)節(jié)。它能在損傷可見之前檢測出受傷的果實或患病的植物 |
技術(shù)參數(shù) |
擴(kuò)展功能-Micro-PAM長期監(jiān)測熒光儀
主要功能 長期連續(xù)監(jiān)測與植物光合作用密切相關(guān)的PS-II葉綠素?zé)晒?，或連電腦進(jìn)行常規(guī)調(diào)制熒光測量，如淬滅分析，特別適合于田間作物長期生長監(jiān)測、應(yīng)用于指導(dǎo)灌溉決策，產(chǎn)量預(yù)測與育種研究等 |
測量參數(shù) Fo, Fm, F, Fo’, Fm’, Fv/Fm, Y(II), qP, qL, qN, NPQ, Y(NPQ), Y(NO), ETR, 光強PAR，溫度，濕度等 |
