產(chǎn)品介紹
田間作物高通量表型檢測系統(tǒng)集光電技術(shù)、自動化控制技術(shù)和計算機圖形處理技術(shù)于一體，實現(xiàn)田間小區(qū)作物表型參數(shù)全自 動、無損、高通量準確提取，可廣泛應用于水稻、玉米、小麥、油菜、棉花等作物；系統(tǒng)整體包含田間龍門自動傳動單元、成像單元、控制采集/圖形數(shù)據(jù)處理單元，成像單元可搭載可見光成像傳感器(VISI)、紅外成像傳感器(IRI)、高光譜成像傳感器 (HYPSI)、激光雷達成像傳感器(LIDARI)等，通過不同的成像傳感器可獲取田間作物不同的表型性狀指標，并且可定制化二級指標參數(shù)，系統(tǒng)兼容性強，適用于各種復雜的田間環(huán)境，并具有多項核心自主技術(shù)。
技術(shù)參數(shù)
專為田間或者溫室田間各種不同尺度的作物表型性狀提取定制的檢測系統(tǒng)；
適用于多種田間作物檢測；
全自動測量；
可集成多種成像傳感器；
通量高、效率快、性價比高；
基于“Sensor to Plant”檢測模式，保證作物的原位狀態(tài)不變；
具有穩(wěn)定的成像環(huán)境、光照，保證成像不受環(huán)境光變化的影響；
具備傳感器制冷裝置；
采用激光條碼尋址的定位方式，定位精度可達±5mm。
龍門自動傳送單元
匹配性：與大田環(huán)境或者溫棚環(huán)境設備之間的較好匹配性
適應性：適應田間環(huán)境、作物栽培要求、作物試驗要求以及作物生理要求
可靠性：在系統(tǒng)設計和軟件設計上，充分考慮系統(tǒng)的自恢復能力和冗余設計，確保系統(tǒng)的抗干擾能力、作 業(yè)過程實現(xiàn)自動化與管理信息化
經(jīng)濟性：從系統(tǒng)使用全壽命周期成本出發(fā)，減少系統(tǒng) 的使用維護費用
兼容性：模塊化設計，使用標準的單元模塊，保證系統(tǒng)的可 擴展性和二次開發(fā)能力
控制/采集單元
控制/采集單元由高性能自動化控制系統(tǒng)和植物圖形采集工作站 組成，為植物表型成像系統(tǒng)的大腦中樞；可編程序控制器、工業(yè) 通訊系統(tǒng)、變頻器等均采用國際產(chǎn)品，提供符合Windows 標準的友好的人機界面，方便人員操作；單元中充分考慮環(huán)境對 設備的影響，保證意外狀態(tài)下不影響正常運行：故障單元的停 機、離線對系統(tǒng)沒有任何影響，運用自動均載技術(shù)，保證運行平 穩(wěn)；按照設計規(guī)范安裝各種探測開關(guān)和限位裝置防止越程、誤操 作，并進行信息反饋；采用標準開發(fā)協(xié)議，支持自有或第三方平 臺實時獲取植物掃描圖像、監(jiān)控等數(shù)據(jù)；儲存空間無限擴容，以 應對不同階段對數(shù)據(jù)庫性能和存儲空間的需求。
成像單元
可選配RGB可見光成像單元、紅外成像單元、激光雷達成像單元、高光譜成像單元。
RGB可見光成像單元：
可測參數(shù)：總面積、綠葉面積、綠葉面積占比、分形維數(shù)、內(nèi)接矩面積、內(nèi)接矩寬度、高度、周長面積比、總面積最小內(nèi)接矩面積比、凸包面 積、可見葉片邊緣長度、作物持綠特性、卷葉程度、枯死葉比例、生物量的評估、株高、地上部分鮮重（干）重、植株緊湊度、植株 伸展度、株型分撒度、生物量、干旱程度、稻穗分割、產(chǎn)量預估等。
紅外成像單元：
可測參數(shù)：實現(xiàn)田間水稻等模式作物冠層溫度采集，植株葉片 病變區(qū)域溫度分布、葉片蒸騰作用相關(guān)性狀，用于 脅迫生理學，水力學相關(guān)研究。
高光譜成像單元：
可獲取海量的光譜和空間信息，實現(xiàn)作物顏色、形 態(tài)及紋理參數(shù)；葉綠素、葉黃素等色素含量；氮磷 鉀等營養(yǎng)元素含量、水分等的提取。
激光雷達成像單元：
獲取作物三維形態(tài)結(jié)構(gòu)，作物株高、莖稈粗細、分支數(shù)量、分支夾 角、葉片面積、葉片寬度葉片長度、葉片夾角以及作物果實體積、直 徑等形態(tài)參數(shù)（作物數(shù)量統(tǒng)計、生物量估計等）。
選型配置表
參考文獻
Lingfeng Duan, Jiwan Han, Zilong Guo, Haifu Tu, Peng Yang, Dong Zhang, Yuan Fan, Guoxing Chen, Lizhong Xiong, Mingqiu Dai, Kevin Williams, Fiona Corke, John H. Doonan and Wanneng Yang. Novel Digital Features Discriminate Between Drought Resistant and Drought Sensitive Rice Under Controlled and Field Conditions. Frontiers in Plant Science. 2018.
Zilong Guo, Wanneng Yang, YuChang, Xiaosong Ma, Haifu Tu, Fang Xiong, Ni Jiang, Hui Feng, Chenglong Huang, Peng Yang, Hu Zhao, Guoxing Chen, Hongyan Liu, Lijun Luo, Honghong Hu, Qian Liu and Lizhong Xiong. Genome-Wide Association Studies of Image Traits Reveal Genetic Architecture of Drought Resistance in Rice. Molecular Plant. 2018.
Xiong Xiong, Lingfeng Duan, Lingbo Liu, Haifu Tu, Peng Yang, Dan Wu, Guoxing Chen, Lizhong Xiong, Wanneng Yang and Qian Liu. Panicle-SEG: a robust image segmentation method for rice panicles in the field based on deep learning and superpixel optimization. Plant Methods. 2017.
產(chǎn)品視頻
客戶案例
上海市農(nóng)業(yè)生物基因中心高通量抗旱表型鑒定平臺
田間龍門系統(tǒng)搭載不同光學檢測手段，全生育期多模式并行檢測，無損高通量實時獲取海量表型信息數(shù)據(jù)。
