欧亚国际

人口急剧增长，改良育种技术用以大幅度提高作物产量的需求变得越来越迫切。大多数研究人员认为，新育种技术的关键在于作物的遗传改良，从而涌现出大量的表型点。然而，目前的表型解决方案不够强大，处理时无法达到令人满意的速度和有效度。因此，高通量表型的研究越来越受到关注。

该Phenomobiles植物表型成像车为法国Hiphen公司以及INRA自主研制，专有软件分析系统，是当今上自动化程度较高、较先进的高通量田间表型成像系统。

系统设计可在2.5m宽通道运行，远程聚焦可达12m，可向各个方向移动，测量头高度可在1.0-4.5m之间进行调整。Phenomobiles可沿微型田块按照预设轨迹运行，因彩页了RTK GPS定位，精度可达厘米级。

该系统可配多种传感器，如RGB相机、光谱辐射仪、多光谱成像模块、高光谱成像模块以及LIDAR激光雷达系统，系统可无视测量土壤覆盖度、绿色覆盖度、植被指数（NDVI、MTCI、MCARI2等）、植物的高度和叶角。

北京欧亚国际科技有限公司是法国Hiphen公司中国区总代理，全面负责其系列产品在中国市场的推广、销售和售后服务。

Phenomobiles植物表型成像车

技术参数

Hiphen和法国农业科学院还利用该设备发表了相关论文，详见下文摘要。

本文探讨了利用LiDAR与无人机法进行高通量植物表型性状研究-植物高度估算的方法。我们使用良好浇水以及水分胁迫条件下的小麦基因型进行了实验。利用phénomobiles 无人驾驶移动表型车，多次在生长期进行LiDAR测量。配有高分辨率RGB相机的UAV进行了多次飞行，用来追溯数字表明模型（移动的结构信息）。两种技术均可提供3D密度点云，可估算植物高度。植物高度首先界定为z值，99.5%的密度点云情况参见全文。该方法与手工测量植物高度 (RMSE = 3.5 cm) 方法有良好的一致性，在每个微区消除了差异。结果显示，LiDAR和来自移动结构信息的植物高度值非常一致。但是，观测到移动技术获得结构有轻微低估，与LiDAR相比，无人机摄影空间分辨率较差，移动时结构穿透力有限。植物高度的动力学显示其携带了植物胁迫时间以及程度的相关信息。另外，发现植物高度达到较高的时期是可遗传的（(H2 > 0.88) ，也是开花时间很好指示参数。文章较后探讨了将植物高度作为全部地上生物量和产量的指示参数。

注：该植物表型成像车为法国Hiphen公司自主研制，专有软件分析系统，是当今上自动化程度较高、较先进的表型成像系统。

Fred Baret1,Beno�0�6t de Solan2 , Samuel Thomas2 , Dan Dutartre3 , Stéphane Matthieu Hemmerlé3 , Gallian Colombeau1  and Alexis Comar3 

1 INRA, UMR EMMAH, Avignon, France, 2 ARVALIS – Institut du végétal, Avignon, France, 3 HIPHEN, Avignon, France 

The capacity of LiDAR and Unmanned Aerial Vehicles  (UAVs) to provide plant height estimates as a high-throughput plant phenotyping trait was explored. An experiment over wheat genotypes conducted under well watered and water stress modalities was conducted. Frequent LiDAR measurements were performed along the growth cycle using a phénomobiles unmanned ground vehicle. UAV equipped with a high resolution RGB camera was flying the experiment several times to retrieve the digital surface model from structure from motion techniques. Both techniques provide a 3D dense point cloud from which the plant height can be estimated. Plant height first defined as the z-value for which 99.5% of the points of the dense cloud are below.This provides good consistency with manual measurements of plant height (RMSE = 3.5 cm) while minimizing the variability along each microplot. Results show that LiDAR and structure from motion plant height values are always consistent. However, a slight under- estimation is observed for structure from motion techniques, in relation with the coarser spatial resolution of UAV imagery and the limited penetration capacity of structure from motion as compared to LiDAR. Very high heritability values (H2  > 0.90) were found for both techniques when lodging was not present. The dynamics of plant height shows that it carries pertinent information regarding the period and magnitude of the plant stress. Further, the date when the maximum plant height is reached was found to be very heritable (H2 > 0.88) and a good proxy of the flowering stage. Finally, the capacity of plant height as a proxy for total above ground biomass and yield is discussed. 

Keywords: plant  height,  high  throughput,unmanned  aerial  vehicles,  dense  point  cloud, LiDAR, phenotyping, broad-sense heritability.

除了INRA开发的全自主表型成像系统，也有其它科研院所进行自动表型成像机器人研发。例如，科研人员发表了利用Phenomobiles生成的3D激光雷达点云对玉米植株进行田间高通量表型分析

来源：Front. Plant Sci.Field-Based High-Throughput Phenotyping for Maize Plant Using 3D LiDAR Point Cloud Generated With a “Phenomobiles”.Quan Qiu1, Na Sun, He Bai, Ning Wang, Zhengqiang Fan, Yanjun Wang, Zhijun Meng, Bin Li and Yue Cong.http://doi.org/10.3389/fpls.2019.00554.

本研究中，提出了一种新的基于田间的高通量表型检测解决方案。在一个移动机器人上安装了一个激光雷达，使机器人成为一个“phenomobiles”。作者使用开源组件和算法库开发了机器人操作系统下的数据收集和分析软件。与以行内和逐行方式进行表型分析观察不同，新解决方案允许机器人在田间移动来收集数据。因此，3D和360°激光扫描仪可以同时收集大型植物群的表型数据，而不是逐个收集。

两块试验地的布局

行间距的手动采样方法，虚线是两个相邻的本地行线

云注册和合并过程

试验地2的行检测结果

此外，机器人不会对作物施加任何接触性干扰。我们在两块实验地上对玉米植株进行了试验。作者使用地标和迭代较近点实现点云合并以减少时间消耗。然后利用深度条带直方图和水平点密度对玉米植株的形态表型参数(行距和株高)进行识别和计算。分析了云配准与融合性能、行间距检测精度和单株高度计算精度。实验结果验证了该方法的可行性。