欧亚国际

植物育种、基因图谱以及基因组学预测中的瓶颈是充分采集有用、可诠释、生物相关的表型。自动、经济型亚冠层表型车是高通量、有效在田间针对、对作物生成基于传感器数据集的设备。植物表型成像车配有的激光雷达（LiDAR）传感器可生成整株植物的3D结构。田间常用的传感器有多光谱表型成像模块以及高光谱成像模块。隐空间表型（LSP）法可用于提取表型数据，PCA（主成分分析法）与卷积神经编码器是2种常用的LSP方法。可利用LSP法成功预测验证手工测量性状 。LSP法包括植物结构的相关信息。此类技术可用来以自动方式在育种、研究等领域低成本评估植物结构，预测植物生成模型。

随着下一代基因测序技术的出现，对群体植物基因型研究成本显著降低，在基因图谱研究以及基因组训练预测模型研究中的限制因素是如何获取高品质表型数据。能获取TB级别数据的传感器和成像设备，不仅为解决植物表型瓶颈提供了方案，也将问题变得较复杂，设备生成了下游要分析的数以百计乃至千计的非相关表型，较糟糕的是，甚至生成了大量永远无法充分使用的数据。新数据获取方法需要定制计算方法，用以提取海量数据中的可解读、使用以及生物学相关的性状。基于图像和传感器表型方法的海量数据对数据处理和分析提出了新挑战。多数新型表型分析方法是基于实验室的、定点特异的方法，或者不可原位直接应用于作物。从新成像和传感器方法获取的数据需要在育种程序中应用，用以获取生物学深度信息。近年来研究人员开发的高通量表型成像平台采用固定设计或安装在成像车上，植物育种人员对此类方案报以怀疑态度，他们较看重采用灵活、经济方法，从而在各种生长环境中来调查大群体种质资源。理想的植物表型成像系统应该同时具有移动性、灵活性、经济性、可放大性，传感器性能强劲。无人机和无人车（地面表型车）符合以上多数要求。无人机在环境恶劣条件下难于飞行，仅限于鉴别冠层下方植物结构以及冠层维度，在生长季晚期测量尤其困难。配备RGB和LiDAR传感器，推车与现有自动成像系统相比，较加经济，同时可放大并以灵活方式在多个地点进行大群体鉴别。因体积较小，可在种植植物之间穿行，可从另一个维度，即多数现有表型成像系统无法测量的维度进行植物结构研究。LiDAR激光雷达传感器可对田间区块实现3D结构重建，用于鉴别植物结构和生物量分布。

植物表型方法比较。要在育种项目或要进行大规模生物学研究，表型技术需要经济、可移动、可放大，能通过面板或手持传感器进行相关数据采集。移动车与UAV满足多数要求。在冠层内和冠层下表型研究中，移动车与UAV相比有优势，无人机只可从上方进行试验。LSP允许计算机以该方式处理图像或基于传感器的数据，从而生成新性状，用以区分基于不同个体的处理。

在植物表型研究领域，有较多的激光雷达数据处理新方法被开发出来，这将其在领域的较广泛应用。WIWAM植物表型成像系统以及Hiphen植物表型成像系统可集成多种激光雷达模块，搭载在无人机或无人车或推车上，Hiphen的LIERAL表型成像系统甚至采用了便携式设计。