摘要 甘蔗（甘蔗属），一种C4植物，是全球工业重要的可再生生物燃料和糖源。然而，父代品系之间的开花同步常常给育种者带来挑战，影响有效的交叉育种工作。本研究旨在开发一种高通量表型（HTP）策略，利用植被指数（VIs）和其他指标，以及基于人工智能（AI）的预测方法来评估开花相关性状。在巴西塞拉格兰德的IAC甘蔗育种站以增强块设计种植了154个基因型。使用大疆Mavic 3 Enterprise无人机在植蔗（PC）和第一次轮作（FR）作物季节捕获原始RGB（红、绿、蓝）图像。这些图像被处理以创建正射拼接图并计算指标/植被指数；随后，开发了用于系统分析的机器学习（ML）和深度学习管道。一个卷积神经网络（CNN）模型在开花检测任务中取得了高达84%的准确率。此外，CNN模型的花计数与田野数据之间显示出中等相关性，证据表明在PC开花季节开始时的R2值为0.72，结束时的R2值为0.29。这导致整体平均回归R2为0.46，均方根误差（RMSE）为13.80。此外，一个人工神经网络分类模型在根茎响应（早花与晚花）方面达到了0.87的显著准确性，利用VIs和基于模型的数字指标作为输入参数。ML回归模型的表现水平为PC在旗叶出现的R2=0.51和RMSE=8.06，FR开花天数的R2=0.52和RMSE=7.93。这些结果突显了HTP策略的潜力，利用正射拼接图和AI，加速数据收集和分析，为甘蔗育种计划提供重要见解。
Santos等（周二）研究了这个问题。