高通量作物表型檢測關(guān)鍵技術(shù)研究與應(yīng)用.pdf

1、隨著科技的進(jìn)步，信息科學(xué)與生命科學(xué)的發(fā)展取得了舉世矚目的成績。信息科學(xué)同生命科學(xué)之間的相互交叉成為發(fā)展極其迅速的新型科學(xué)領(lǐng)域。該領(lǐng)域解決的主要問題之一是作物育種表型信息同基因信息之間的相互協(xié)作關(guān)系研究。這一問題是21世紀(jì)育種科學(xué)家急切需要解決的問題，對此問題的有效解決方案可以幫助育種科學(xué)家根據(jù)育種材料的遺傳基因信息預(yù)測作物的表型。然而，這是一項(xiàng)非常艱巨的任務(wù)，特別是育種材料的表型信息是由成千上萬的復(fù)雜基因以及植物生長環(huán)境不斷地變化所控制

2、的。
　　大規(guī)模信息處理與高通量信息獲取是解決這一問題的重要方向，依托大規(guī)模的基因型數(shù)據(jù)與表型數(shù)據(jù)（觀察到的植物的表型）之間的相關(guān)性挖掘最終將能夠成功地預(yù)測品種表現(xiàn)。目前新一代測序技術(shù)的進(jìn)步可以提供豐富的遺傳基因信息，然而科學(xué)高效的作物表型檢測能力卻發(fā)展緩慢，這種狀況直接導(dǎo)致研究基因型和表型信息相關(guān)性挖掘信息量的不平衡。高通量表型信息數(shù)據(jù)的缺失成為遺傳性關(guān)聯(lián)分析研究與基因組選擇的瓶頸。
　　本文從育種大規(guī)模數(shù)據(jù)處理基礎(chǔ)理論及

3、應(yīng)用方面、高通量表型信息獲取方面進(jìn)行研究，最后給出高通量生物育種物聯(lián)網(wǎng)平臺的解決方案。
　　1、創(chuàng)新地將模糊集理論中的包含度概念應(yīng)用到粗糙模糊集中形成新的粗糙模糊集模型，在此基礎(chǔ)上，提出進(jìn)行批量式動(dòng)態(tài)增加的聚類算法。算法極大地改善了構(gòu)建育種大數(shù)據(jù)倉庫的效率，達(dá)到大規(guī)模數(shù)據(jù)高效處理的目的;
　　2、針對種質(zhì)資源數(shù)據(jù)庫構(gòu)建過程中大量種質(zhì)材料數(shù)據(jù)需要進(jìn)行品質(zhì)分類的問題，提出利用堆棧稀疏自編碼k-means聚類算法對數(shù)據(jù)進(jìn)行聚類的方

4、法，并將聚類結(jié)果利用已知品質(zhì)標(biāo)注的種質(zhì)資源數(shù)據(jù)進(jìn)行類別標(biāo)注，從而達(dá)到對育種數(shù)據(jù)品質(zhì)等級歸類的目的。區(qū)別于傳統(tǒng)k-means聚類算法，利用堆棧稀疏自編碼網(wǎng)絡(luò)進(jìn)行關(guān)鍵數(shù)據(jù)特征提取，逐步降低樣本維度，構(gòu)建混合特征數(shù)據(jù)，將其作為k-means聚類算法的初始中心，有效地避免了k-means聚類算法中對初始中心選取敏感性問題。實(shí)驗(yàn)數(shù)據(jù)表明，該聚類算法準(zhǔn)確率相比傳統(tǒng)算法有明顯的提高;
　　3、圍繞高通量作物表型信息獲取任務(wù)，依托網(wǎng)格攝像頭矩陣圖

5、像采集設(shè)備以及無人機(jī)(UVA)搭載可見光、多光譜獲取表型圖像數(shù)據(jù)，然后利用圖像矯正以及正射影像生成技術(shù)獲取育種小區(qū)正射影像，創(chuàng)新性研究利用作物冠層綠色覆蓋度提取的圖像處理方法，結(jié)合基于圖像幾何映射的育種小區(qū)作物高度測量技術(shù)，得到育種小區(qū)葉面積指數(shù)(LAI)的計(jì)算方法。從而高通量、低成本、高效準(zhǔn)確地獲取作物表型信息包括:株高、出苗率、倒伏、長勢等;
　　4、從平臺化構(gòu)建的角度研究高通量生物育種物聯(lián)網(wǎng)平臺建設(shè)的基本內(nèi)容以及目前主要進(jìn)展