近日，上海农业生物基因中心、浙江省农业科学院、中国南湖电子信息研究院等多单位联合团队在 Agricultural Water Management 在线发表了题为“A practical UAV-assisted workflow for high-throughput screening of drought-resistant rice”的研究论文。

该研究建立了一套基于无人机图像的水稻抗旱性标准化筛选流程，开发了专用图像处理软件和高精度预测模型，同时鉴定了大量抗旱相关新基因位点，为水稻抗旱育种提供了高效技术工具和遗传资源。

1 研究背景

水稻是全球半数人口的主粮，但干旱作为主要非生物胁迫严重影响其产量。培育抗旱品种是保障粮食安全的关键策略，而传统筛选方法依赖人工测量，存在效率低、周期长、主观性强等问题，且缺乏同时兼顾叶片枯卷叶程度和灾后产量的自动化筛选模型。

近年来，无人机（UAV）凭借灵活高效的优势成为大规模表型数据采集的理想工具，但现有图像处理软件成本高、操作复杂，且针对水稻抗旱性的专用预测模型尚未建立，亟需开发标准化的高通量筛选技术体系。

2 研究内容

研究团队在海南开展了两年干旱胁迫田间试验，以重组自交系和节水抗旱稻品系为材料，系统构建了无人机辅助的抗旱性筛选技术体系。

首先，定义了水稻叶片枯卷叶程度的 5 个等级标准，并开发了 UAV RGB 图像处理软件 PLOT ASSISTANT，该软件包含原始裁剪和投影裁剪两个版本，可高效批量获取高质量单小区图像，避免传统方法的失真问题，同时实现数据扩充。

图1.田间试验所用无人机及水稻叶片枯卷叶的 5 个等级标准

(a)试验用无人机(黑色为DJI M300，白色为PHANTOM 4 RTK)，图中红色圆圈标注田间试验地面控制点(GCP)分布位置。(b)标准化枯卷叶叶片1-5级示意图，其中1级代表枯卷叶程度最轻，5级代表枯卷叶程度最重。

·       基于迁移学习构建叶片枯卷叶评估模型，其中引入空间注意力机制的 MobileNet 模型表现最优，R² 达 0.94，MSE 为 0.08，能精准量化叶片枯卷叶程度。

图2.叶片枯卷叶程度预测模型结构图

首先，模型输入为单块试验田的图像数据。图像随后依次经过卷积层（Conv）、批量归一化层（BatchNorm）和ReLU激活层。接着，模型利用倒残差结构提取图像特征，并将特征输入空间注意力模块以增强模型对空间信息的敏感性。最后，特征经线性层处理后，由单个神经元输出叶片枯卷叶程度的预测结果。

构建水稻抗旱性预测模型，通过坐标逆投影技术和特征分布平滑模块，结合复水后第 1 天（播种后第115 天）的无人机图像，成功筛选出产量排名前 5% 的抗旱品种，F1 值达 0.95， Precision 和 Recall 分别为 0.95 和 0.96，且适用于粳稻、籼稻及中间型等复杂群体。

图3.Plot Assistant 软件使用流程

对于原始裁剪版本，正射影像和地块掩膜文件被输入到该版本软件中中进行批量裁剪。对于投影裁剪版本，原始无人机原始图像、正射影像、密集点云文件以及地块掩膜文件被输入到该版本软件中以裁剪小区图像。输出文件将根据上传日期和地块名称保存在目标路径中。

利用无人机图像表型数据和人工测量数据进行 QTL 定位，鉴定出 1942 个抗旱相关新基因位点，其中 26 个位点的表型变异解释率超过 10%，为解析抗旱遗传机制提供了重要资源。

图4.‘IRAT109’基因组中与抗旱性相关的 QTL位点分布

红色基因座表示根据图像性状定位的 QTL位点；蓝色基因座表示根据人工性状定位的 QTL位点；绿色方框中的基因座表示图像性状和人工性状共同定位的 QTL位点；基因座下方的灰色基因表示已报道的与水稻抗旱性相关的基因。

通过QTL位点交叉验证模型，随机选取5个产量相关位点并基于LOD与PVE值确定其优异等位基因，绘制295个品系的等位基因集合图。结果显示，67个品系含有4–5个优异等位基因，其中模型所筛选出的产量前5%（共7个）的品系有4个归属该组。富集分析进一步表明，高产品系在4–5个优异等位基因中呈极显著富集（p<0.01）。以上结果证实，该抗旱性分类模型能够有效识别兼具高产与抗旱性的水稻品种。

图5.优良等位基因集合图和富集分析

干旱处理后产量数据定位的295个品系中5个QTL位点的优良等位基因集合。水稻抗旱性分类模型

筛选出的产量最高的Top 5 % 株系（共7个株系）中，有4个株系（Q75、Q88、Q191和Q194）含有4-5个优良等位基因。(A栏代表295个品系中含有4-5个优良等位基因的67个品系。深蓝色部分特别表示由水稻抗旱模型确定的4个品系（共7个品系）。而B栏则包括295个品系中含有1-3个优良等位基因的228个品系

初步建立一套基于无人机图像在海南开展水稻抗旱筛选的标准流程

图6. 在海南进行水稻抗旱性筛选的流程图

首先在海南开展田间试验以获取所需的RGB图像；对图像进行拼接和裁剪以构建数据集，并利用水稻叶片枯卷叶值检测模型监测小区的平均枯卷叶级别；最后利用水稻抗旱分类模型筛选出产量最高的前5%的品种。

3 研究结论与意义

本研究建立了从图像采集、处理到模型预测的全流程标准化技术体系，实现了水稻抗旱性的早期、高效、精准筛选，大幅降低了传统筛选的时间和人力成本。

开发的 PLOT ASSISTANT 软件有效突破了无人机图像批量处理的技术瓶颈，构建了国际首个以旱后产量为建模指标的水稻抗旱性预测模型，为抗旱育种决策提供了直接、可靠的依据；所鉴定的 QTL 位点则为抗旱基因克隆与分子育种提供了关键靶标。

该技术体系不仅适用于水稻，亦为其他作物抗旱性高通量筛选提供了可复用、可推广的技术框架，对推动作物抗旱育种规模化发展、保障国家粮食安全具有重要实践价值。

4 研究团队

上海农业生物基因中心与华中农业大学联合培养研究生王鑫、奚晓燕以及中国电子科技南湖研究院程会林、方经义为论文共同第一作者，原上海市农业生物基因中心（现浙江省农业科学院病毒学与生物技术研究所浙江省农作物种质资源中期库）楼巧君研究员为论文通讯作者。

该研究得到了国家自然科学基金、上海市自然科学基金等项目的支持。

5 原文链接

https://doi.org/10.1016/j.agwat.2025.109934