Véhicule terrestre sans pilote pour le phénotypage à haut débit afin de quantifier les caractéristiques des cultures de plein champ

Citation

K.D. Singh, S.D. Noble, P. Ravichandran, K. Halcro, R. Soolanayakanahally, J. Sangha, E. Brauer, K.T. Nilsen, O. Molina, H.S. Randhawa, R. Ortega Polo, C. Workman, S. Pahari, “Véhicule terrestre sans pilote pour le phénotypage à haut débit afin de quantifier les caractéristiques des cultures de plein champ”, Conférence annuelle du NAPPN, West Lafayette, Indiana, États-Unis, février 2024 (hybride); https://doi.org/10.22541/essoar.170008912.21420303/v1

Résumé en langage clair

Le développement d'un système de phénotypage à haut débit (HTP) utilisant la technologie de l'imagerie numérique est en train de changer le visage de l'agriculture dans la production végétale mondiale. Le système de phénotypage sur le terrain construit par l'Université de Saskatchewan ("UFPS Cart") est un robot mobile automatisé conçu pour accélérer les progrès dans les programmes de sélection des cultures et d'agronomie sur le terrain. Dans le cadre d'une initiative plus vaste, nous examinons la transformation numérique de l'agriculture moderne, y compris la manière dont les données sont collectées, traitées, partagées et utilisées dans la recherche sur la phénomique des cultures. À l'avenir, les producteurs bénéficieront de ces technologies et de ces outils intelligents grâce à l'amélioration des variétés de cultures résistantes au climat. Ils réduiront également le temps d'évaluation sur le terrain, la subjectivité humaine et la main-d'œuvre associée.
Nous remercions tout particulièrement la Western Grains Research Foundation (WGRF), Agriculture et Agroalimentaire Canada (AAC) et le groupe d'ingénierie de l'Université de la Saskatchewan pour leur soutien aux activités de ce projet.
Voir le panier UFPS en action: https://www.youtube.com/watch?v=1Ps6ypFUUmc

Résumé

La technologie de l'imagerie numérique a suscité un intérêt considérable au cours des dernières décennies, en particulier dans le domaine du phénotypage à haut débit (HTP) pour l'amélioration des plantes. Les programmes de sélection génèrent des milliers de nouvelles lignées de cultures qui doivent être évaluées dans des environnements multiples. Des efforts considérables ont été déployés pour utiliser les études d'association à l'échelle du génome (GWAS) et la sélection génomique (GS) afin d'identifier des marqueurs génétiques et d'améliorer les caractéristiques souhaitables des cultures. La sélection de phénotypes clés est un élément essentiel de l'amélioration des plantes, et les méthodes traditionnelles nécessitent des ressources considérables et sont subjectives. C'est pourquoi les sélectionneurs et les généticiens sont à la recherche d'une technologie robuste pour identifier les caractéristiques souhaitables des cultures. La technologie HTP utilisant des capteurs avancés est une approche prometteuse pour évaluer les génotypes de cultures améliorées pour des caractéristiques d'importance agronomique. Dans ce projet, six centres de recherche et de développement (CRD) d'Agriculture et Agroalimentaire Canada ont utilisé le système de phénotypage sur le terrain construit par l'Université de Saskatchewan ("UFPS Cart") pour phénotyper un panel de blé panifiable patrimonial. Le chariot UFPS est une plate-forme mobile de détection proximale équipée de plusieurs charges utiles (GPS RTK, RGB, NIR et capteur LiDAR). Pour la collecte de données climatiques diverses, le panel composé de 30 variétés de blé de printemps de l'Ouest canadien a été cultivé dans six environnements. Cette étude vise à développer des pipelines de gestion de données et d'analyse d'images à grande échelle pour quantifier différentes caractéristiques de croissance des cultures représentant des traits agronomiques et physiologiques. Elle soutient la prise de décision fondée sur les données dans le cadre de l'effet génotype × environnement. Les données d'imagerie multilocales et d'observation au sol provenant de six environnements sont actuellement traitées à l'aide du cluster scientifique public interne (GPSC) pour l'apprentissage profond afin de développer des modèles de prédiction et d'extraire les traits phénotypiques d'intérêt (hauteur du couvert, verse, épiaison, maturité, rendement en grains et teneur en protéines). Les outils développés et les modèles associés contribueront à accélérer les progrès dans les programmes de sélection des céréales.