巴西圣保羅州立大學(xué)（Unicamp）下屬的氣候變化應(yīng)用基因組研究中心（GCCRC）于7月14日宣布，其研究團(tuán)隊開發(fā)出一種結(jié)合無人機(jī)、多光譜傳感器與人工智能的新方法，可在田間快速識別玉米植株對干旱的耐受能力。該技術(shù)通過分析不同生長階段的影像數(shù)據(jù)，實現(xiàn)對28個轉(zhuǎn)基因玉米雜交品種的抗旱性分類，準(zhǔn)確率在部分場景下超過90%，為應(yīng)對氣候變化背景下的作物育種提供了高效工具。

傳統(tǒng)育種中，評估作物抗旱性依賴人工測量株高、產(chǎn)量、籽粒重量及開花時間等指標(biāo)，耗時且難以大規(guī)模實施。新方法則通過搭載RGB與多光譜相機(jī)的無人機(jī)，在兩年內(nèi)對試驗田進(jìn)行數(shù)十次飛行采集，獲取可見光與近紅外波段圖像。研究人員基于這些影像數(shù)據(jù)訓(xùn)練AI模型，使其能夠?qū)W習(xí)并復(fù)現(xiàn)傳統(tǒng)人工評估結(jié)果，從而實現(xiàn)自動化、規(guī)?；Y選。

研究發(fā)現(xiàn)，植物在不同生育期對干旱的響應(yīng)存在差異，尤其在營養(yǎng)生長期、開花期和籽粒灌漿期，影像特征變化Zui為顯著。因此，分階段采集影像能更準(zhǔn)確捕捉植株生理狀態(tài)的變化。其中，多光譜傳感器在近紅外波段（NIR）的探測能力是關(guān)鍵優(yōu)勢——該波段雖人眼不可見，但能反映葉片水分狀況與光合作用效率，有助于提前發(fā)現(xiàn)潛在脅迫信號。相比之下，僅使用普通RGB相機(jī)的識別效果明顯不足。

實驗結(jié)果顯示，僅需六次代表性飛行即可獲得足夠信息完成分類，大幅降低數(shù)據(jù)采集成本與時間。這一成果不僅適用于玉米，還可拓展至其他作物的抗病性、耐鹽性等性狀篩選。研究團(tuán)隊指出，該方法可通過調(diào)整算法參數(shù)，適配不同作物的關(guān)鍵農(nóng)藝指標(biāo)，例如水稻的抽穗同步性或大豆的落莢率。

對于中國農(nóng)業(yè)技術(shù)企業(yè)、種業(yè)公司及海外農(nóng)業(yè)項目承包商而言，該技術(shù)提示了三大關(guān)注點：一是田間表型分析正從“人工+實驗室”轉(zhuǎn)向“空基+智能算法”，未來采購育種設(shè)備應(yīng)優(yōu)先考慮具備多光譜成像能力的無人機(jī)平臺；二是AI模型訓(xùn)練依賴高質(zhì)量標(biāo)注數(shù)據(jù)，若計劃引入該系統(tǒng)，需提前建立標(biāo)準(zhǔn)化的田間觀測流程與數(shù)據(jù)庫；三是該技術(shù)已在巴西本地試驗驗證，若用于非洲或東南亞干旱地區(qū)，需重新校準(zhǔn)模型以適應(yīng)當(dāng)?shù)貧夂蚺c土壤條件。

此外，該研究由巴西科學(xué)基金會（FAPESP）與巴西農(nóng)牧研究所（Embrapa）聯(lián)合支持，屬于農(nóng)業(yè)科技攻關(guān)項目。其成果已發(fā)表于《植物科學(xué)前沿》（Frontiers in Plant Science），具有較高的學(xué)術(shù)可信度與應(yīng)用推廣潛力。中國相關(guān)企業(yè)在引進(jìn)類似系統(tǒng)時，可參考其技術(shù)路徑，重點關(guān)注設(shè)備兼容性、數(shù)據(jù)處理鏈路與本地化部署能力。

• 核對無人機(jī)是否配備多光譜傳感器（如NIR波段）及飛行高度穩(wěn)定性
• 核對AI模型是否支持多階段生長周期的數(shù)據(jù)融合分析
• 確認(rèn)系統(tǒng)能否對接現(xiàn)有農(nóng)業(yè)管理平臺或種子數(shù)據(jù)庫
。