Potential of UAV-derived RGB spectral indices for the early selection of cotton genotypes based on fiber quality traits

면화는 세계에서 가장 중요한 천연 섬유 공급원으로, 식물의 솜털 같은 보풀(boll)에서 시작하여 우리 옷의 원단으로 끝나는 재료입니다. 섬유 산업에 있어 이 작물의 가치는 전적으로 섬유의 품질, 즉 섬유가 얼마나 긴지, 얼마나 강한지, 그리고 얼마나 균일하게 결합되어 있는지에 달려 있습니다. 전통적으로 새로운 면화 품종을 개발하는 육종가들은 새로운 품종이 좋은지 알기 위해 식물이 완전히 자라고 보풀이 수확될 때까지 기다려야만 했습니다. 그들은 솜(lint) 샘플을 채취하여 전문 실험실로 보내고, 이러한 기술적 특성을 측정하는 기계에 통과시킵니다. 이 과정은 정확하지만 느리고 비용이 많이 들며, 많은 양의 식물 재료를 필요로 하기 때문에 육종가들은 종종 품종이 이미 상당히 발달한 단계에 이르기 전까지는 이를 테스트할 수 없습니다.

최agi년 들어, 이 과정을 가속화하기 위한 새로운 접근 방식이 등장했습니다. 바로 드론을 사용하여 하늘에서 작물을 촬영하는 것입니다. 이러한 무인 항공기(UAV)는 몇 분 만에 들판의 상세한 이미지를 포착할 수 있습니다. 연구자들은 이 이미지들의 색상을 분석함으로써 식물이 얼마나 건강하고 활기찬지를 설명하는 수치들을 계산할 수 있습니다. 식물이 위에서 어떻게 보이는지, 즉 색상과 밝기가 식물 내부의 보풀 안에 생성될 섬유의 품질에 대해 무언가를 말해줄 수 있다는 아이디어입니다. 만약 이 연결 고리가 강력하다면, 육종가들은 시즌 초기에 수천 그루의 식물을 선별하여 가장 좋은 것들만을 골라 더 키울 수 있으므로 시간과 비용을 절감할 수 있습니다.

브라질의 한 연구팀은 이 아이디어가 면화 섬유의 품질에 효과가 있는지 테스트하기 위해 연구를 수행했습니다. 그들은 브라질 우베를란디아 연방 대학교의 들판에 19가지 서로 다른 상업용 면화 품종을 심었습니다. 식물이 자라는 동안, 연구진은 들판이 만개한 단계, 즉 식물들이 열린 꽃으로 뒤덮인 단계를 기다렸습니다. 이 특정 시점에 그들은 고해 resolution의 적색, 녹색, 청색 이미지를 포착하기 위해 드론을 들판 위로 날렸습니다. 이 사진들로부터 그들은 식물의 녹색 정도와 색상 포화도를 요약하는 '스펙트럼 지수'라고 알려진 네 가지 서로 다른 색상 기반 수치를 계산했습니다. 이후 면화를 수확한 뒤, 그들은 각 품종으로부터 샘플을 채취하여 표준 실험실 기계를 사용하여 섬유 품질을 측정했습니다. 이 기계는 섬유 길이, 강도, 그리고 섬유가 실로 얼마나 잘 짜일지를 예측하는 종합 점수인 스피닝 컨시스턴시 인덱스(Spinning Consistency Index)와 같은 특성들을 결정했습니다.

연구진은 드론이 본 것과 실험실에서 측정한 것 사이에 실제로 유의미한 연결 고리가 있음을 발견했습니다. 그들은 두 가지 색상 기반 수치가 특히 유용하다는 것을 발견했습니다. 잎의 녹색 정도를 측정한 하나는 스피닝 컨시스턴시 인덱스와 강한 상관관계를 보였습니다. 녹색 빛과 적색 빛의 양을 비교한 또 다른 하나는 섬유 길이의 균일성과 밀접하게 연관되어 있었습니다. 간단히 말해서, 드론의 관점에서 더 푸르고 생기 있게 보였던 식물들은 고품질 방사에 더 적합한 섬유를 생산하는 경향이 있었습니다. 연구팀은 이 드론 수치만으로 섬유 품질을 예측할 수 있는지 확인하기 위해 통계 모델을 사용했습니다. 모델은 그들이 관찰한 품종 간 차이의 약 3분의 1을 설명할 수 있었습니다. 이것이 완벽한 예측은 아니지만, 드론 이미지가 시즌 초기에 찍힌 것이 면화 품질에 대한 신뢰할 만한 힌트를 제공할 수 있다는 점에서 중요한 진전입니다.

하지만 이 연구는 또한 이 기술이 전통적인 실험실 테스트를 대체하는 것은 아님을 분명히 했습니다. 드론 이미지는 섬유 품질의 모든 세부 사항을 예측할 수는 없었으며, 하늘에서 보기에 비슷해 보였던 일부 품종들이 실제로는 서로 다른 섬형 특성을 가지고 있는 것으로 나타났습니다. 연구진은 연구에서 가장 성능이 좋았던 품종인 DP 2077이 우수한 섬유 품질을 가졌음에도 불구하고 드론 이미지에서는 평균적인 색상 점수를 보였다고 언급했습니다. 이는 드론이 일반적인 경향은 포착할 수 있지만, 아직 스스로 전체 그림을 볼 수는 없다는 것을 알려줍니다. 잎의 색상은 햇빛의 양이나 수분 공급량 등 많은 요인의 영향을 받으며, 이는 때때로 섬유 품질을 위한 유전적 잠재력을 가릴 수 있습니다.

이 연구의 가치는 '필터'로서의 잠재력에 있습니다. 육종가들은 종종 수천 그루의 식물을 관리해야 하며, 모든 식물을 실험실에서 테스트하는 것은 너무 비용이 많이 들고 시간이 오래 걸립니다. 만약 드론이 들판 위를 날아다니며 낮은 섬유 품질을 가질 가능성이 높은 식물을 빠르게 식별할 수 있다면, 그 식물들을 육종 프로그램에서 조기에 제거할 수 있습니다. 이를 통해 육종가들은 가장 유망한 후보들에게 자원을 집중할 수 있습니다. 연구진은 드론 유래 수치가 실험실 작업을 없애는 마법 같은 해결책은 아니지만, 그것과 병행하여 사용할 수 있는 강력한 도구라고 결론지었습니다. 항공 이미징의 속도와 전통적인 테스트의 정밀함을 결합함으로써, 면화 육종가들은 더 현명하고 빠르게 결정을 내릴 수 있으며, 잠재적으로 농부와 섬유 공장에 더 나은 면화 품종을 더 빨리 공급할 수 있습니다. 이 연구는 다양한 환경과 더 다양한 식물 유형으로부터의 데이터를 통해 모델이 정교해짐에 따라, 면화 작물의 미래 품질을 예측하는 능력이 계속 향상될 것임을 시사합니다.