基于葉綠素熒光圖像的高通量玉米圖像分割和性狀提取

Plant Phenomics | 基于葉綠素熒光圖像的高通量玉米圖像分割和性狀提取

玉米是人們生活中重要的作物，它產(chǎn)量高、用途廣，廣泛應(yīng)用于食品、飼料及生物質(zhì)能源的生產(chǎn)中。為了應(yīng)對未來幾十年世界人口快速增長所帶來的物質(zhì)需要，人類對玉米產(chǎn)量的需求正在不斷增加。目前，研究者們?yōu)榱藴p輕氣候和環(huán)境條件變化對玉米產(chǎn)量的影響，已在識別、改良和培育玉米新品種上做出了許多努力。

形態(tài)變化是植物應(yīng)對干旱脅迫所作出的復雜調(diào)控之一，并且已被廣泛研究。然而，由于缺乏對表型性狀尤其是莖葉水平性狀的高通量提取，使得從分子層面對玉米干旱脅迫響應(yīng)的解讀明顯落后于植物生理學發(fā)展的整體趨勢。目前，大部分植物表型數(shù)據(jù)都是通過手動以及有破壞性的方式采集的，人工采集數(shù)據(jù)的通量低、費時費力、數(shù)據(jù)可靠性也不盡人意，且人工采集局限于特定的生育時期，無法反映干旱脅迫對全生育期內(nèi)玉米植株的總體影響。

集成式高通量表型(HTP)分析設(shè)施的出現(xiàn)，使得連續(xù)、自動化、無損和多模態(tài)測量植物性狀成為了可能，并提高了表型數(shù)據(jù)的時空分辨率。在大多數(shù)高通量表型設(shè)施中，植株都生長在給定體積的盆內(nèi)。在林業(yè)或園藝領(lǐng)域，在不影響種植效果的前提下縮小盆體積一直是研究的重點，但在表型相關(guān)研究中少有對盆栽大小對植株性能影響的研究。

近日，Plant Phenomics 在線發(fā)表了題為High-Throughput Corn Image Segmentation and Trait Extraction Using Chlorophyll Fluorescence Images的研究論文。

在該文中，作者基于一種基于RGB圖像的高通量植物表型分析系統(tǒng)，充分利用了葉綠素熒光信號對玉米植株進行了分割，還開發(fā)了能夠提取玉米莖葉性狀的圖像分析算法(Figure 3，4)，并進行了實證試驗(Figure 1)，以驗證提取到的性狀在評估玉米植株干旱脅迫響應(yīng)中的效用。

實證試驗的數(shù)據(jù)記錄了玉米植株在不同的水處理或不同大小的盆中生長的表現(xiàn)。結(jié)果表明，基于植株熒光圖像的高通量分析是有效且可靠的(Figure 7)；此外，在環(huán)境受控設(shè)施中進行植物表型試驗時，使用統(tǒng)一大小的種植盆也十分重要。

Figure 1: Proof-of-concept experimental design.

Figure 3: Segmentation and skeletonization: the image analysis processes started with building the binary mask using the gray-scale chlorophyll fluorescence (CF) images; subsequently, the skeleton was created as a two-dimensional wireframe of the plant (image scale 1/4).

Figure 4: Canopy traits extraction: extraction based on the points of interest calculated in the skeleton.

Figure 7: Image-based vs. ground-truth measurements.

——推薦閱讀——

The Application of UAV-Based Hyperspectral Imaging to Estimate Crop Traits in Maize Inbred Lines

Plant Phenomics | 無人機高光譜影像在玉米自交系作物性狀估算中的應(yīng)用

High-Throughput Phenotyping of Dynamic Canopy Traits Associated with Stay-Green in Grain Sorghum

Plant Phenomics | 高通量表型分析滯綠相關(guān)的高粱動態(tài)冠層性狀

中文內(nèi)容僅供參考，一切內(nèi)容以英文原版為準。

編輯：張威（實習）、鞠笑、孔敏

審核：尹歡