English | 中文版 | 手機版 企業(yè)登錄 | 個人登錄 | 郵件訂閱
當(dāng)前位置 > 首頁 > 技術(shù)文章 > 一種高效準確測量未經(jīng)整形的水稻稻穗表型方法EOPT研究

一種高效準確測量未經(jīng)整形的水稻稻穗表型方法EOPT研究

瀏覽次數(shù):361 發(fā)布日期:2024-9-10  來源:本站 僅供參考,謝絕轉(zhuǎn)載,否則責(zé)任自負
Plant Phenomics | 華中農(nóng)業(yè)大學(xué)作物表型團隊開發(fā)了一種高效準確測量未經(jīng)整形的水稻稻穗表型方法



水稻穗部性狀是衡量產(chǎn)量潛力和種質(zhì)資源質(zhì)量的重要指標。然而,這些性狀的測量主要采用人工方式,且通常需要脫粒,不僅費力費時,而且容易產(chǎn)生測量誤差。因此,亟需一種無需人工干預(yù)便能高效準確提取稻穗相關(guān)表型性狀的方法。

2024年8月, Plant Phenomics 在線發(fā)表了華中農(nóng)業(yè)大學(xué)作物表型團隊題為A High-Throughput Method for Accurate Extraction of Intact Rice Panicle Traits 的研究論文。

本研究介紹了一種高通量、無損測量方法EOPT(extraction of panicle traits)以高效、精確的提取稻穗表型,包括單穗粒數(shù)、粒長、粒寬和穗長。該方法無需對稻穗進行脫粒和人工整形,其圖像采集場景如圖1所示。EOPT的整體技術(shù)流程如圖2所示,首先定義穗型指數(shù)(PMI),以量化稻穗籽粒相互遮擋程度。根據(jù) PMI 對直接測得的穗粒數(shù)進行校準,可顯著提高粒數(shù)檢測的準確性。其次,為了測量谷粒的長度和寬度,檢測過程中采用0.8 的IoU閾值和 0.7 的置信度閾值(Conf)來篩選并分割出圖像中較為完整的籽粒,并計算這些谷粒粒長和粒寬的平均值來代表稻穗籽粒的長度和寬度。此外,該方法還使用 Astar 算法提取了水稻圓錐花序骨架的主路徑,以確定稻穗長度。在 1554 個稻穗圖像的數(shù)據(jù)集上進行的驗證證明了方法的有效性,所提方法對單穗籽粒計數(shù)的平均準確率達到 93.57%,平均絕對百分比誤差 (MAPE) 為 6.62%。籽粒長度(96.83%)和稻穗長度(97.13%)的測量準確率也較高。此外,利用該方法獲得的稻穗表型數(shù)據(jù)和基因型數(shù)據(jù)進行了全基因組關(guān)聯(lián)研究(GWAS),可確定與籽粒長度、寬度、單穗粒數(shù)和穗長相關(guān)的單核苷酸多態(tài)性(SNPs),進一步強調(diào)了該方法在水稻育種研究方面的作用和潛力。

圖1 圖像采集場景

圖2 EOPT的工作流程圖。(A) 圖像預(yù)處理。(B) 穗粒數(shù)測量模塊。(C) 穗長提取模塊。(D) 粒長和粒寬提取模塊

圖3 EOPT 的驗證結(jié)果。(A1) 室內(nèi)的穗粒數(shù)檢測。(A2) 田間的穗粒數(shù)檢測。(B1) 室內(nèi)谷粒長度檢測。(B2) 田間谷粒長度檢測。(C1) 室內(nèi)粒長檢測。(C2) 田間粒長檢測。(D1) 室內(nèi)粒寬檢測。(D2) 田間粒寬檢測。

圖4 GWAS 結(jié)果的曼哈頓圖(左)和量子圖(右)。(a) 谷粒長度。(b)粒數(shù)。(c) 谷粒寬度。(d) 穗長

本研究展示了一種新的稻穗表型提取方法,該方法不需要對稻穗進行脫粒和人工整形,能夠準確、高效的提取稻穗表型,為水稻育種和表型研究提供了一種有效、可靠的工具。

華中農(nóng)業(yè)大學(xué)作物表型團隊主要從事作物表型組高通量獲取、智能精準解析及作物育種應(yīng)用等交叉研究。團碩士生孫健和任政威為共同第一作者,楊萬能教授及宋鵬副教授為本文共同通訊作者。本研究得到國家重點研發(fā)計劃、國家自然科學(xué)基金、湖北省農(nóng)業(yè)核心攻關(guān)項目、湖北省種業(yè)高質(zhì)量發(fā)展支撐項目支持。

論文鏈接:
https://doi.org/10.34133/plantphenomics.0213

——推薦閱讀——
AISOA-SSformer: An effective image segmentation method for rice leaf disease based on Transformer architecture
https://doi.org/10.34133/plantphenomics.0218‍

Plant Phenomics | 中南林業(yè)科技大學(xué)周國雄教授團隊基于AISOA-SSformer的有效水稻葉病圖像分割方法
Rice Plant Counting, Locating and Sizing Method Base on High-throughput UAV RGB Images
https://doi.org/10.34133/plantphenomics.0020‍

Plant Phenomics ESI高被引論文 | 基于高通量無人機RGB圖像的水稻植株計數(shù)、定位和大小估計方法

加入作者交流群
掃碼添加小編微信,拉您進入《植物表型組學(xué)》作者交流群,群內(nèi)不定期開展作者分享會、?l(fā)布會等高質(zhì)量活動。

添加小編微信,備注姓名+單位+PP,加入作者交流群

About Plant Phenomics
《植物表型組學(xué)》(Plant Phenomics)是由南京農(nóng)業(yè)大學(xué)和美國科學(xué)促進會(AAAS)合作創(chuàng)辦的英文學(xué)術(shù)期刊,于2019年1月正式上線發(fā)行。采用開放獲取形式,刊載植物表型組學(xué)交叉學(xué)科熱點領(lǐng)域具有突破性科研進展的原創(chuàng)性研究論文、綜述、數(shù)據(jù)集和觀點。具體范圍涵蓋高通量表型分析的最新技術(shù),基于圖像分析和機器學(xué)習(xí)的表型分析研究,提取表型信息的新算法,作物栽培、植物育種和農(nóng)業(yè)實踐中的表型組學(xué)新應(yīng)用,與植物表型相結(jié)合的分子生物學(xué)、植物生理學(xué)、統(tǒng)計學(xué)、作物模型和其他組學(xué)研究,表型組學(xué)相關(guān)的植物生物學(xué)等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數(shù)據(jù)庫收錄?祁Nò睯CR2022影響因子為7.6,位于農(nóng)藝學(xué)一區(qū)(1/125名),植物科學(xué)一區(qū)(13/265名),遙感一區(qū)(6/62名)。2023年中科院期刊分區(qū)位于農(nóng)林科學(xué)大類一區(qū)。2020年入選中國科技期刊卓越行動計劃高起點新刊項目、2024年入選江蘇科技期刊卓越行動計劃領(lǐng)軍期刊項目。

說明:本文由《植物表型組學(xué)》編輯部負責(zé)組稿。
中文內(nèi)容僅供參考,一切內(nèi)容以英文原版為準。
特邀作者:宋鵬
排版:趙慶澤(南京農(nóng)業(yè)大學(xué))
審核:孔敏、王平

來源:北京博普特科技有限公司
聯(lián)系電話:010-82794912
E-mail:1206080536@qq.com

用戶名: 密碼: 匿名 快速注冊 忘記密碼
評論只代表網(wǎng)友觀點,不代表本站觀點。 請輸入驗證碼: 8795
Copyright(C) 1998-2024 生物器材網(wǎng) 電話:021-64166852;13621656896 E-mail:info@bio-equip.com