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，廣泛應用于食品、飼料及生物質(zhì)能源的生產(chǎn)中。為了應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)高通量表型設施中，植株都生長在給定體積的盆內(nèi)。在林業(yè)或園藝領域，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