估量他们一种准确量化油菜角果形态的算法
油菜或油菜 ( Brassica napus L. ) 因其富含油的种子而在世界范围内种植的重要作物。油菜角果是一种器官，在光合作用中发挥作用，向成熟的种子发送发育信号，并提供容纳种子的荚膜。高产油菜籽品种具有数量多且形态最佳的长角果——形状和结构。在这方面，油菜籽基因型和栽培方法直接影响植物产生的长角果数量。因此，准确量化长角果发育参数对于预测产量和鉴定高产品种至关重要。
传统上，长角果发育参数——长角果长度 (SL) 和长角果数量 (SN)——都是人工量化的，这使得该过程本质上具有侵入性、不准确且耗时。二维 (2D) 和三维 (3D) 农业光学已经能够规避这些困难，但也有其局限性。2D 成像方法鲁棒性较差，无法收集完整的空间信息。相反，植物结构的复杂性使 3D 成像参数调整变得乏味，而且用于表型分析的聚类算法(记录生物体可观察特征的过程)通常无法区分植物骨骼和植物器官。现在，中国的研究人员开发了一种新算法，使用 3D 成像数据提供非侵入性表型分析。植物现象学。
“我们想开发一种能够更好地预测产量的高通量方法。我们的目标是设计一种工具，提供油菜骨架模型、准确分割的角果，并收集角果的形态学数据，”该团队的 Haiyan Cen 教授解释说 。浙江大学生物系统工程与食品科学学院院长，现任副院长。
该团队的方法涉及结合两种类型的算法——骨架化算法和分层分割算法——使用激光扫描仪收集的 3D 成像数据准确地将长角果与整个植物分离。通过结合骨骼各个组件的距离、角度和方向信息，3D 图像数据用于在笛卡尔平面中创建植物的详细表示。测试了分层分割 (SHS) 算法的骨架化自动量化温室和田间栽培的油菜植物的角体积 (SV)、SL 和 SN 的能力。
“我们的算法在从油菜角果中提取形态学数据时提供了很高的准确性。它对 SN、总 SL 和总 SV 的预测显示与植物的实际产量有非常强的统计显着相关性!” 在阐述团队新算法的关键能力时，岑教授感叹道。SHS 在其对角果分割和表型提取的估计中也表现良好，SN 和总 SL 均实现了高度相关性。另一个重要发现是，SHS 甚至可以根据油菜的分枝结构将油菜植物区分为少枝扫帚形植物 (FBBS)、多枝扫帚形植物 (MBBS) 和多枝圆柱形植物 (MBCS)。在这里，SHS 也能够检测到三种分支模式之间的统计显着差异。
岑教授和她的团队对他们未来的研究方向感到兴奋。他们认为，鉴于其在产量估算和表型分析方面的高度准确性，他们的非侵入性 SHS 有可能为全世界的油菜育种业务提供技术支持。
版权声明：本文由用户上传，如有侵权请联系删除！