根系統(tǒng)結構(RSA)性狀在育種選擇中具有重要意義,但這些性狀的測定難度大,資源密集,變異性大。計算機視覺和機器學習(ML)的性狀提取和測量技術的出現,重新引起了人們對利用RSA性狀進行遺傳增強以開發(fā)更健壯和有彈性的農作物品種的興趣。本文作者開發(fā)了一個可移動、低成本、高分辨率的根表型系統(tǒng),該系統(tǒng)由一個具有計算機視覺的成像平臺和基于機器學習的分割方法組成,通過基于圖像的性狀處理和分析獲得大量的根樣本,從而建立一個無縫的端到端管道。
根系表型平臺。每個基因型10粒種子卷成發(fā)芽紙。
該高通量表型系統(tǒng)具有處理數百到數千個植物的能力,它集成了時間序列圖像捕獲和自動圖像處理(利用光學字符識別(OCR)通過條形碼來識別幼苗),然后在特征提取之前集成卷積自動編碼器(CAE)方法進行魯棒分割。該管道包括一個更新和定制版本的自動根成像分析(ARIA)根表型軟件。利用該系統(tǒng),我們研究了來自廣泛地理分布的不同大豆資源,并報告了包括根形、長度、數量、質量和角度等RSA性狀的遺傳變異。
單株大豆在萌發(fā)后a.第6天、b.第9天和c.第12天的生長時間序列。
側根角的確定方法有三種,分別是側根分枝角(LBA)、側根全緣角(LRA)和側根尖角(RTA)。
該系統(tǒng)提供了一種高通量、低成本、無損的方法,為表型組學、基因組學和植物育種應用提供了生物學相關的根生長和發(fā)育的時間序列數據。該表型平臺旨在在一個共同的環(huán)境中對根系性狀進行量化,并對基因型進行排序,從而為植物育種提供選擇工具。根系表型平臺和基于圖像的表型是反映當前育種工作中對芽表型的關注至關重要。
來源:Plant Methods.Computer vision and machine learning enabled soybean root phenotyping pipeline.Kevin G. Falk, Talukder Z. Jubery, Seyed V. Mirnezami, Kyle A. Parmley, Soumik Sarkar, Arti Singh, Baskar Ganapathysubramanian & Asheesh K. Singh.