植物分割和單個器官的特征提取是高通量表型(HTP)操作中的兩個關(guān)鍵挑戰(zhàn)。為了應(yīng)對這一挑戰(zhàn)，普渡大學(xué)的 Ag Alumni Seed Phenotyping Facility (AAPF) 利用葉綠素?zé)晒鈭D像 (CFIs) 來實現(xiàn)對不同物種、年齡或顏色的植物進行一致且高效的自動分割。此外，還開發(fā)了一系列的圖像分析程序，以便于對關(guān)鍵玉米植株性狀進行定量測量。


通過進行概念驗證實驗，驗證了提取的性狀在評價玉米植株干旱脅迫反應(yīng)中的應(yīng)用價值。圖像分析程序成功地測量了幾種不同大小的玉米形態(tài)特征，如株高、面積、頂節(jié)高度和直徑、葉數(shù)、葉面積和與莖的角度。概念驗證實驗的數(shù)據(jù)顯示了玉米植株在用不同的水處理或在不同大小的盆栽中生長時的表現(xiàn)。


不同大小植物的玉米表型：不同大小植物的原始圖像及其骨架和標記葉片，以檢查算法的有效性。

事實證明，基于植物熒光圖像的高通量圖像分割與分析是一種高效可靠的方法。通過對玉米莖葉節(jié)段性狀的提取，證明了這類性狀數(shù)據(jù)在評價玉米在脅迫下的表現(xiàn)方面的重要性和實用性。從種植在不同體積花盆中的玉米植物收集的數(shù)據(jù)表明，在受控環(huán)境設(shè)施中進行和報告植物表型數(shù)據(jù)時，使用標準大小的花盆的重要性。