玉米(Zea mays L.)是世界上最重要的食物來源之一,幾個世紀(jì)以來一直是植物遺傳學(xué)和表型研究的主要目標(biāo)之一。玉米生長過程中各種形態(tài)表型性狀的觀察和分析對遺傳育種研究至關(guān)重要。通常大量的樣本產(chǎn)生了大量的高分辨率圖像數(shù)據(jù)。隨著高通量植物表型平臺在玉米育種試驗中的應(yīng)用日益廣泛,需要能夠自動識別玉米植物的視覺表型特征并對圖像數(shù)據(jù)集進(jìn)行批處理的軟件工具。
玉米RoI提取(水平視圖)
a原始圖像;b初步二值掩模圖像;c優(yōu)化的掩模圖像;d前景RGB圖像
在計算機視覺和植物科學(xué)之間的邊界上,我們利用基于卷積神經(jīng)網(wǎng)絡(luò)的高級深度學(xué)習(xí)方法來增強玉米表型分析的工作流程。本文介紹了玉米圖像分析軟件,它是一個支持玉米表型一鍵分析的集成應(yīng)用程序,嵌入了多種功能:(1)投影,(2)顏色分析,(3)節(jié)間長度,(4)高度,(5)莖直徑,(6)葉片計數(shù)。該軟件以玉米的RGB圖像為輸入,提供了用戶友好的圖形交互界面,可快速計算葉鞘點檢測和葉片分割等多項重要表型特征。在葉計數(shù)函數(shù)中,預(yù)測值與實際值之差的平均值和標(biāo)準(zhǔn)差分別為1.60和1.625。
玉米RoI提取(水平視圖)
a原始圖像;b初步二值掩模圖像;c優(yōu)化的掩模圖像;d前景RGB圖像
Maize-IAS易于使用,既不需要計算機視覺專業(yè)知識,也不需要深度學(xué)習(xí)。該系統(tǒng)集成了所有批處理功能,實現(xiàn)了在大數(shù)據(jù)集上記錄、測量和定量分析玉米生長性狀的自動化和勞動密集型任務(wù)。證明了該技術(shù)和軟件對于基于圖像的植物研究的效率和潛在能力,這也證明了在農(nóng)業(yè)和植物科學(xué)中實現(xiàn)人工智能技術(shù)的可行性和能力。
來源:Plant Methods.Maize-IAS: a maize image analysis software using deep learning for high-throughput plant phenotyping.Shuo Zhou, Xiujuan Chai, Zixuan Yang, Hongwu Wang, Chenxue Yang & Tan Sun.
原文鏈接:https://plantmethods.biomedcentral.com/articles/10.1186/s13007-021-00747-0