OpenEar: un sistema ultraasequible, de alto rendimiento y preciso para la fenotipificación de mazorcas de maíz

Área de la Ciencia:

• Ciencias Agrícolas
• Ciencias de la Computación
• Genética

Sus antecedentes:

• La fenotipificación de cultivos de alto rendimiento a nivel de planta individual es crucial para el análisis genético y la mejora, pero sigue siendo un cuello de botella importante.
• Las herramientas existentes para la fenotipificación precisa y asequible de mazorcas de maíz son limitadas, lo que dificulta el progreso en el campo.

Objetivo del estudio:

• Desarrollar OpenEar, un sistema de fenotipificación de código abierto y bajo costo para mazorcas de maíz.
• Crear un pipeline basado en aprendizaje profundo para la extracción de datos fenotípicos de extremo a extremo de mazorcas de maíz.

Principales métodos:

• Se desarrolló una plataforma de imágenes de mazorcas de maíz DIY utilizando piezas impresas en 3D y electrónica fácilmente disponible para escaneo de superficie de 360°.
• Se emplearon modelos de Redes Neuronales Convolucionales (CNN) para la identificación de mazorcas y modelos YOLOv11 para la segmentación de mazorcas y la generación de imágenes de proyección de superficie.
• Se extrajeron diez rasgos clave de mazorca y grano utilizando el pipeline desarrollado.

Principales resultados:

• OpenEar demostró una alta concordancia con las mediciones manuales para múltiples rasgos, incluyendo la longitud de la mazorca (R²=0.972), el volumen de la mazorca (R²=0.976) y el número de granos (R²=0.98).
• El sistema logró un rendimiento confiable en diversos rasgos de mazorca y grano, con valores de R² que van desde 0.515 hasta 0.98.
• Se publicaron imágenes y videos de mazorcas anotados manualmente como un recurso para la comunidad.

Conclusiones:

• OpenEar proporciona una solución validada, de bajo costo y accesible para la fenotipificación de mazorcas de maíz de alto rendimiento.
• El enfoque basado en DIY tiene el potencial de avanzar significativamente en el análisis genético de cultivos y las aplicaciones de mejora.