基于RGB图像的方法用于使用RR的豆叶中生病进展的表型化.
Salvador Osuna-Caballero1, Tiago Olivoto2, Manuel A Jiménez-Vaquero3
1Institute for Sustainable Agriculture, CSIC, Av. Menéndez Pidal s/n 14004, Córdoba, Spain. salvador.osuna@csic.es.
Plant methods
|August 22, 2023
概括
一种新的自动化图像分析方法准确量化了豆生病的进展. 这种工具有助于比传统方法更有效地识别耐豆基因型.
科学领域:
- 植物病理学 植物病理学
- 农业科学 农业科学
- 计算生物学 计算生物学
背景情况:
- 豆病对作物产量构成重大威胁.
- 识别耐豆基因型对于作物改进至关重要.
- 目前的疾病评估方法耗时且容易出现错误.
研究的目的:
- 开发一个自动化图像分析管道,以精确量化病在豆类中的数量.
- 建立一种可靠的方法来评估疾病进展参数.
- 为了方便对大型豆子胚胎血集合进行防性选.
主要方法:
- 开发了一个自动化图像分析管道,使用R对豆叶的生评估.
- 利用分段指数,包括规范绿色红色差异指数 (NGRDI) 和不同的图像分辨率.
- 通过分析600个豆传单并将结果与视觉评估进行比较来验证该方法.
主要成果:
- 基于图像的方法准确地估计了的数量,大小,叶面积和覆盖范围.
- NGRDI提供了最快的分析,即使在较低的分辨率下也具有很高的准确性.
- 疾病进展参数,如潜伏期和疾病曲线下的面积,可靠地重建.
- 基于图像的分析显示,在豆基因型中,疾病反应的显著差异相当于视觉评分.
结论:
- 开发的基于图像的方法为监测豆生提供了更好的分辨率和精度.
- 这种方法消除了评估者诱导的错误,提供比传统方法更准确的疾病评估.
- 在胚胎血收集中实施将提高对植物病原体相互作用的理解,并加速对抗的豆类品种的育种.


