重新审视成熟动态:一种自动化方法来追踪异步果的发展时间间隔图像上的异步果

科学领域:

• 植物科学 植物科学
• 计算生物学 计算生物学
• 农业技术 农业技术

背景情况:

• 葡萄藤果的发育表现出异步的生长和成熟在一个束内.
• 了解这种异质性的遗传和环境驱动因素受到缺乏高效,非破坏性的测量方法的限制.

研究的目的:

• 开发和验证一种自动化的方法来跟踪单个葡萄树的生长和色彩动力学.
• 为了能够对葡萄中的果发育和成熟异步进行定量分析.

主要方法:

• 采用深度学习方法,从时间间隔图像中检测和细分单个果,即使有遮,也可以推断形状.
• 开发了一个跟踪算法,在图像时间序列中为个别果分配独特,一致的标签.
• 该方法使用来自机器人高吞吐量表型化平台的图像数据集进行了训练和验证.

主要成果:

• 该自动化系统在果检测 (F1得分为91.8%) 和细分 (平均绝对误差为4.1%) 中实现了高精度.
• 追踪算法成功识别并保持了超过一半的细分果的时间身份,准确率为98.1%.
• 提取了个别果的生长和颜色动力学,从而实现了第一个统计学上相关的成熟动态分析,具有次日分辨率.

结论:

• 成功开发了一种全自动化的开源方法,用于在时间序列图像中检测,细分和跟踪葡萄酒果.
• 这种方法可以精确量化个体果的发展,并描述团内成熟异步的特征.
• 该方法具有高通量表型的潜力,促进对葡萄藤成熟动态的遗传和环境影响的新研究.