基于无人机的高通量大米粉块检测和标题日期相关特征的遗传映射
Rulei Chen1,2, Hengyun Lu1, Yongchun Wang1
1National Center for Gene Research, Key Laboratory of Plant Design/National Key Laboratory of Plant Molecular Genetics, Center for Excellence in Molecular Plant Sciences, Chinese Academy of Sciences, Shanghai, China.
Frontiers in plant science
|April 2, 2024
概括
无人驾驶飞行器 (UAV) 与深度学习相结合,可实现大米标题-日期特征的高通量表型化. 这种方法加速了影响大米产量和适应性的基因的识别.
科学领域:
- 农业科学 农业科学
- 植物育种 植物育种
- 计算机视觉 计算机视觉
背景情况:
- 米 (Oryza sativa) 是重要的主食作物,优化其产量对于全球粮食安全至关重要.
- 标题日期 (开花时间) 是大米产量潜力的关键特征,但传统的表型是繁的.
- 需要有效的表型化方法来加速米育种计划.
研究的目的:
- 使用无人机和深度学习开发一种高通量表型化方法,用于大米标题日期特征.
- 在大米中识别与标题日期相关的定量特征位置 (QTL).
- 优化大米育种以提高产量和适应性.
主要方法:
- 利用基于无人机的空中图像来捕获田数据.
- 应用深度学习,特别是评估YOLOv8-X,以准确检测和计数大米.
- 开发了一种计算机视觉管道,用于从时间序列无人机图像中高通量表型化标题日期特征.
主要成果:
- 确定YOLOv8-X是用于大米分析的最佳物体探测器.
- 精确量化了294个米重组杂交系 (RIL) 的6个与标题日期相关的特征.
- 与标题日期相关的已知和新型定量特征位点 (QTL) 确定.
结论:
- 开发的无人机表型和计算机视觉管道使大米标题-日期特征的可扩展和高效分析成为可能.
- 这种方法可以加速对控制标题日期的基因的分子识别.
- 促进有针对性的育种策略,以提高大米产量和适应气候.
