在 (Lens culinaris Medik.) 中绘制和量化独特的分支结构
Adam M Dimech1, Sukhjiwan Kaur2,3, Edmond J Breen2
1Agriculture Victoria Research, Department of Energy, Environment and Climate Action, AgriBio Centre for AgriBioscience, Bundoora, VIC, 3083, Australia. adam.dimech@agriculture.vic.gov.au.
Plant methods
|June 19, 2024
概括
一个新的Python算法准确地量化了豆植物的分支,测量了数量,角度和长度. 这种高通量现象学方法有助于理解植物结构,以提高作物产量和适应性.
科学领域:
- 农业科学 农业科学
- 植物生物学 植物生物学
- 计算生物学 计算生物学
背景情况:
- 豆 (Lens culinaris Medik.) 是一种植物. 是一个重要的全球作物,正在努力扩展到新的地区,如西澳大利亚和新南威尔士.
- 植物结构对于产量稳定至关重要,特别是在新耕种的地区.
- 高通量现象学为研究植物发展,建筑和遗传学提供了先进的工具.
研究的目的:
- 开发和验证一种新的方法,用于绘制和量化豆植物中的个别分支结构.
- 用基于图像的现象学来详细分析植物结构.
- 为了能够更好地了解的生长和特征遗传学,以提高作物适应性.
主要方法:
- 一个LemnaTec Scanalyser 3D平台捕获了温室种植的豆植物的侧向RGB图像.
- 一个基于Python的算法分析了形态骨,以量化分支数,角度和长度.
- 该算法被集成到一个开源的图像分析管道 (PlantCV).
主要成果:
- 该算法准确地量化了未成熟的豆植物的分枝,在成熟的植物中由于封闭而导致的精度下降.
- 种植后22天 (DAS) 树枝计数达到77.9%的绝对准确率,提高到97.6%,树枝宽容度为±1.
- 树枝长度和角度指标 (分离,角度差异) 受到基因型,DAS和盐处理的显著影响,证明了在压力下区分线的实用性.
结论:
- 开发的方法准确量化了植物中关键的个体分支参数.
- 这种图像分析方法可以应用于评估其他双类物种的植物结构.
- 这些发现支持使用高通量现象学来进行子育种和适应性研究.
