用于自动化估计主要豆类根特征的Python算法包,使用二维图像进行估计
Amit Ghimire1,2, Yong Suk Chung3, Sungmoon Jeong4,5
1Department of Applied Biosciences, Kyungpook National University, Daegu, 41566, Republic of Korea.
Scientific reports
|March 2, 2025
概括
一个新的Python算法准确地从二维图像中估计豆类根的特征,例如根的总长度和表面积. 这种开源工具为植物研究的昂贵软件提供了成本效益高,可靠的替代方案.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 植物生物学 植物生物学
背景情况:
- 准确的根特征分析对于了解植物生长和发育至关重要.
- 目前用于根特征估计的软件可能昂贵且难以获得.
研究的目的:
- 开发和验证一个简单的,开源的Python算法,用于估计关键的豆类根特征.
- 将算法的性能与已建立的软件和基本真相数据进行比较.
主要方法:
- 使用Python算法与四个值方法 (Otsu,高斯适应,平均适应,三角形) 进行图像分析.
- 使用距离转换和ConnectedComponentsWithStat函数用于特征估计.
- 对400张豆类根图像的WinRHIZO,RhizoVision和地面真相数据进行验证结果.
主要成果:
- Python 算法表现出高精度,与所有特征的基准真实数据相比,R2 ≥0.98.
- 对于距离转换方法,Otsu值是最佳的,而三角值则在总根长度方面表现出色.
- 错误指标 (RMSE,MBE) 是最小的,表明强烈同意地面真相和WinRHIZO软件.
结论:
- 开发的Python算法为豆类根特征估计提供了一种简单,具有成本效益和准确的方法.
- 开源性质允许研究人员进行修改和调整.
- 这种工具可以通过民主化根图像分析,显著有利于植物科学研究.
更多相关视频
11:37RGB and Spectral Root Imaging for Plant Phenotyping and Physiological Research: Experimental Setup and Imaging Protocols
Published on: August 8, 2017
16.1K
08:25Using Flatbed Scanners to Collect High-resolution Time-lapsed Images of the Arabidopsis Root Gravitropic Response
Published on: January 25, 2014
12.3K
