在深度学习驱动下,以图像为基础的种子加工效率的表型化在 sainfoin (Onobrychis viciifolia) 中

科学领域:

• 农业科学 农业科学
• 植物育种 植物育种
• 计算生物学 计算生物学

背景情况:

• 圣福因 (Onobrychis spp.) 是一种植物. 是一种传统的料豆类,具有作为多年粮食作物的新兴潜力.
• 有限的研究存在于繁殖sainfoin优越的谷物加工特征.

研究的目的:

• 为了评估五种sainfoin品种的脱皮和脱皮效率.
• 评估加工方法 (皮带研磨机,冲击除皮机) 和样本大小对加工效率的影响.
• 开发一种基于深度学习的表型化方法来评估sainfoin处理特征.

主要方法:

• 一个多因素实验测试了五种sainfoin品种,使用两种加工方法和五种样本大小.
• 一个更快的R-CNN对象检测模型被微调以量化处理结果.
• 功率分析确定了可靠检测效率差异的最小样本大小.

主要成果:

• 在加工效率 (PE) 中观察到显著的品种差异.
• 皮带割产生了更多完好无损的豆;冲击剥皮产生了更多的分裂种子.
• 至少需要2g的豆来检测0.25 PE差异与80%的功率.

结论:

• 赛因福的品种,加工方法和样本大小都会对谷物加工的结果产生重大影响.
• 深度学习的表型学与统计设计相结合,为育种计划提供了高效的评估.
• 严格的统计设计对于人工智能驱动的作物改进表型的可靠见解至关重要.