使用机器学习技术监测小麦叶的严重程度
Tayebeh Bakhshi1, Rahim Mehrabi2, Mostafa Aghaee Sarbarzeh3
1Department of Crop Biotechnology and Breeding, Faculty of Agriculture, Ferdowsi University of Mashhad, P.O. Box 891779489974, Mashhad, Iran.
Scientific reports
|November 29, 2025
概括
在伊朗的基因型中,小麦叶的抗性各不相同. 一些小麦品种对所有测试的Puccinia triticina分离物具有强烈的耐药性,有助于疾病管理策略.
科学领域:
- 植物病理学 植物病理学
- 农业学是一种农业学.
- 遗传学 遗传学 是一个
背景情况:
- 小麦叶生 (Puccinia triticina) 导致全球产量大幅下降.
- 了解区域病原体的毒性对于有效的小麦育种至关重要.
研究的目的:
- 为了评估伊朗叶子生分离的病原性因素.
- 识别耐药小麦基因型和表征耐药性基因.
主要方法:
- 评估了49种 durum 和面包小麦基因型的感染类型,与9种叶子生分离物相比.
- 在已知耐药基因 (Lr34,Lr37,Lr19) 的差异性基因型上确定了毒性/毒性模式.
- 利用机器学习算法 (XGBoost,MARS,GP) 来模拟疾病对产量特征的影响.
主要成果:
- 观察到小麦基因型对隔离物反应的显著差异.
- 几种基因型 (例如,PS. No4,Shabrang) 对所有分离物体都表现出耐药性.
- 所有的分离物在Lr34和Lr37上都具有毒性,但在Lr19上却具有毒性.
结论:
- 确定了具有宝贵苗木耐药基因的特定小麦基因型.
- 在伊朗的Puccinia triticina分离物的特征性毒性概况.
- 机器学习模型准确地预测了因疾病严重程度而导致的产量损失.


