基于RGB成像和计算机视觉的方法来识别小麦的尖峰数位点
Lei Li1,2,3, Muhammad Adeel Hassan4,5, Duoxia Wang1
1State Key Laboratory of Crop Gene Resources and Breeding, Institute of Crop Sciences, National Wheat Improvement Centre, Chinese Academy of Agricultural Sciences (CAAS), Beijing, 100081, China.
Plant phenomics (Washington, D.C.)
|December 19, 2025
概括
开发高效的小麦计数方法对于育种至关重要. 一个新的YOLOX-P算法提高了检测尖峰数 (SN) 的准确性,并确定了小麦产量改善的新遗传位置.
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:
- 数 (SN) 是小麦谷物产量的关键决定因素.
- 手动SN计数是劳动密集型的,限制了大规模的育种计划.
- 准确和高效的SN量化对于推进小麦遗传学和育种至关重要.
研究的目的:
- 为了优化小麦尖峰检测模型的高通量表型化.
- 开发一个改进的YOLOX-P算法,以提高SN识别准确度.
- 为了确定与小麦SN相关的新型定量特征位点 (QTLs).
主要方法:
- 利用YOLOX算法评估小麦中SN检测的最佳生长阶段.
- 开发了一种增强的YOLOX-P算法,包括注意力模块和更高的图像分辨率.
- 在全基因组关联研究中使用了5000个SNP阵列,以确定SN位点.
- 为验证的位点开发了具有竞争力的基因基因特异性PCR标记物.
主要成果:
- 较晚的谷物填充阶段显示了最高的SN检测精度 (91.8-95.02%).
- 在精度和F1分数方面,YOLOX-P算法显著超过标准YOLOX算法.
- 确定了三个新的SN位点:QSN.caas-4A2,QSN.caas-4D和QSN.caas-5B2. 这三个位点是QSN.caas-4A2,QSN.caas-4D和QSN.caas-5B2.
- 在一个多样化的品种组中验证了两个位点 (QSN.caas-4A2和QSN.caas-5B2) 的遗传效应.
结论:
- 较晚的谷物填充阶段是自动小麦SN计数的最佳状态.
- YOLOX-P算法为高通量SN表型化提供了一个强大的工具.
- 已识别的SN位点为在小麦育种中使用标记器辅助的选择提供了有价值的目标.
- 这项研究促进了小麦产量潜力的有效遗传改进.
