Spotibot:使用深度学习和移动计算对花上的Botrytis病变进行快速评分
Dan Jeric Arcega Rustia1, Maikel Zerdoner2,3, Manon Mensink4
1Greenhouse Horticulture and Flower Bulbs Business Unit, Wageningen Plant Research, Wageningen University & Research, 6708 PB, Wageningen, the Netherlands.
Plant phenomics (Washington, D.C.)
|December 19, 2025
概括
一个新的深度学习软件Spotibot准确地测量花上灰色菌 (Botrytis cinerea) 的病变. 该工具通过提供客观,快速和用户友好的表型,有助于培育抗病能力.
科学领域:
- 植物病理学和育种.
- 计算生物学和图像分析
背景情况:
- 花朵在收获后容易受到灰色菌 (Botrytis cinerea) 的感染,这会影响花的装饰价值.
- 中对菌的耐药性是定量性的,涉及多个基因,具有轻微的影响.
- 准确,快速的表型化对于育种选择和识别耐药基因至关重要.
研究的目的:
- 开发和验证基于深度学习的软件 (Spotibot),用于客观地表型化中的Botrytis耐药性.
- 评估Spotibot在区分的基因型中用于繁殖目的的实用性.
主要方法:
- 开发了一种深度学习算法,使用两种实例细分模型,采用粗细细分的细分方法.
- 模型1 (F1-score=0.99) 分段是花;模型2 (F1-score=0.96) 分段是虫病变.
- 使用Spotibot量化了花面积,病变面积,病变直径和病变与花的比率.
主要成果:
- 斯波蒂博特精确地检测和细分花和Botrytis病变.
- 来自Spotibot的客观数据显示,与人类评估的分数有很强的相关性.
- 与主观数据相比,对差异的分析显示,客观数据在基因型之间发现了更强的差异.
结论:
- Spotibot提供了一种快速,用户友好和客观的方法来分析花的图像,以选Botrytis耐药性.
- 这种工具有助于有效的育种选择和发现新型抗性或易受性基因对Botrytis.
