基于轻型无人机和点云深度学习的大豆估产与倒伏判别


发布时间:

2025-05-20

来源:

作者:

背景:在当前气候变化背景下,如何通过调控根系来提高作物表现引起了广泛关注。然而,根系研究面临着一个重大挑战,即如何准确可视化根系系统,尤其是在自然环境中(如土壤中)生长的根系。科学家们常常采用琼脂或纸基试验,这些方法提供了非自然的生长介质,并且根系通常暴露在光照下。其他方法包括根视窗(rhizotrons)或X射线计算机断层扫描,但这些技术需要专业且昂贵的设备,对于受气候变化影响最大的发展中国家来说难以获取。另一种选择是挖掘根系,但这种方法耗时且几乎无法避免对根系造成一定程度的损伤。因此,开发新的、经济实惠且可靠的根系表型分析方法势在必行。

 

结果:本研究报道了一种基于Rootrainer的新型低成本根系表型分析系统。Rootrainer以类似根视窗(rhizotron)的方式倾斜放置,这种设置促进了根系在Rootrainer底部平面的生长。由于Rootrainer可以像书本一样打开,因此可以轻松观察根系的生长情况。这一新技术成功用于揭示不同时间点下多个生菜(L.sativa)品种在根系性状上的显著基因型变异。
 
结论:这种新型的Rootrainertron方法与现有的幼苗根系表型分析方法相比具有诸多优势。Rootrainer价格低廉,且易于从园艺中心获取,而根视窗(rhizotrons)则价格昂贵且只能从专业供应商处获得。Rootrainer允许根系在基质介质中生长,这相比琼脂和纸基试验具有显著优势。这种方法提供了一种经济实惠且实用的根系表型分析选择,使根系表型分析对研究人员来说更加易于获取和适用。

 

表1 研究中使用的生菜品种,展示了品种名称、登录号以及园艺类型

 

   图1 Rootrainer的设置示意图

(a)展开的Rootrainer;(b)将Rootrainer对折,并在每一行粘上一个楔形物(紫色),以补偿Rootrainer顶部比底部更宽的问题,确保倾斜角度一致。在单元格中填充基质,湿润基质并播种;(c)将Rootrainer排列在盒子中(每个盒子包含6行Rootrainer),并通过放置在木质支架(橙色)上将盒子倾斜至45度,它们被放置在补光灯下;(d)在每个固定的时间点,打开Rootrainer并观察根系。

 

 表2 植物生长过程中所经历的条件

  

 图2:总根长的测定

使用FIJI软件中的SmartRoot插件对根系图像进行分析。首先,将图像转换为RGB(红、绿、蓝)堆栈,并选择蓝色通道。然后,将图像反转并在SmartRoot中打开。设置比例尺,并逐根追踪每一条根系。将每根根系的长度提取到数据文件中,并将属于同一植株的所有根系长度相加,得到总根长。

  

图3 总叶面积的测定

(a)根据标尺设置图像比例尺;使用图像的绿色通道,并应用滤镜以平滑背景;(b)裁剪出一株植物的叶片进行分析;(c)对图像进行阈值处理;(d)根据阈值处理后的图像创建掩膜,去除任何小于1mm的颗粒;然后对掩膜图像进行总结,得到总面积。该分析在FIJI软件中完成,每个阶段对应的代码显示在图像的右侧。

  

图4 研究中部分根系在不同时间点的生长情况,DAG:发芽后天数。

  

图5 实验过程中选定的一行根蘖苗的质量变化,作为基质含水量的指示

 

  图6 播种时胚根的初始长度与5 DAG时的生根深度和5 DAG时的总根长

回归直线以黑色表示,具有皮尔逊系数(R)和p值;数据点根据生菜品种进行着色(见图例);DAG:发芽后天数。

  

图7 (a)各品种在发芽后5天、7天和9天(DAG)的平均根系深度

误差条表示±一个标准差,字母表示显著性分组;(b)品种间根系深度的成对比较,显示Bonferroni校正后的p值。

  

图8 (a)每个生菜品种在发芽后5,7,9,12和16天(DAG)的平均总根长。误差棒为±1个标准差;字母表示显著组;(b)品种间根系深度的成对比较,显示Bonferroni校正后的p值。

  

图9 (a)不同品种生菜11天的平均生长率(DAG5 ~ 16),均值用×表示,字母表示显著组;(b)品种间根系深度的成对比较,显示Bonferroni校正后的p值。

  

图10 各生菜品种根系性状的比较,通过行列进行可视化

排名越高分别表示根系更深、更长或生长更快。

  

图11 总根长与发芽后16天(DAG)总叶面积的关系

回归线以黑色显示,并标注了皮尔逊系数(R)和p值,数据点颜色表示生菜品种(见图例)。

 
来 源

Wharton C, Beacham A, Gifford ML, Monaghan J. Rootrainertrons: a novel root phenotyping method used to identify genotypic variation in lettuce rooting. Plant Methods. 2025;21(1):29. Published 2025 Mar 2.

 

编辑

郑静文

推荐新闻

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。