利用快速X射线荧光显微镜和计算机视觉从植物种子中快速获取离子组成和形态学数据-慧诺瑞德（北京）科技有限公司|叶绿素荧光|光合作用|植物表型

学术中心

全部分类

利用快速X射线荧光显微镜和计算机视觉从植物种子中快速获取离子组成和形态学数据

发布时间：

2025-12-12

来源：

作者：

植物种子是人类重要的食物来源之一，其形态和和有毒元素的浓度对种子产量、质量和人类健康有重要影响。目前，还没有一种有效的利用先进的计算机视觉技术自动提取种子表型特征的方法。为了解决这一差距，作者开发了一套高通量表型工作流程，最大限度地减少了初始数据准备阶段的手动输入，并实现了全自动、高质量的外部数据和单粒种子图像的整合，为种子表型自动分析提供了全面的工具。

作者采用x射线荧光显微镜(μ-XRF)作为种子库高通量、快速的表型鉴定的方法，并开发了基于计算机视觉的算法工作流程，以自动从单个种子中提取元素和形态数据。该工作流程能够从包含1163份拟南芥种质的全基因组关联研究(GWAS)中快速分割单个种子，并从μ-XRF图像中提取单个种子水平的元素和形态特征。

结果显示，分别鉴定出7个和10个与拟南芥种子形态和元素浓度相关的位点。为了评估该算法在不同场景下的适用性，作者对不同物种的种子图像进行了测试，包括水稻、小麦、玉米和大豆。测试结果一致显示为有效分割，证明本算法可适用于多种作物。另外，本研究算法框架与硬件无关，可以直接适应使用基于荧光、高光谱或微CT成像的新兴高通量种子筛选平台。

本研究开发的高通量、无损的植物种子自动表型鉴定方法可以有效地与GWAS结合使用，以识别与种子元素积累和形态发生相关的遗传位点和候选基因。本研究中鉴定的候选基因为进一步阐明控制A.thaliana种子与元素积累和分子机制奠定了基础，为作物种子表型分析提供了一套稳健的解决方案。

图1. µ-XRF成像工作流程

图2. 种子形态和元素表型分析的集成工作流程

图3. 1163个拟南芥相关区域的分割和编号

图4 基于机器学习和图像处理算法的种子掩模获取和分割

图5.分割算法在其他作物的验证

图6. 通过Pearson相关分析验证自动表型分析

图7. 多维特征相关性分析

图8. 性状相关位点和已知候选基因的染色体分布

表1. 在20个不同种子密度图像上的分割性能

来源

Y.-P. Zhu, B.A. McKenna, S. Fischer, P.M. Kopittke, D.E Salt, X.-Y. Huang,F.-J. Zhao, Z. Tang, P. Wang, Rapid acquisition of ionomic and morphological data from plant seeds through fast X-ray fluorescence microscopy and computer vision, Plant Phenomics, https://doi.org/10.1016/j.plaphe.2025.100138.

编辑

JAYz

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。

视频展示