高通量草莓表型性状自动化分析的现状和未来方向


发布时间:

2022-07-04

来源:

本站

作者:

PhenoTrait

  草莓育种者面临着繁殖者、种植者、零售商和消费者对特定农艺性状越来越多的要求。在选择过程中需要评估的植物数量使育种者不得不采用快速和定性的评级方法。自动评估这些性状的高通量系统可以指出哪些家族基因或单个基因型应该被挑出来做进一步的、更彻底的评估,从而显著提高选择的强度和准确性。

 

  基于图像的自动表型在作物表型中已被广泛接受,特别是在谷类作物中,但草莓行业的育种者使用的性状很少被自动化。在这一领域,早期表型评估在很大程度上仍然是定性的,因为手工表型过程是费力的,而且领域专家受到时间的限制。在机器人技术的推动下,精准农业在草莓行业中不断增加,开发定量的自动化表型方法对于确保育种项目保持经济竞争力至关重要。在本综述中,我们调查了与草莓育种相关的已经自动化的外部形态学性状,并评估了仍由人工评估的性状的自动化潜力,强调了所用方法的挑战和局限性,特别是在真实世界的环境条件下应用高通量草莓表型时。

 

  在研究中作者发现,与草莓表型相关的18个形态学性状中只有5个是自动化的,所有这些自动化性状都与果实或表型有关。评估外部性状的自动化潜力取决于是否要获取植物或其器官的整体、部分或细微部分。为实现这一目标,需要克服与实际农业条件下的表型有关的挑战。对于那些尚未进行高通量评价研究的性状,本研究也评估了其潜力和对育种重要性(图1)。在这两个类别中得分较高的性状是最容易有助于提高选择过程效率的候选性状,这些性状被确定为花序复杂性和花序长度。

 

  自动化将允许在草莓产业中以前所未有的水平收集具有农艺重要性的性状的定量表型数据。提供这样的自动化系统将使育种计划增加其选择强度,并解决目前由于领域专家的时间限制而存在的表型瓶颈,使育种者能够将更多的时间集中在最感兴趣的基因型上。因此,高通量表型有可能改变草莓育种的选择过程,为决策支持提供更丰富的信息。

 

  图1草莓形态性状的育种相对重要性及自动化潜力

 

  图2 机器视觉中的常见任务是分类、检测和分割,其中为图像、其部分或像素分配一个标签。这里对其中的每一项都进行了说明。(a) 分类不需要定位(即识别物体在图像中的位置),只需要指示图像中的物体属于一组类别中的哪一个;(b) 检测是分类和定位的结合,通过识别物体的边界框来定位被识别的物体;(c) 分割(在这种情况下,实例分割)比检测更进一步,每个物体的单个像素被分配类别。

 

  来源:James, K. M. F., Sargent, D. J., Whitehouse, A., & Cielniak, G. (2022). High‐throughput phenotyping for breeding targets—Current status and future directions of strawberry trait automation. Plants, People, Planet.

 

  编辑:婷婷

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。