自动量化叶面积和绿色度的低成本高通量表型系统


发布时间:

2022-12-23

来源:

植物表型资讯

作者:

PhenoTrait

随着现代基因测序技术的进步,植物表型已成为作物改良计划的一个重要瓶颈。传统上,研究人员通过手工测量表型性状来帮助确定基因型-表型关系,但手工测量可能费时且昂贵。最近,自动化表型分析系统增加了测量的空间和时间密度,但大多数这些系统都非常昂贵,需要专门的专业知识。在本文中,我们开发并验证了一个低成本、可扩展、高通量的表型分析(High-throughput phenotyping,HTP)系统如图1,用于自动测量叶面积和绿度。

在一个关于非生物胁迫对蔓菁(Brassica rapa)影响的温室实验中,我们用一个花费约1000美元的系统,在一个多月的时间里,每小时收集数百种植物的图像,如图2和图3。与人工获取的图像(单反(DSLR)拍照)相比,该HTP系统能够产生类似的叶面积、绿度、生长趋势和胁迫反应的估计。为了计算每个平台的平均叶面积,计算每个平台图像的剩余“绿色”像素的数量,然后除以该平台上的植物数量。值大于零的像素的平均绿色指数为每个图像的平均绿色度。两组图像之间叶面积有相关性(图4和图5),而绿度无相关性(图6和图7)。

这些发现突出了由低成本硬件和免费软件构建的HTP系统的潜力。未来的工作可以利用该系统来研究基因型-环境的相互作用以及非生物胁迫导致的形态学变化的遗传位点。

 

 图1 每个工作台上有两盏灯和两个GoPro相机(Canon 单反(DSLR))的比例图。(A)俯视图。(B)侧视图。

 

图2 示例代表了平台级图像分析的不同步骤。(A)实验结束时使用GoPro相机获得的原始图像之一。(B)校正相机鱼眼镜头造成的失真后的相同图像。(C)在自动裁剪平台周围后,图像表示相机图像每个像素的绿色指数。

 

 图3 在整个实验的不同时期为同一植物手动采集的DSLR图像的示例(顶部),以及表示在平台周围裁剪后,表示DSLR图像每个像素的绿色指数的图像(底部)

 

图4 图表描述对照和盐处理在HTP图像的叶面积(cm2)方面的差异,以及这些差异是如何在发芽后的几天内增加的。每个数据点代表23到36次测量的平均值(每个相机每个工作台5到9次测量)。误差条表示同一天图像中叶面积估计的标准偏差。

 

图5 图表描述了对照和盐处理在单反相机(DSLR)图像的叶面积(cm2)方面的差异,以及这些差异是如何在发芽后的几天内增加的。每个数据点代表102到141个测量值之间的平均值。误差条表示同一天图像中叶面积估计的标准偏差。

 

图6 对照和盐处理后的HTP图像的绿色变化随萌发天数的函数图。在这里,y轴被截断以表示图像处理后可能的绿色值范围。每个数据点代表23到36次测量的平均值(每个相机每个工作台5到9次测量)。误差条表示同一天图像的绿度估计的标准偏差。

 

图7 在对照和盐处理后,单反相机图像的绿色变化随萌发天数的变化。在这里,y轴被截断以表示图像处理后可能的绿色值范围。每个数据点代表102到141个测量值之间的平均值。误差条表示同一天图像的绿度估计的标准偏差。

 

来 源

Thrash, T., Lee, H., and Baker, R. L.. 2022. A low-cost high-throughput phenotyping system for automatically quantifying foliar area and greenness. Applications in Plant Sciences 10(6): e11502. https://doi.org/10.1002/aps3.11502

 

编 辑

王春颖

 

扩展阅读

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。