用于识别和评估叶片畸形的光学成像数据


发布时间:

2022-12-25

来源:

植物表型资讯

作者:

PhenoTrait

​在早期生长阶段,视觉上无法识别病理症状是农业种植园的一个主要限制。栅栏组织(PP)和海绵组织(SP)的厚度减少是叶片疾病早期最常见的症状之一,特别是在苹果和柿子中。为了可视化PP和SP厚度的变化,我们使用了基于光学相干断层扫描(OCT)的成像技术,并分析了获得的数据集,以确定使用基于强度的深度剖析算法预先识别和估计柿子和苹果叶片异常的阈值参数。该算法通过在深度剖析中应用一个阈值对健康、明显健康和受感染的叶片进行分类,来确定它们之间的形态学差异。定性和定量的结果显示,除了苹果和柿子叶片的疾病潜伏外,叶片形态也存在变化和异常。因此,这些数据集证实了OCT在非破坏性地识别疾病症状方面的意义,并为农业界提供了一个基准数据集供未来参考。

 

图1 叶片内部形态及其从健康状态到感染状态的逐渐变化示意图

 

图2 用于数据采集的光谱域光学相干层析成像(SD-OCT)系统示意图。CB:捕捉按钮;GS:检流计扫描器;L:透镜;LCD:液晶显示器。

 

图3 健康、明显健康和受感染的柿子和苹果叶的照片。(a–c)分别显示健康、明显健康和受感染的柿子叶;(d–f)分别显示健康、明显健康和受感染的苹果叶片。UE:上表皮,PP:栅栏状薄壁组织,SP:海绵状薄壁组织。

 

图4  测量柿子叶层厚度的算法。(a)用光学扫描仪进行叶片扫描的位置和具有不同层的柿子叶的二维截面图像。(b) 育肥后的二维横截面图像。(c) 单一叶片感兴趣区域(ROI)的深度剖面。 (d) 单一叶片四个ROI的深度剖面。 (e) 单一叶片四个ROI的平均深度剖面。 (f) 单一叶片四个ROI的曲线型深度剖面。UE:上表皮,PP:掌状实质,SP:海绵状实质。

 

图5 苹果叶层强度峰值的宽度和高度测量算法。(a) 具有不同层次的苹果叶的二维横截面图像。(b) 增肥后的二维横截面图像。(c)苹果叶三个感兴趣区域的深度剖面图 (d) 一片叶子的三个ROI的平均深度图。 (e) 叶层强度峰值的宽度和高度测量。UE:上表皮,PP:掌状实质层,SP:海绵状实质层。

 

图6  健康、明显健康和受感染的柿子和苹果叶的2D横截面图像。(a–c)分别为健康、明显健康和感染柿子叶的2D横截面图像。(d–f)分别为健康、明显健康和受感染的苹果叶片的2D横截面图像。UE:上表皮,PP:栅栏状薄壁组织,SP:海绵状薄壁组织。

 

图7 柿子和苹果叶层厚度。(a)健康、明显健康和感染柿子叶的层厚散点图。(b)柿叶层厚的比较。(c)健康、明显健康和受感染的苹果叶的层厚散点图。(b)苹果叶层厚的比较。

 

图8 健康、明显健康和受感染苹果叶片强度的上表皮(UE)、栅栏薄壁组织(PP)和海绵薄壁组织(SP)层峰值宽度和高度散点图。(a)健康、明显健康和受感染的苹果叶片的强度峰值高度/UE层峰值的归一化强度。(b)苹果叶片PP层峰值的强度高度。(c)苹果叶片SP峰值的强度高度。(d)健康、明显健康和受感染苹果叶片的UE层峰宽。(e)苹果叶的PP层峰值宽度。(f)苹果叶片SP层峰宽。

 

图9 健康、明显健康和受感染苹果叶片强度峰值的平均高度和宽度的比较。(a)健康、明显健康和受感染苹果叶片强度峰值高度的比较。(b)健康、明显健康和受感染苹果叶片强度峰值宽度的比较。

 

图10 健康、明显健康和受感染柿子叶的深度剖面图。(a–c)、(d–f)和(g–i)分别显示了健康、明显健康和感染柿子叶的深度分布。(a、d和g)、(b、e和h)和(c、f和i)分别显示了单个柿子叶的四个感兴趣区域(ROI)的深度分布、四个ROI的平均深度分布和四个ROI曲线拟合的深度分布。UE:上表皮,PP:栅栏状薄壁组织,SP:海绵状薄壁组织。

 

图11 健康、明显健康和受感染的苹果叶片的深度剖面。(a、b)、(c、d)和(e、f)分别显示了健康、明显健康和受感染的苹果叶片的深度分布。(a、c和e)分别来自单个健康、明显健康和受感染苹果叶片的三个感兴趣区域(ROI)的深度强度分布。(b、d和f)分别为健康、明显健康和受感染的苹果叶片的单个叶片的三个ROI的平均深度强度分布。UE:上表皮,PP:栅栏状薄壁组织,SP:海绵状薄壁组织。

 

来 源

Saleah S A, Wijesinghe R E, Lee S Y, et al. On-field optical imaging data for the pre-identification and estimation of leaf deformities[J]. Scientific Data, 2022, 9(1): 1-18.

 

编 辑

小王博士在努力

 

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。