基于RGB图像的豌豆叶片锈病表型解析方法


发布时间:

2023-09-26

来源:

本站

作者:

PhenoTrait

锈病是一种危害包括豌豆在内的重要作物的破坏性疾病,鉴定高抗性基因型仍然是一项挑战。准确测量大量种质资源的感染水平对于发现新的抗性来源至关重要。目前的评估方法依赖于在田间或受控条件下对疾病严重程度和感染类型的目视估计。虽然它们确定了一些抗性来源,但它们容易出错且耗时。一个图像分析系统证明是有用的,提供了一种易于使用和负担得起的方法来快速计数和测量豌豆样品上的锈病引起的脓疱。本研究旨在开发一种自动化图像分析管道,用于在受控条件下精确计算锈病进展参数,确保可靠的数据采集。

 

基于不同的分割指标和不同的图像分辨率,对600个有锈病症状的豌豆叶片进行了测试,并对该方法进行了优化和验证。该方法允许自动估计参数,如脓疱数,脓疱大小,叶面积和脓疱覆盖的百分比。它重建了每片叶子的时间序列数据,并将每日的估计值整合到疾病进展参数中,包括潜伏期(Latency Period,LP50)和相对病程曲线下面积(Area Under Disease Progress Curve,AUDPC)。使用视觉评分和基于图像的分析,在基因型之间观察到疾病反应的显著差异。在评估的分割指标中,归一化绿红差指数(Normalized Green Red Difference Index,NGRDI)被证明是最快的,在并行处理的62秒内以60%的分辨率分析了600张小叶。在全分辨率下,基于图像和视觉的脓疱计数之间的一致性相关系数超过0.98。虽然较低的分辨率略微降低了准确性,但大多数疾病进展参数的差异在统计上不显著,显著减少了处理时间和存储空间。NGRDI在所有时间点都是最优的,以最小的累积误差提供了高度准确的估计。

 

本文提出了一种基于图像的豌豆离体叶片锈病监测方法,采用RGB光谱指数分割和像素值阈值分割,提高了分辨率和精度。它可以快速分析数百张图像,其准确性与视觉方法相当,高于其他基于图像的方法。该方法评估了豌豆的锈病进展,消除了传统方法中由老鼠引起的误差。采用这种方法来评估大量的种质资源将提高我们对植物-病原体相互作用的理解,并有助于未来培育具有更高抗锈病能力的新型豌豆品种。

 

图1 用基于RGB的方法评价豌豆锈病的演变。(A)图片显示了三种不同基因型(GEN62、GEN56和GEN261)的代表性小叶在接种后3天(8、10和12天)的锈菌脓疱发育演变,涵盖了收集中检测到的广泛的易感性。图像上的白色斑点表示通过基于图像的分析方法检测到的铁锈脓疱。(B)线形图显示疾病严重程度(disease severity,DS)、脓疱大小(pustule size,PS)和感染频率(infection frequency,IF)随时间的进展,这些基因型用基于RGB的方法估计值。

 

图2 箱形图显示图像压缩对处理时间的影响,每个小叶的索引应用于从健康组织中分割脓疱。方框上方不同字母表示在n=600时,Tukey HSD检验估计的各图像分辨率指标间的统计差异p=0.05。

 

图3 箱形图显示了图像压缩对潜伏期LP50(Latency Period)、单循环病害率MDPr(Monocyclic Disease Progress rate)和相对病程曲线下面积AUDPC(Area Under Disease Progress Curve)上视觉计算和基于图像计算的精度比较的影响,通过精度(A)和RMSE (B)。根据n=600的Tukey HSD检验,方框上方的不同字母表示p=0.05的统计学显著差异。

 

图4 柱状图显示了当视觉方法和基于图像的方法在60%全分辨率的图像中研究的每个参数时,不同指标对精度(A)和RMSE (B)的影响。根据n=600的Tukey HSD检验,方框上方的不同字母表示p=0.05的统计学显著差异。

 

图5 柱状图显示了在60%分辨率下,视觉方法和基于图像的方法对每个参数的精度(A)和RMSE (B)的影响。根据n=600的Tukey HSD检验,方框上方的不同字母表示p=0.05的统计学显著差异。

 

图6 RGB存储图像示例。这张图片代表了一个典型的培养皿,里面有九个接种过的豌豆小叶和它们的标签。每行包含相同的基因型,柱是它们的生物复制。这个例子显示了基因型302,301和280在第8代。

 
来 源

Osuna-Caballero, S., Olivoto, T., Jiménez-Vaquero, M.A. et al. RGB image-based method for phenotyping rust disease progress in pea leaves using R. Plant Methods 19, 86 (2023). https://doi.org/10.1186/s13007-023-01069-z.

 

编辑

王春颖

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。