葡萄(Vitis vinifera)的簇紧密度因其对病害易感性的影响而成为一种重要性状，但视觉上对其评估依赖于人的主观判断。本文开发了一个图像分析管道，并使用它来量化一个分离的杂交酿酒葡萄群体2年的簇紧密度性状。

具有原始(A)，色彩校正(B)和分割的(C)群集图像的单个GE1025葡萄基因型的示例

从每个葡萄簇图像处理的各个形态学测量值的图形表示

首先，在收获葡萄后立即收集图像，根据颜色进行分割，并使用自定义脚本进行分析。然后，采用自动和常规的表型分析方法，并对每种方法进行比较。接着，建立偏最小二乘(PLS)模型，用图像测量对葡萄簇紧密度进行预测。结果发现4、9、12、16和17号染色体上的数量性状位点(QTL)在数年内均与常规表型性状相关，这表明图像衍生性状能够识别与簇形态和簇紧密性相关的基因座。在第11和17号染色体上观察到20-berry weight的QTL。此外，簇长度自动测量方法高度精准，与用手卡尺测量的结果相比，偏差小于10毫米(r = 0.95)。剩下的挑战是在基于水果色的群体中利用基于颜色的图像分割，带有相似颜色的葡萄簇图像会导致分割效果不佳。总的来说，本研究证明了基于图像的表型分析在量化葡萄簇紧密性和识别QTL方面的有效性，可以促进葡萄育种工作。

实际计算的葡萄簇紧密度值和由偏最小二乘(PLS)模型预测的簇紧密度值以及它们的回归线(r = 0.90)

当使用基于颜色的分割方法时，带有相似颜色的rachi和berries的葡萄簇图像会导致分割效果不佳

来源：

Underhill A , Hirsch C , and Clark M. Image-based Phenotyping Identifies Quantitative Trait Loci for Cluster Compactness in Grape. Journal of the American Society for Horticultural Science. https://doi.org/10.21273/JASHS04932-20.