利用ParSketch-PLSDA方法分析植物育种的 海量光谱数据:向日葵基因型的鉴定


发布时间:

2021-09-30

来源:

本站

作者:

PhenoTrait

  随着规模化技术平台的不断开发以及环境传感器的不断迭代,以近红外光谱和高光谱成像为代表的植物性状高通量鉴定技术正在现代精准农业领域逐渐扩大应用。高光谱鉴定技术能够快速、无损地获得不同基因型植物表型的差异,实现新品种精准分类及有效缩短育种周期的目的。研究表明管理和分析大量的光谱数据已经成为表型分析的未来瓶颈。

 

  本文以鉴定向日葵的4种基因型(A、B、C、D)为目的,利用室内线扫描高光谱成像系统(HIS)获取28个叶片的反射光谱数据。通过背景和叶片在800nm处的反射率值和30%的阈值选择实现了效果较好的图像分割,并获取了130万多个光谱数据。利用约650000个光谱数据用于训练校正集,约14000个光谱数据用于验证测试集。研究人员在潜在变量数为16的前提下,利用ParSketch-PLSDA和偏最小二乘法判别分析(PLSDA)两种方法对获取的高光谱数据进行建模并比较预测模型的准确率。

 

  图1. (a)为向日葵叶片高光谱图像;(b)为基于阈值的掩模

 

  结果表明,由于ParSketch-PLSDA建立的模型具有兼顾海量光谱数据与整个数据集种类别变量之间非线性关系的能力,其总体召回率和精确率(分别为83%和87%)较PLSDA提高了近10%(PLSDA分别为76%和77%)。其中利用ParSketch-PLSDA建立的模型对基因型A和D的分类精确度最高,分别为96%和91%。

 

  图2. PLSDA的混淆矩阵

 

  图3. parSketch-PLSDA的混淆矩阵

 

  图4. 本研究技术路线及主要结果

 

  基于本研究在近距离植物表型鉴定上取得的进展,在未来展望中可以考虑利用ParSketch-PLSDA作为处理大量数据的方法应用于作物育种或与精准农业相关的其他领域。

 

  来源:Ryckewaert Maxime,Metz Maxime,Héran Daphné,George Pierre,Grèzes-Besset Bruno,Akbarinia Reza,Roger Jean-Michel,Bendoula Ryad. Massive spectral data analysis for plant breeding using parSketch-PLSDA method: Discrimination of sunflower genotypes[J]. Biosystems Engineering,2021,210:

 

  编辑:李红叶

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。