种子动态萌发表型分析算法的研究和软件实现
[目的]种子是植物研究中重要的对象之一,本研究旨在对关键种子萌发表型进行动态监测及量化分析,为了解不同植物生存、生长和繁衍提供表型依据.[方法]本研究以小麦(Triticum aestivum)为研究对象,利用监督式机器学习算法(如K近邻、支持向量机、随机森林),在不同颜色空间上对3种弱筋小麦品种的种子萌发图像序列进行前、背景对象训练及背景分割,然后通过构建自动化图像处理算法进行目标提取,再结合图论和二维骨架动态分析幼根和根尖点的位置变化,实现关键萌发性状的高通量数字化提取.[结果]本研究可获得大量人工难以计量的萌发性状,包括种子长、宽、面积、周长,幼根和幼芽长度及生长速率等.通过与人工统计数据的线性回归分析,关键动态性状如幼根长、根生长速率、芽长的决定系数R2值分别为0.922(n=188,P<0.001,RMSE=1.727)、0.719(n=191,P<0.001,RMSE=0.406)、0.897(n=115,P<0.001,RMSE=2.726).[结论]本研究提出的算法能有效获取种子萌发动态表型组,并可扩展至棉花(Gossypium barbadense)和油菜(Brassica napus),为遗传育种和植物研究提供表型分型依据和智能化解析技术.
种子萌发、动态表型分析、自动化图像处理、监督式机器学习、小麦
45
TP317.4(计算技术、计算机技术)
江苏省基础研究计划;中央高校基本科研业务费专项
2022-11-24(万方平台首次上网日期,不代表论文的发表时间)
共10页
1266-1275