Plant Phenomics | 結合高分辨率影像、深度學習和動態建模分離小麥冠層的疾病和衰老

在開花期后保持足夠的健康綠葉面積是確保籽粒灌漿所需的充分同化物供應的關鍵。在田間條件下，與生育期有關的生理性衰老和各種生物和非生物脅迫因素的嚴格調控，推動了整體綠度衰減的動態變化。除了在葉片損傷方面對綠葉面積的直接影響外，脅迫因素往往會提前或加速生理衰老，這可能會增加其對籽粒灌漿的負面影響。
 

2023年4月，Plant Phenomics在線發表了ETH Zurich等單位題為Combining high-resolution imaging, deep learning, and dynamic modelling to separate disease and senescence in wheat canopies的研究論文。
 

本研究提出了一種圖像處理方法，該方法基于植被的顏色特性和語義分割的深度學習模型，能夠分別監測穗和芽（莖+葉）的黃化和壞死。利用圖像合成和生成對抗神經網絡生成的半合成訓練數據訓練植被分割模型，大大降低了標注的不確定性風險和標注工作量。將這些模型應用于圖像時間序列，揭示了綠度衰減的時間模式以及黃化和壞死的相對貢獻。
 

圖4 使用單獨的植被分割和穗部分割模型對17個測量日期中的8個隨機選擇的圖像的推斷結果。

器官水平植被覆蓋和植被狀態分數的時間序列圖進一步說明了圖像分割的高質量。在全球和器官尺度上，植被覆蓋和植被狀態都遵循平滑的時間趨勢，在所有試驗區都是相似的，這可以很好地解釋(圖6)。灌漿期各樣地植被覆蓋度總體呈減少趨勢，穗部覆蓋度呈增加趨勢。因此，莖蓋度(即無穗植被蓋度)呈現出強烈的下降趨勢，在花后大約10 d就開始下降(圖6)，因此比最早基因型中目測到的冠層衰老開始時間早了大約兩周。所有提取性狀的平滑時間趨勢清楚地表明，無論光照條件、基因型、處理或作物生長階段如何，分割模型都具有穩定的性能。
 

圖6代表植被的不同組成部分，即全植被、麥穗和無麥穗植被(即葉+莖=莖)及其在抽穗時(2022年5月25日[219 DAS, GS 55])和生理成熟時(2022年7月7日[262 DAS, GS 91])第一次測量之間隨時間演變的圖像比例。

本研究使用深度學習模型進行圖像分割，隨后進行基于顏色的分類和動態建模，促進了對植物穗和芽的生理狀態進行時間序列監測。將這些方法應用于圖像時間序列，可以精確地再現視覺觀察到的綠度衰減動態，并揭示出不同區域的綠度衰減和黃化的對比時間模式，顯示葉面疾病的不同感染程度。觀察到的模式與黃化作為生理衰老的表型標志的解釋很好地一致，這表明在受疾病影響的植被成分中，單獨分析黃化和壞死植被部分可能有助于分離葉面疾病和生理衰老對總體綠度動態的影響。因此，本研究開發的方法在田間條件下對作物對生物脅迫的反應進行高通量評估方面具有重大潛力。

論文鏈接：

https://doi.org/10.34133/plantphenomics.0053

——推薦閱讀——

Self-Supervised Plant Phenotyping by Combining Domain Adaptation with 3D Plant Model Simulations: Application to Wheat Leaf Counting at Seedling Stage

https://doi.org/10.34133/plantphenomics.0041

Plant Phenomics | 虛擬圖像“以假亂真”，無需人工標注，自監督創建小麥表型算法

Benchmarking Self-Supervised Contrastive Learning Methods for Image-Based Plant Phenotypinghttps://doi.org/10.34133/plantphenomics.0037

Plant Phenomics | 基于圖像的植物表型自監督對比學習方法的基準測試

加入作者交流群

掃碼添加小編微信，拉您進入《植物表型組學》作者交流群，群內不定期開展作者分享會、專刊發布會等高質量活動。

添加小編微信，備注姓名+單位+PP，加入作者交流群

《植物表型組學》（Plant Phenomics）是由南京農業大學和美國科學促進會（AAAS）合作創辦的英文學術期刊，于2019年1月正式上線發行。采用開放獲取形式，刊載植物表型組學交叉學科熱點領域具有突破性科研進展的原創性研究論文、綜述、數據集和觀點。具體范圍涵蓋高通量表型分析的最新技術，基于圖像分析和機器學習的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農業實踐中的表型組學新應用，與植物表型相結合的分子生物學、植物生理學、統計學、作物模型和其他組學研究，表型組學相關的植物生物學等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數據庫收錄。科睿唯安JCR2021影響因子為6.5，位于農藝學、植物科學、遙感一區。中科院農藝學、植物科學一區，遙感二區，生物大類一區（TOP期刊）。2020年入選中國科技期刊卓越行動計劃高起點新刊項目。

說明：本文由《植物表型組學》編輯部負責組稿。

中文內容僅供參考，一切內容以英文原版為準。

審核：孔敏、王平