Plant Phenomics | 經(jīng)濟(jì)實(shí)惠田間表型分析快速檢測(cè)幼苗敏感反應(yīng)

選擇性植物育種，或稱植物選擇或植物改良，是人類通過改變和創(chuàng)造新植物物種的過程。所選擇的特性可以包括對(duì)未來幾年可能出現(xiàn)的生物和非生物脅迫的抗性、早春發(fā)芽以在夏季混亂結(jié)束前收獲的能力、以及營養(yǎng)和環(huán)境價(jià)值。然而，培育一個(gè)新品種是一個(gè)漫長(zhǎng)的過程，可能需要長(zhǎng)達(dá)10年。為加快這一過程，有一種名為育種和預(yù)育種的方法，旨在對(duì)大量候選品種進(jìn)行快速測(cè)試，篩選出最有前景的品種。此類實(shí)驗(yàn)可以在受控條件下進(jìn)行，以模擬氣候情景或脅迫條件。在育種和預(yù)育種的背景下，成像技術(shù)和機(jī)器學(xué)習(xí)因其并行處理能力，可以顯著加速這些測(cè)試。植物育種的主要標(biāo)準(zhǔn)之一是抗病性，病原體會(huì)導(dǎo)致嚴(yán)重的產(chǎn)量損失，并促使大量使用農(nóng)藥。植物病理學(xué)是品種選擇的關(guān)鍵環(huán)節(jié)，旨在通過引入或保留抗性基因來提高生產(chǎn)出的植物品種的抗病能力。植物對(duì)病原體的敏感性和抗性反應(yīng)多種多樣，本文聚焦于高敏反應(yīng)。這種局部防御機(jī)制通過破壞感染部位的細(xì)胞，限制病原體向整株植物擴(kuò)散。

2024年7月，Plant Phenomics在線發(fā)表了法國LARIS等發(fā)表的題為Affordable Phenotyping at the Edge for High-Throughput Detection of Hypersensitive Reaction Involving Cotyledon Loss的研究論文。

本文探討了使用低成本深度成像傳感器來自動(dòng)化植物病理學(xué)測(cè)試。對(duì)辣椒品種的抗性測(cè)試在封閉的溫室中進(jìn)行，生長(zhǎng)環(huán)境初始保持無病原體，隨后引入待測(cè)的病原體（圖1）。研究了空間演變，以通過涉及子葉喪失的高敏反應(yīng)來區(qū)分植物抗性。通過高幀率和批量植物操作協(xié)議，彌補(bǔ)了深度相機(jī)低空間分辨率的不足。盡管植物密度較高，但當(dāng)子葉喪失發(fā)生時(shí)，仍然觀察到了深度的空間下降。

為了確認(rèn)所提取的特征在批量規(guī)模下有效檢測(cè)子葉丟失反應(yīng)的能力，進(jìn)行了統(tǒng)計(jì)測(cè)試（圖7）。為了測(cè)試特征的重要性，采用Kolmogorov-Smirnov檢驗(yàn)來測(cè)試特征的顯著性。研究表明，除了絕對(duì)振幅與高度信號(hào)和起始與體積信號(hào)的特征外，所有特征在5 %水平上都是顯著的。該測(cè)試展示了特征空間在批次尺度上檢測(cè)子葉缺失反應(yīng)的整體能力。

本研究引入了一個(gè)小型、簡(jiǎn)潔的時(shí)空特征空間，證明該特征空間包含足夠的信息，能夠以97%的準(zhǔn)確率自動(dòng)區(qū)分抗性植物（子葉喪失）和易感植物（子葉未喪失），且速度比人工注釋快30倍。該方法的穩(wěn)健性——包括批次中植物密度及可能存在的內(nèi)部批次不同步情況——在各種環(huán)境下對(duì)數(shù)百個(gè)辣椒品種進(jìn)行了成功評(píng)估。

圖1 左側(cè)為密封箱，內(nèi)部包含一臺(tái)微型計(jì)算機(jī)和一臺(tái)RGB-深度相機(jī)

圖7 抗性和易感植物批次特征的分布

關(guān)于該方法可推廣性的研究表明，該技術(shù)還可應(yīng)用于其他病原系統(tǒng)，甚至可用于區(qū)分混合抗性和易感性植物（即，抗性和易感性植物混合的中間狀態(tài)）。開發(fā)的成像系統(tǒng)結(jié)合特征提取方法和分類模型，提供了一個(gè)完整的流程，在吞吐量和成本效益上遠(yuǎn)超現(xiàn)有技術(shù)。該系統(tǒng)不僅可作為決策支持工具部署，還兼容獨(dú)立技術(shù)，能在邊緣設(shè)備上實(shí)時(shí)完成計(jì)算。

論文鏈接：
https://doi.org/10.34133/plantphenomics.0204

——推薦閱讀——
A multi-target regression method to predict element concentrations in tomato leaves using hyperspectral imaging 
‍https://doi.org/10.34133/plantphenomics.0146‍
Plant Phenomics | 東京大學(xué)利用高光譜圖像預(yù)測(cè)番茄葉片中元素含量的多目標(biāo)回歸方法
Rice Plant Counting, Locating and Sizing Method Base on High-throughput UAV RGB Images 
https://doi.org/10.34133/plantphenomics.0020

Plant Phenomics | 基于高通量無人機(jī)RGB圖像的水稻植株計(jì)數(shù)、定位和大小估計(jì)方法

加入作者交流群
掃碼添加小編微信，拉您進(jìn)入《植物表型組學(xué)》作者交流群，群內(nèi)不定期開展作者分享會(huì)、�？�發(fā)布會(huì)等高質(zhì)量活動(dòng)。

添加小編微信，備注姓名+單位+PP，加入作者交流群

說明：本文由《植物表型組學(xué)》編輯部負(fù)責(zé)組稿。
中文內(nèi)容僅供參考，一切內(nèi)容以英文原版為準(zhǔn)。
編輯排版：王平、張婕（上海交通大學(xué)）
審核：尹歡、孔敏