Автоматическая оценка общей длины корней по изображениям без сегментации

Изменение климата ограничивает урожайность, при этом признаки корневой системы играют ключевую роль в устойчивости к стрессам. Это подчеркивает важность фенотипирования корней. Метод миниризотрона (MR) позволяет изучать динамику корней, но ручной анализ изображений субъективен и трудоемок.

В январе 2024 года в журнале Plant Phenomics была опубликована статья, представляющая новый подход. Исследователи адаптировали модели на основе сверточных нейронных сетей для оценки общей длины корней (TRL) по MR-изображениям без необходимости сегментации.

Были протестированы две модели:

• Регрессионная модель — напрямую оценивает длину.
• Детекционная модель — определяет аннотированные точки корней, что позволяет визуально проверять изображения.

Модели были протестированы на 4 015 изображениях различных культур в условиях абиотического стресса. Они продемонстрировали высокую точность (R² от 0.929 до 0.986) по сравнению с ручными измерениями.

Ключевые результаты:

• Детекционная модель в целом превзошла регрессионную, особенно на сложных наборах данных, благодаря использованию информации о координатах корней.
• Анализ чувствительности показал значительное влияние качества изображений на работу моделей.
• Модели эффективно различали изображения с корнями и без них.
• Метод успешно применялся для расчета плотности длины корней (RLD) и отслеживания динамики корней во времени, включая исчезновение корней.

Это исследование предлагает надежный автоматизированный инструмент для оценки TRL, что способствует развитию точного земледелия и позволяет принимать обоснованные решения по управлению водой и питательными веществами на основе детальной информации о росте корней.