Алгоритм для точного измерения морфологии стручков рапса

Рапс (Brassica napus L.) — важная масличная культура. Стручок рапса участвует в фотосинтезе, посылает сигналы развития созревающим семенам и служит защитной капсулой для них.

Высокоурожайные сорта характеризуются как большим количеством стручков, так и их оптимальной морфологией. Генотип и метод выращивания напрямую влияют на количество стручков, поэтому точное измерение их параметров критически важно для прогнозирования урожайности.

Традиционно параметры развития стручков — длина стручка (SL) и их количество (SN) — измеряли вручную, что было инвазивным, неточным и трудоёмким процессом. Методы 2D и 3D агрооптики позволяют обойти эти трудности, но имеют ограничения: 2D-методы менее надёжны и не дают полной пространственной информации, а настройка 3D-визуализации осложнена сложной структурой растений, и алгоритмы кластеризации часто не могут различить скелет растения и его органы.

Исследователи из Китая разработали новый алгоритм, который использует 3D-данные для неинвазивного фенотипирования. Результаты опубликованы в журнале Plant Phenomics.

«Мы хотели разработать высокопроизводительный метод для лучшего прогнозирования урожайности. Нашей целью было создать инструмент, который строит скелетную модель рапса, точно сегментирует стручки и собирает их морфологические данные», — объясняет профессор Хайян Сен, руководитель исследования.

Подход команды объединил два типа алгоритмов — алгоритм скелетизации и иерархической сегментации — для точного отделения стручков от всего растения с использованием 3D-данных, собранных лазерным сканером. Используя информацию о расстоянии, угле и направлении отдельных компонентов скелета, данные 3D-изображения преобразовывались в детальное представление растения в декартовой плоскости.

Алгоритм скелетизации с иерархической сегментацией (SHS) был протестирован на способность автоматически количественно определять объём стручка (SV), SL и SN у растений рапса, выращенных в теплицах и в полевых условиях.

«Наш алгоритм показал высокую точность при извлечении морфологических данных из стручков рапса. Его прогнозы для SN, общей SL и общего SV показали очень сильную и статистически значимую корреляцию с фактической урожайностью растения», — отмечает профессор Сен.

SHS также хорошо справился с оценкой сегментации стручков и извлечения фенотипических данных, показав высокие корреляции как для SN, так и для общей SL. Ещё одним ключевым открытием стало то, что SHS может различать растения рапса по архитектуре ветвления: растения с малым количеством ветвей метловидной формы (FBBS), растения с множеством ветвей метловидной формы (MBBS) и растения с множеством ветвей цилиндрической формы (MBCS). Алгоритм смог обнаружить статистически значимые различия между этими тремя типами.

Исследователи уверены, что благодаря высокой точности в оценке урожайности и фенотипическом анализе, их неинвазивный алгоритм SHS может обеспечить техническую поддержку для селекционных программ рапса по всему миру.