平均粒重 (MGW) 是小麥育種和生理學中常用的測量參數(shù)之一。盡管近幾十年來，各種小麥籽粒分析（例如計數(shù)和確定大小、顏色或形狀特征）得到了發(fā)展，但由于自動圖像處理系統(tǒng)的存在，MGW 估計于使用少量圖像衍生指數(shù)；即主要是基于投影面積（Area）開發(fā)的線性或冪模型。在初步觀察到顆粒寬度在改進預測方面的潛力之后，本研究旨在探索更有效的指標，以提高基于圖像的 MGW 估計的精度。為此，處理了谷物的圖像存檔，該存檔取自為期 2 年的田間試驗，在兩種灌溉條件下進行了 3 次重復，包括 15 個品種混合處理（因此存檔由 180 幅圖像組成，包括超過72,000 粒）。
圖像分割輸出用于提取顆粒和擬合佳橢圓。A存檔中的一張圖片，包含 400 多粒小麥。例如，白框中的顆粒在圖中的下一部分進行處理。B 分辨率輸出增強；C 圖像分割的結果。兩種分辨率使用相同的閾值；D 將佳橢圓擬合到單個顆粒
可以觀察到，在 30 多個評估的顆粒尺寸和形狀指標中，與面積相比，顆粒寬度指標（即 Minor 和 MinFeret）以及其他 8 個經(jīng)驗指標與 MGW 的相關性高于面積。使用面積?×?圓度、周長?×?圓度和面積/周長指數(shù)獲得了的 MGW 預測。結果表明，（1）顆粒寬度和面積/周長比是優(yōu)勢預測指標結構的共同因素； (2)各優(yōu)勢指標與顆粒寬度的相關性高，而與其數(shù)學分量相關性較低。此外，優(yōu)勢指標的相對效率在 4 種環(huán)境條件下基本保持穩(wěn)定。終，使用選定的指標，開發(fā)并驗證了十個簡單的線性模型用于 MGW 預測，結果表明比當前基于面積的模型具有相對更高的精度。同時也證明了提高圖像分辨率對模型精度有顯著影響。
平均粒重 (MGW) 的主成分分析 (PCA) 和基本圖像衍生的粒度指標，即主要和 Feret（粒長指標）、次要和 Feret（粒寬指標）以及面積。顯然，顆粒寬度的一維指標比面積的二維指標更準確地反映了 MGW 的變化。
本研究的結果以及使用新的圖像衍生指數(shù)開發(fā)和驗證的簡單預測線性模型，有望提高基于圖像的 MGW 估計的精度，從而為小麥育種和生理評估提供幫助。
來源：Plant Methods.Wheat grain width: a clue for re-exploring visual indicators of grain weight.Abbas Haghshenas, Yahya Emam & Saeid Jafarizadeh
https://plantmethods.biomedcentral.com/articles/10.1186/s13007-022-00891-1
鄂公網(wǎng)安備42018502003245號 網(wǎng)站地圖
