一种用于评估大豆幼苗耐盐性的高通量表型分析系统和方法
本发明涉及农业科学和精准表型分析领域,具体是一种用于评估大豆幼苗耐盐性的高通量表型分析系统和方法。
背景技术:
1、目前评估大豆耐盐性的方法严重依赖于破坏性采样技术,例如叶绿素提取和生长参数的手动测量,这些技术劳动强度大、耗时长,且容易出现人为错误。这些传统方法缺乏捕捉盐胁迫下动态生理响应的能力。现有的表型分析平台通常由于光照条件变化而导致色彩再现不一致,并且无法将三维生长分析与精确的叶片健康评估相结合。本发明通过同步多传感器成像系统和强大的图像处理流程克服了这些局限性。
技术实现思路
1、本发明的目的在于提供一种用于评估大豆幼苗耐盐性的高通量表型分析系统和方法,实现快速、大规模地筛选大豆种质的耐盐性,并每日监测动态胁迫响应。
2、为实现上述目的,本发明采取的技术方案如下:
3、一方面,本发明提供一种用于评估大豆幼苗耐盐性的高通量表型分析系统,其包括设置于温室内的自动化表型分析平台,该平台包括轨道式成像系统以及用于图像储存的计算机系统,所述轨道式成像系统包括图像传感阵列和电动龙门架,所述电动龙门架架设于种植床上方,所述图像传感阵列安装在电动龙门架上,用于采集高分辨率的植物生长图像。
4、进一步的,所述图像传感阵列包括一个rgb摄像头和一个深度感应摄像头。
5、进一步的,所述摄像头固定在离地面50厘米的高度,并且rgb摄像头采用分辨率为4800万像素的oak-1-max rgb摄像头,深度感应摄像头采用分辨率为1280×720的英特尔realsense d435深度摄像头。
6、进一步的,所述自动化表型分析平台还包括用于色彩校正的spyderchecker 24色校准卡,所述校准卡固定于种植床侧边位置,确保其处于成像视野内但避开植株生长区域,每次扫描时均能同步捕获校准卡数据以实现自动化色彩校正。
7、另一方面,本发明还提供一种用于评估大豆幼苗耐盐性的高通量表型分析方法,其包括如下步骤:
8、步骤1、自动化平台构建:构建如权利要求1中所述的自动化表型分析平台;
9、步骤2、盐胁迫处理与验证:在进行全面试验之前,通过小规模种植床验证平台的可靠性;
10、步骤3、标准化图像采集:采集图像,并将采集的图像数据含时间戳自动存储;
11、步骤4、图像预处理:对图像进行色彩校正,然后分割植株和提取叶片;
12、步骤5、形态性状提取:提取大豆的冠层高度、冠层面积和颜色特征,并通过计算得出大豆的冠层高度增长率grch、冠层面积增长率grca;
13、步骤6、颜色指数分析:通过计算叶色指数lci量化叶片黄化程度;
14、步骤7、动态性状建模:利用提取的冠层高度增长率grch、冠层面积增长率grca和叶色指数lci进行下游全基因组关联研究,以鉴定与大豆耐盐性相关的关键数量性状位点和候选基因,从而实现育种项目中的标记辅助选择。
15、进一步的,所述步骤2中,选用52个基因型大豆,采用标准培养方法,分别通过人工尺和自动化表型分析平台测量大豆冠层高度,若平台测量的冠层高度与人工测量的冠层高度之间存在的相关性r≥0.95,证明平台可靠验证通过,后续即应用于大规模水培盐处理实验的表型采集与分析。
16、进一步的,所述步骤3中,连续13天于每天下午2:00采集图像,每次扫描在15分钟内完成;并且每次采集图像前,摄像头先扫描spyderchecker 24色校准卡,自动校正rgb/深度感应摄像头的白平衡与色彩偏差(δe<2.0),确保成像过程中的一致性。
17、进一步的,所述步骤4包括:
18、(1)使用基于spyderchecker 24参考值的线性回归分析得出的色彩校正方程校准rgb图像,从而标准化颜色表示以供后续分析使用;
19、(2)使用mask r-cnn模型对单个大豆植株进行分割;该模型使用coco数据集预训练的权重进行初始化,并在684幅带注释的图像上进行微调(100轮,批次大小为2,map=平均值);
20、(3)使用u-net模型进一步分离叶片区域;该模型使用voc数据集预训练,并在448幅图像上进行训练(100轮,批次大小为2,miou=平均值),排除子叶等非叶片结构。
21、进一步的,所述步骤5中,首先,整合植物分割和种子注释的结果,获得每株植物的相应标签,然后,基于叶片分割结果提取形态和颜色特征;具体而言,冠层高度是指基于深度图像的植物最高点到地面的垂直距离,是植物生长状况的重要指标;将分割区域内像素总数计为叶片冠层面积,该面积反映了植物对盐胁迫的响应;最后,基于htp平台提取的13天表型性状,进行时间序列表型分析,进一步探究大豆耐盐性状,即冠层高度增长率(grch)、冠层面积增长率(grca)和叶色指数(lci),其中分别计算冠层高度和冠层面积随时间变化的斜率得到冠层高度增长率grch和冠层面积增长率grca,以反映盐处理下植物的生长活力和空间生长模式。
22、进一步的,所述步骤6中,对于色度指数lci,采用逐步回归模型选择最佳颜色指数组合或预测因子;叶色指数的回归方程如下:
23、lci=62.63-82.24×veg+8.98×ari+81.80×cmy-yellow
24、式中:veg为叶绿素密度的植被指数,ari为用于应激信号的花青素反射指数,cmy_yellow为萎黄病量化。
25、本发明的有益效果是:本发明能够快速、大规模地筛选大豆种质的耐盐性,并每日监测动态胁迫响应。同时,模块化设计允许通过重新训练分割模型来适应其他作物。
1.一种用于评估大豆幼苗耐盐性的高通量表型分析系统,其特征在于,包括设置于温室内的自动化表型分析平台,该平台包括轨道式成像系统以及用于图像储存的计算机系统,所述轨道式成像系统包括图像传感阵列和电动龙门架,所述电动龙门架架设于种植床上方,所述图像传感阵列安装在电动龙门架上,用于采集高分辨率的植物生长图像。
2.根据权利要求1所述的一种用于评估大豆幼苗耐盐性的高通量表型分析系统,其特征在于,所述图像传感阵列包括一个rgb摄像头和一个深度感应摄像头。
3.根据权利要求2所述的一种用于评估大豆幼苗耐盐性的高通量表型分析系统,其特征在于,所述摄像头固定在离地面50厘米的高度,并且rgb摄像头采用分辨率为4800万像素的oak-1-max rgb摄像头,深度感应摄像头采用分辨率为1280×720的英特尔realsensed435深度摄像头。
4.根据权利要求1所述的一种用于评估大豆幼苗耐盐性的高通量表型分析系统,其特征在于,所述自动化表型分析平台还包括用于色彩校正的spyderchecker 24色校准卡,所述校准卡固定于种植床侧边位置,确保其处于成像视野内但避开植株生长区域,每次扫描时均能同步捕获校准卡数据以实现自动化色彩校正。
5.一种用于评估大豆幼苗耐盐性的高通量表型分析方法,其特征在于,包括如下步骤:
6.根据权利要求5所述的一种用于评估大豆幼苗耐盐性的高通量表型分析方法,其特征在于,所述步骤2中,选用52个基因型大豆,采用标准培养方法,分别通过人工尺和自动化表型分析平台测量大豆冠层高度,若平台测量的冠层高度与人工测量的冠层高度之间存在的相关性r≥0.95,证明平台可靠验证通过,后续即应用于大规模水培盐处理实验的表型采集与分析。
7.根据权利要求5所述的一种用于评估大豆幼苗耐盐性的高通量表型分析方法,其特征在于,所述步骤3中,连续13天于每天下午2:00采集图像,每次扫描在15分钟内完成;并且每次采集图像前,摄像头先扫描spyderchecker 24色校准卡,自动校正rgb/深度感应摄像头的白平衡与色彩偏差。
8.根据权利要求5所述的一种用于评估大豆幼苗耐盐性的高通量表型分析方法,其特征在于,所述步骤4包括:
9.根据权利要求5所述的一种用于评估大豆幼苗耐盐性的高通量表型分析方法,其特征在于,所述步骤5中,冠层高度是指基于深度图像的植物最高点到地面的垂直距离,冠层面积为分割区域内像素总数,然后分别计算冠层高度和冠层面积随时间变化的斜率得到冠层高度增长率grch和冠层面积增长率grca,以反映盐处理下植物的生长活力和空间生长模式。
10.根据权利要求5所述的一种用于评估大豆幼苗耐盐性的高通量表型分析方法,其特征在于,所述步骤6中,对于色度指数lci,采用逐步回归模型选择最佳颜色指数组合或预测因子;叶色指数的回归方程如下:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com