地下储藏作物（块茎和根），如木薯、甘薯、芋头、山药或马铃薯，是淀粉和其他碳水化合物的重要来源，不仅有助于全球粮食安全，而且还提供多样化和重要的副产品。根和匍匐茎形态和根系构型的遗传和表型表征是需要解决的最大挑战之一，为未来的育种、作物管理和产量提供知识基础。

近日，Plant Phenomics在线发表了Forschungszentrum Jülich GmbH等单位题为Assessing the Storage Root Development of Cassava with a New Analysis Tool的研究论文。

本研究开发了一种能够自动分析根部直径分布的方法，具体分为两大模块。第一个模块是Root Segmentation包含根茎（次根茎检测）、根系统架构（RSA 分割）和其他目标（如 QR 码标签）的语义分割过程。第二个模块Root Width Analysis对分割结果应用脊检测方法(ridge detection approach)，从而识别根中心并分析根系统架构的宽度分布。但是Root Width Analysis模块无法在不遮盖背景的情况下从原始 RGB图像数据中正确提取与根脊相关特征（Figure 1）。本研究以木薯根系为研究对象，根据其基因表达和直径将其分为不同的根类型：须根、过渡根、早期储存根和储存根，分别对应以下最大直径：类型Ⅰ：<2 mm；类型Ⅱ：2-6 mm；类型Ⅲ：6-20 mm；类型Ⅳ：>20 mm（Figure 2）。

Figure1 Flowchart of the image processing pipeline for a single image or video frame

Figure 2 OpenSimRoot models and real root systems

实验结果表明：使用迭代脊检测（iterative ridge detection）方法自动量化根直径分布，可以分析在根宽和根大量聚集方面表现出强烈变化的根系；该方法通过已知几何形状的虚拟根（OpenSimRoot软件模拟根系生长）模型进行了验证。随后对根系的时间序列进行测试（Figure 5），结果表明由于类型Ⅰ（须根）的图像分辨率差，其直径被严重低估。类型Ⅱ和类型Ⅲ的直径在每个生长阶段显示模拟参数和分析结果高度一致性。类型Ⅳ直径出现在第10周，但首次在第9周检测到，这对应于类型Ⅲ的直径在同一周被高估。

Figure 5 Validation with simulated time-series of root system growth for different diameter classes

本研究估计了木薯真实根直径分布的应用，在整个时间跨度中，类型Ⅰ持续下降，而类型Ⅱ先增加至第8周随后下降，类型Ⅲ急剧上升，类型Ⅳ没有检测到，但类型Ⅳ从第9周开始的箱线图中出现了一些异常值，可能是由于存在早期阶段的储存根（Figure 8）。总而言之，本文提出的自动分析根部直径的分布的方法，可以定性和定量地监测根系动态生长，能快速且稳健地分析复杂的根系，从而适用于高通量表型分析和未来育种。

Figure 8 Root class-specific growth dynamics of excavated root systems

论文链接：

https://doi.org/10.34133/2022/9767820

——推荐阅读——

Development and Validation of a Deep Learning Based Automated Minirhizotron Image Analysis Pipeline

https://doi.org/10.34133/2022/9758532

Plant Phenomics | 基于深度学习的微根管图像自动化分析方法

bjective Phenotyping of Root System Architecture Using Image Augmentation and Machine Learning in Alfalfa (Medicago sativa L.)

https://doi.org/10.34133/2022/9879610

Plant Phenomics | 基于图像增强和机器学习的苜蓿根系表型研究

加入作者交流群

扫码添加小编微信，拉您进入《植物表型组学》作者交流群，群内不定期开展作者分享会、专刊发布会等高质量活动。

添加小编微信，备注姓名+单位+PP，加入作者交流群

About Plant Phenomics