种质资源是作物育种的重要基础，作物种质遗传变异的评估一直是农业研究的重要课题。作物种质的遗传变异是由自然遗传漂变和人类主导的选择共同决定的，赋予作物适应不同环境条件的能力。

2023年11月，Plant Phenomics 在线发表了由西北农林科技大学联合中国农业大学合作完成的题为 A Pathway to Assess Genetic Variation of Wheat Germplasm by Multidimensional Traits with Digital Images 的研究论文。本文提出了一种新的途径，通过数字图像生成的小麦种子多维性状来评估种质遗传变异。

本研究首先建立了机器视觉平台，从小麦种子的全方位图像序列中重建小麦种质3D模型。然后，利用小麦种质3D模型进行多维性状分析，包括种子长度、宽度、厚度、表面积、体积、最大投影面积、圆度，以及2个新性状，分别为心形衍生面积和调整指数（J指数）。为评估小麦种质的遗传变异，采用提取的15份小麦种质的形态学性状，进行了表型变异系数（PCVs）技术、方差分析（ANOVA）、聚类和定义的遗传变异因子（GVF）计算。三维重建模型的相关系数（R）和均方根误差（RMSE）证明了测量精度。PCVs在所有性状中表现出多维性状的重要性，如种子体积（22.4%）、心形衍生面积（16.97%）和最大投影面积（14.67%）。方差分析显示所有种质之间存在高度显著差异。GVF的结果反映了从亲本到子代的基因型变异和表型性状之间的联系。

研究结果证实了基于图像的重建方法在测量小麦种子多维性状和评估遗传变异的可行性。未来的研究可以将基于图像的三维重建算法应用于其他作物和性状的遗传变异分析，并将其与基因分型研究相结合，以更好地服务农业育种。

图1 三维重建流程图。

图2 机器视觉平台。整个平台由5个部分组成：（1）吸取机构，（2）样品，（3）CCD相机，（4）环形灯和（5）真空泵。吸收机构由4部分组成：（6）步进电机，（7）连接轴，（8）空气管，（9）吸嘴。

图3 遗传变异评估图。

论文链接：

https://spj.science.org/doi/10.34133/plantphenomics.0119

——推荐阅读——

https://www.jianguoyun.com/p/Da7NYm4QpdmqDBi5vroFIAA

Plant Phenomics | 小麦表型文章合集

The dissection of Nitrogen response traits using drone phenotyping and dynamic phenotypic analysis to explore N responsiveness and associated genetic loci in wheat

https://spj.science.org/doi/10.34133/plantphenomics.0128

Plant Phenomics | 南京农业大学前沿交叉研究院周济团队基于低成本无人机的小麦氮素响应表型动态解析及其遗传位点挖掘

加入作者交流群