品质至上,客户至上,您的满意就是我们的目标
技术文章
当前位置: 首页 > 技术文章
Videometer种子表型组学:多光谱图像分析在种子种质库管理中的应用
发表时间:2022-03-31 10:26:57点击:1267
来源:北京博普特科技有限公司
分享:
Videometer Lab4多光谱种子表型成像系统是丹麦理工大学与丹麦Videometer公司开发,是用于种子研究先进的多光谱表型成像设备,典型客户为ISTA国际种子检验协会、ESTA欧洲种子检验协会、John Innes Centre、LGC化学家集团、奥胡斯大学等等,利用该系统发表的文章已经超过300篇。
Videometer种子表型表型成像系统可测量种子如尺寸、颜色、形状等,间接测定种子参数如种子纯度、发芽百分比、发芽率、种子健康度、种子成熟度、中寿命等。种子活力综合种子活力是种子发芽和出苗率、幼苗生长的潜势、植株抗逆能力和生产潜力的总和(发芽和出苗期间的活性水平与行为),是种子品质的重要指标,具体包括吸涨后旺盛的代谢强度、出苗能力、抗逆性、发芽速度及同步性、幼苗发育与产量潜力。种子活力是植物的重要表型特征,传统检测方法包括低温测试、高温加速衰老测试、幼苗生长测定等。
该系统也可以对细菌、虫卵、真菌等进行高通量成像测量,进行病理学、毒理学或其它研究。对于拟南芥等冠层平展的植物,可以进行自动的叶片计数等。
Videometer多光谱图像分析在种子种质库管理中的应用
摘要:我们提出了一种多光谱种子表型分析方法,作为管理种质库种质的快速而强大的工具。使用多光谱视觉系统拍摄 20 种不同水稻品种(每个品种约 30 粒种子)的种子图像。 然后从图像中提取特征信息。 特征数据的多变量分析用于根据种质对种子表型进行分类。 正确分类的水稻种子比例为93%。 我们得出结论,多光谱图像分析可以在比较传入种子与现有种质、识别种子样本中的不同种子类型和/或检查再生种子是否与原始种子匹配方面发挥作用。
图1.Blob检测
使用VideometerLab 3.0版软件,将图像(即包含种子图像的培养皿)标记为具有背景(培养皿)和前景(种子)的区域(图 1(a))。然后使用典型判别分析 (CDA) 计算属于两个不同类别的像素光谱的协方差矩阵之间和内部,创建用于分割(识别图像中的种子)的评分图像(图 1(b)) ;图 1(c))。在分割之后,我们最终得到了 20 个种质的总共 598 个二元标记对象(BLOB),每个都包含一个单独的水稻种子(BLOB)(图 1(d))。
第一个规范函数
真正的IRGC登录号
图2.(a)前两个 CDA 函数的散点图,覆盖了种质的示例大米图像。框中显示的数字是国际水稻基因库收藏(IRGC)登录号。 (b)应用优化模型后得到的误差矩阵。沿对角线的阴影数字表示 BLOB(水稻种子)的数量被正确分配(预测类别 ¼ 真实类别)。其他数字显示 BLOB 的数量分配不正确。正确分类种子的总比例为93%。
从每个BLOB中提取的177个特征集合被放入一个矩阵 X∈R598x177:其中一些特征与水稻种子在不同波长下的反射值有关,一些是(线性)CDA 投影,用于区分和增强整个种子和形态的颜色差异。每个特征都通过对所有种质的成对测试进行测试,并且没有显示出分离能力的特征被移除。这将特征数量减少到 90。由于与其他特征的高度相关性,另外50个特征被移除(r>0.99;P <0.05),产生一个矩阵 X∈R598x40。
Matlabw Release 2014a (MathWorks, Natick, MA, USA) 用于建模,使用 k-最近邻 (k-NN) 分类器结合多类 CDA。使用交叉验证方案来验证模型,其中将数据分成 N 个相等的部分,并使用比例 (N 2 1)/N 的数据迭代地创建模型。该模型使用剩余的 1/N 数据进行验证。在迭代过程中,累积了所有 N 个测试部分的分类率的预测性能。对 k ∈[1, 30] 和 N∈[2, 50] 的每个组合进行分析。分类错误最少的k和N的最佳值分别为6和13,分类错误为 7%(图 2)。
北京博普特科技有限公司是丹麦Videometer系列产品中国区总代理,全面负责其系列产品在中国市场的推广、销售和售后服务。
相关阅读