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
种子表型组学:使用灰度共生矩阵和机器学习技术识别单倍体玉米种子
发表时间:2022-04-11 10:53:06点击:1431
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。
使用灰度共生矩阵和机器学习技术识别单倍体玉米种子
摘要:双单倍体(DH)技术在玉米育种中得到了有效的应用。该技术在时间和纯合度方面均优于传统玉米育种。 DH技术的重要过程之一是单倍体种子的选择。选择单倍体的最常用方法是 R1-nj(纳瓦霍)颜色标记。这种颜色标记出现在种子胚乳和胚胎中。仅选择胚乳有色种子并持续到发芽阶段。这种选择通常是手动完成的。单倍体种子选择的自动化将增加成功率并减少劳动力和时间。在这项研究中,我们使用了 87 个单倍体和 326 个二倍体玉米种子作为数据集。使用了玉米种子胚的质地特征。这些特征是从灰度共生矩阵中获得的。特征向量使用决策树、k-最近邻和人工神经网络进行分类。机器学习技术的分类性能通过使用 10 折交叉验证方法进行测试。测试结果表明,决策树的性能最好,分类成功率为84.48%。
关键词:玉米;单倍体识别;纹理特征;GLCM;决策树;kNN;ANN
在这项研究中,使用了为之前的工作创建的数据集。该数据集包括 413 粒玉米种子,共 87 个单倍体和 326 个二倍体。 所有样品均作为玉米研究所2016年“国家玉米育种研究”项目的一部分收获。所有样品均来自RWS、RWK-76和“RWSxRWK-76”母源单倍体诱导剂150个基因型的杂交结果。样品的选择在胚胎和胚乳中具有不同的R1-nj表达(浅深色,无密色)。 根据 R1-nj 颜色标记手动完成样本的类别标签分配。 图 1 给出了数据集中单倍体和二倍体玉米种子的样本图像。
图1.(I)单倍体和(II)二倍体玉米种子的样本图像
确定在对数据集中随机选择的80粒玉米种子进行的测量中,统计学上的35像素半径代表胚孔。图2显示了二倍体玉米种子样本的种子质心和特征提取区域。
图2.样品种子、种子的质心和分割的胚区
单倍体和二倍体玉米种子在结构上彼此不同。纹理特征经常用于解决许多不同的模式识别问题。在这项研究中,纹理特征用于分离单倍体和二倍体玉米种子。从数据集中,样品单倍体和二倍体玉米种子胚的图像已在图3中给出。
图3.(I)单倍体和(II)二倍体玉米种子的胚胎图像
总共使用了48个纹理特征来表示数据集中的每个图像。带有边缘直方图的数据集中样本的分布如图4所示。单倍体样本用蓝色强调,而二倍体样本用橙色突出显示。可以看出,单倍体和二倍体标本是交织在一起的。这意味着将解决具有挑战性的分类任务。
图4.考虑总共48个纹理特征的记录分布
相关阅读
Videometer种子表型组学:多光谱成像作为菠菜种子健康检测的潜在工具
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
Videometer种子表型组学:利用可见光、近红外多光谱和化学计量学对不同番茄种子品种的分类
Videometer种子表型组学:使用多光谱成像和化学计量学方法在线鉴别水稻种子
Videometer种子表型组学:使用多光谱成像预测蓖麻种子的活力
Videometer种子表型组学:甜菜种子加工损伤的多光谱图像分类
种子表型组学:利用多光谱成像和化学计量学方法对大豆种子进行无损鉴别