Bildgebung und Analyse zur Quantifizierung der abiotischen Stressphänotypen von Mais (Zea mays)

Unsere Forschung konzentriert sich auf die Entwicklung und Anwendung von Hochdurchsatz-Phänotypisierungswerkzeugen für Pflanzen. Unser Ziel ist es, Messungen schnell, kostengünstig und ohne Absterben der Pflanzen durchzuführen. Jüngste Entwicklungen auf dem Gebiet der Pflanzenphänotypisierung haben die Bildanalyse auf verschiedene Arten von Kameras wie Satelliten und UAVs ausgeweitet und neue Techniken des maschinellen Lernens angewendet.

Zu den aktuellen experimentellen Herausforderungen gehören der große Umfang und der erhebliche Arbeitsaufwand, der erforderlich ist, um Messungen zu vielen Zeitpunkten, Umweltbehandlungen und Genotypen zu erfassen, um signifikante Fortschritte bei biologischen Fragen zu erzielen. Unser Protokoll bietet eine einfache Methode zur schnellen und flexiblen Erfassung und Analyse von Anlagenbildern, ohne dass teure Geräte erforderlich sind. Schalten Sie zunächst die Steckdosenleiste mit dem Schalter ein und drücken Sie die Taste, um den Monitor einzuschalten.

Schalten Sie den Schalter am Einplatinencomputer oder SBC-Netzkabel auf Ein.Stellen Sie die Kamera auf ein Stativ oder einen Tisch und versorgen Sie die Kamera über das Netzkabel oder die Batterien mit Strom. Schalten Sie die Kamera mit dem Netzschalter der Kamera ein. Verbinden Sie die Kamera mit dem mitgelieferten Datenübertragungskabel mit dem USB-Anschluss des SBC und mit der Kamera.

Lege als Nächstes ein Stück dunkles Klebeband auf den Stoff in Fotoqualität, auf dem der Topf platziert wird. Positionieren Sie nun den Topf auf dem markierten Klebeband. Bei Pflanzen, die in einer Ebene wachsen, wie Mais und Sorghum, positionieren Sie den weitesten Winkel der Pflanze in Richtung der Kamera.

Passen Sie die Farbkarte so an, dass sie mit dem Topf übereinstimmt, aber ohne Überlappung von der Pflanze getrennt ist. Klicken Sie auf die Schaltfläche Terminal, um das Terminal auf dem SBC zu öffnen. Geben Sie die Codezeile ein, um das Fenster für die Bildaufnahme zu öffnen.

Geben Sie dann den Namen des Bildes manuell ein oder scannen Sie einen Barcode oder QR-Code der Anlage mit einem Barcode-Scanner. Nachdem Sie das Bild aufgenommen haben, wählen Sie eine Option aus, um das Bild lokal oder auf einem bereitgestellten Server oder Cloud-Speicher zu speichern. Klicken Sie auf die Schaltfläche "Klicken Sie hier, um ein Bild aufzunehmen", um das Bild aufzunehmen.

Wenn Sie den lokalen Speicher ausgewählt haben, öffnen Sie den Ordner "Fotos" auf dem Desktop, um das Bild zu überprüfen. Wenn ein Server oder Cloud-Speicher verwendet wurde, öffnen Sie das Bild an diesem Speicherort. Nachdem Sie alle Bilder erfasst haben, verwenden Sie die bevorzugte Methode, z. B. einen USB-Speicher, einen Internetbrowser oder eine SSH-Übertragung, um alle Bilder vom SBC auf einen lokalen Computer oder Cloud-Speicher zu kopieren.

Laden Sie die erforderlichen Dateien auf einen lokalen Computer oder Server herunter. Installieren Sie plantcv über die Befehlszeile oder den Paketmanager. Öffnen Sie photo-studio-SV-notebook.

ipynb mit einem bevorzugten Code-Editor wie JupyterLab oder Visual Studio Code. Führen Sie jeden Codeblock aus und nehmen Sie die erforderlichen Änderungen basierend auf den im Code beschriebenen Parametern vor, um eine saubere Maske der Pflanze zu erhalten. Wenn Sie mit der Analyse des Beispielbildes zufrieden sind, öffnen Sie den Workflow.

py im Editor für bevorzugten Code. Workflow bearbeiten. py, um alle Parameteränderungen, die im photo-studio-SV-notebook vorgenommen wurden, zu berücksichtigen.

ipynb und speichern Sie die Datei. Öffnen Sie photo-studio-SV-config. json, um die Dateipfade zu aktualisieren.

Ändern Sie die Pfade zum Eingabeordner mit Pflanzenbildern und zum Ausgabeordner, in dem die verarbeiteten Bilder und Ergebnisse gespeichert werden. Öffnen Sie ein Terminal und aktivieren Sie plantcv mit dem Befehl conda activate plantcv und drücken Sie die Eingabetaste auf der Tastatur. Ändern Sie die angegebene Codezeile so, dass sie auf die aktualisierte photo-studio-SV-config verweist.

json-Datei. Geben Sie im Terminal den geänderten Code ein, und drücken Sie die Eingabetaste auf der Tastatur. Stellen Sie sicher, dass plantcv im Terminal aktiviert ist.

Führen Sie dann den Befehl aus, um results-photo-studio. json in CSV zu konvertieren, und aktualisieren Sie den Dateipfad entsprechend. Die Bildanalyse in plantcv segmentierte erfolgreich Maispflanzen aus dem Hintergrund mit Hilfe einer Zweikanal-Schwelle.

Die plantcv-Analyse lieferte 16 Einzelwertmerkmale, darunter Blattfläche, Höhe, Breite und kreisförmiger Farbtonmittelwert, wobei mehrwertige Merkmale als Histogramme dargestellt wurden. Blattfläche, -höhe, -breite und -farbton erklärten mehr als 50 % der Varianten aufgrund der Behandlung und sind damit wichtige Kennzahlen für die nachgelagerte Analyse. Die Pflanze mit der größten Blattfläche hatte den höchsten mittleren Farbton und war ein Genotyp B73, eine gut bewässerte, hitzegestresste Pflanze.

Die kleinste Blattfläche hatte auch den kleinsten mittleren Farbton und war eine Pflanze des Genotyps B73, die durch Trockenheit und Hitze gestresst war. Die Wasseraufbereitung beeinflusste die Blattfläche, die Höhe, die Breite und den kreisförmigen Farbton erheblich, während die Temperaturbehandlung nur die Höhe signifikant beeinflusste. Trockenstress reduzierte unter beiden Temperaturbedingungen die Blattfläche, die Pflanzenhöhe, die Pflanzenbreite und den kreisförmigen Mittelwert des Farbtons erheblich.

Die Verringerung des mittleren Farbtons aufgrund der Dürre war auf eine Verschiebung von grünen zu gelben Pixeln zurückzuführen. Hitzestress führte sowohl zu einer Vergilbung als auch zu einer Verdunkelung der grünen Farbe. Die mittels Bildanalyse gemessene Blattfläche korrelierte stark mit der pflanzlichen Biomasse, was die bildbasierte Phänotypisierungsmethode validiert.