Imágenes y análisis para cuantificar los fenotipos de estrés abiótico del maíz (Zea mays)

Nuestra investigación se centra en el desarrollo y la aplicación de herramientas de fenotipado de plantas de alto rendimiento. Nuestro objetivo es realizar mediciones de forma rápida, asequible y sin matar las plantas. Los desarrollos recientes en el campo del fenotipado de plantas han ampliado el análisis de imágenes a diferentes tipos de cámaras, como satélites y vehículos aéreos no tripulados, y han aplicado nuevas técnicas en el aprendizaje automático.

Los desafíos experimentales actuales incluyen el gran alcance y la importante mano de obra requerida para capturar mediciones en muchos puntos de tiempo, tratamientos ambientales y genotipos para lograr un progreso significativo en cuestiones biológicas. Nuestro protocolo proporciona un método simple para capturar y analizar imágenes de la planta con velocidad y flexibilidad sin la necesidad de equipos costosos. Para comenzar, encienda la regleta con el interruptor y presione el botón para encender el monitor.

Gire el interruptor de la computadora de placa única o del cable de alimentación SBC a la posición On.Coloque la cámara en un trípode o mesa y proporcione energía a la cámara a través del cable de alimentación o las baterías. Encienda la cámara con el botón de encendido de la cámara. Conecte la cámara al puerto USB del SBC mediante el cable de transferencia de datos suministrado y a la cámara.

A continuación, coloque un trozo de cinta adhesiva de color oscuro sobre la tela de grado fotográfico donde se colocará la maceta. Ahora coloque la olla en la cinta marcada. En el caso de las plantas que crecen en un plano, como el maíz y el sorgo, coloque el ángulo más amplio de la planta hacia la cámara.

Ajuste la carta de colores para que esté en línea con la maceta, pero separada de la planta para que no se superponga. Haga clic en el botón Terminal para abrir el terminal en el SBC. Introduzca la línea de código para abrir la ventana de captura de imágenes.

A continuación, escriba el nombre de la imagen manualmente o escanee un código de barras o un código QR de la planta utilizando un escáner de código de barras. Después de tomar la fotografía, seleccione una opción para guardar la imagen localmente o en un servidor montado o almacenamiento en la nube. Haga clic en el botón "haga clic aquí para tomar una foto" para capturar la imagen.

Si se eligió el almacenamiento local, abra la carpeta Fotos en el escritorio para revisar la imagen. Si se utilizó un servidor o almacenamiento en la nube, abra la imagen en esa ubicación. Después de capturar todas las imágenes, use el método preferido, como el almacenamiento USB, un navegador de Internet o una transferencia SSH para copiar todas las imágenes del SBC a una computadora local o almacenamiento en la nube.

Descargue los archivos necesarios en un equipo o servidor local. Instale plantcv usando la línea de comandos o el administrador de paquetes. Abra photo-studio-SV-notebook.

ipynb mediante un editor de código preferido, como JupyterLab o Visual Studio Code. Ejecute cada bloque de código, realizando las ediciones necesarias en función de los parámetros descritos en el código para obtener una máscara limpia de la planta. Cuando esté satisfecho con el análisis de la imagen de muestra, abra el flujo de trabajo.

py en el editor de código preferido. Editar flujo de trabajo. py para incluir cualquier cambio de parámetros realizado en el photo-studio-SV-notebook.

ipynb y guarde el archivo. Abre photo-studio-SV-config. json para actualizar las rutas de acceso de los archivos.

Modifique las rutas a la carpeta de entrada que contiene las imágenes de la planta y la carpeta de salida donde se almacenarán las imágenes y los resultados procesados. Abra un terminal y active plantcv con el comando conda activate plantcv y presione Enter en el teclado. Cambie la línea de código especificada para que apunte a la configuración actualizada de photo-studio-SV.

Archivo JSON. En el terminal, escriba el código modificado y pulse Intro en el teclado. Asegúrese de que plantcv esté activado en el terminal.

A continuación, ejecute el comando para convertir results-photo-studio. json a csv, actualizando la ruta del archivo en consecuencia. El análisis de imágenes en plantcv segmentó con éxito las plantas de maíz desde el fondo utilizando un umbral de doble canal.

El análisis de plantcv proporcionó 16 rasgos de valor único, incluido el área de la hoja, la altura, el ancho y la media circular de tono con rasgos de valor múltiple trazados como histogramas. El área de la hoja, la altura, el ancho y el tono circular significan más del 50% de las variantes explicadas debido al tratamiento, lo que las convierte en métricas clave para el análisis posterior. La planta con la mayor área foliar tuvo el tono medio más alto y fue un genotipo B73, una planta bien regada y estresada por calor.

El área foliar más pequeña también tuvo la tonalidad media más pequeña y fue una planta de genotipo B73, estresada por sequía y calor. El tratamiento del agua afectó significativamente el área foliar, la altura, el ancho y la media circular del tono, mientras que el tratamiento con temperatura solo afectó significativamente la altura. El estrés por sequía redujo significativamente el área foliar, la altura de la planta, el ancho de la planta y la media circular del tono en ambas condiciones de temperatura.

La reducción del tono medio debido a la sequía se debió a un cambio de píxeles verdes a amarillos. El estrés por calor causó tanto el color amarillento como el oscurecimiento del color verde. El área foliar medida mediante análisis de imágenes se correlacionó fuertemente con la biomasa vegetal, validando el método de fenotipado basado en imágenes.