Визуализация и анализ для количественного определения фенотипов абиотического стресса кукурузы (Zea mays)

Представлен метод недорогой визуализации растений для измерения фенотипов, а также передовые методы получения изображений и конвейер анализа изображений для количественной оценки признаков растений. Эти методы были применены для измерения фенотипов кукурузы (Zea mays) в условиях жары, засухи и комбинированного абиотического стресса.

Наши исследования направлены на разработку и применение высокопроизводительных инструментов фенотипирования растений. Наша цель – сделать замеры быстро, недорого и не убивая растения. Последние разработки в области фенотипирования растений расширили анализ изображений на различные типы камер, таких как спутники и беспилотные летательные аппараты, и применили новые методы машинного обучения.

Текущие экспериментальные проблемы включают в себя большой объем и значительные трудозатраты, необходимые для проведения измерений во многих временных точках, обработки окружающей среды и генотипов для достижения значительного прогресса в биологических вопросах. Наш протокол обеспечивает простой метод получения и анализа изображений растений с высокой скоростью и гибкостью без необходимости использования дорогостоящего оборудования. Для начала включите удлинитель с помощью переключателя и нажмите кнопку включения монитора.

Поверните переключатель на одноплатном компьютере или шнуре питания SBC в положение «Вкл.Поместите камеру на штатив или стол» и подайте питание на камеру через шнур питания или батарейки. Включите камеру с помощью кнопки питания камеры. Подключите камеру к USB-порту на SBC с помощью прилагаемого кабеля для передачи данных и к камере.

Затем поместите кусок ленты темного цвета на ткань фотографического качества в том месте, где будет размещен горшок. Теперь расположите горшок на отмеченной ленте. Для растений, растущих в плоскости, таких как кукуруза и сорго, расположите максимально широкий угол наклона растения в сторону камеры.

Отрегулируйте цветовую карту так, чтобы она находилась на одной линии с горшком, но отделена от растения без перекрытия. Нажмите кнопку «Терминал», чтобы открыть терминал на SBC. Введите строку кода, чтобы открыть окно для захвата изображения.

Затем введите название изображения вручную или отсканируйте штрих-код или QR-код завода с помощью сканера штрих-кодов. После того, как вы сделаете снимок, выберите вариант сохранения изображения локально или на подключенном сервере или в облачном хранилище. Нажмите кнопку «Нажмите здесь, чтобы сделать снимок», чтобы сделать снимок.

Если было выбрано локальное хранилище, откройте папку «Фото» на рабочем столе, чтобы просмотреть изображение. Если использовался сервер или облачное хранилище, откройте образ в этом месте. После захвата всех изображений используйте предпочтительный метод, такой как USB-накопитель, интернет-браузер или передача данных по SSH, чтобы скопировать все изображения с SBC на локальный компьютер или облачное хранилище.

Загрузите необходимые файлы на локальный компьютер или сервер. Установите plantcv с помощью командной строки или менеджера пакетов. Откройте фотостудию-SV-блокнот.

ipynb с помощью предпочитаемого редактора кода, такого как JupyterLab или Visual Studio Code. Запустите каждый блок кода, внося необходимые правки на основе параметров, изложенных в коде, чтобы получить чистую маску растения. Когда вы будете удовлетворены анализом образца изображения, откройте рабочий процесс.

py в предпочитаемом редакторе кода. Редактирование рабочего процесса. py, чтобы включить любые изменения параметров, сделанные в фото-студии-SV-блокноте.

ipynb и сохраните файл. Откройте photo-studio-SV-config. json для обновления путей к файлам.

Измените пути к входной папке, содержащей изображения растений, и выходной папке, где будут храниться обработанные изображения и результаты. Откройте терминал и активируйте plantcv с помощью команды conda activate plantcv и нажмите Enter на клавиатуре. Измените указанную строку кода так, чтобы она указывала на обновленный photo-studio-SV-config.

JSON. В терминале введите измененный код и нажмите Enter на клавиатуре. Убедитесь, что plantcv активирован в терминале.

Затем выполните команду для преобразования results-photo-studio. json в CSV, соответствующим образом обновив путь к файлу. Анализ изображений в plantcv успешно сегментировал растения кукурузы от фона с использованием двухканального порога.

Анализ plantcv показал 16 однозначных признаков, включая площадь листьев, высоту, ширину и среднее круговое значение оттенка с многозначными признаками, построенными в виде гистограмм. Площадь листа, высота, ширина и среднее значение оттенка по кругу объясняют более 50% вариантов из-за обработки, что делает их ключевыми показателями для последующего анализа. Растение с самой большой площадью листьев имело самый высокий средний оттенок и относилось к генотипу B73, хорошо поливаемому, испытывающему тепловой стресс.

Самая маленькая площадь листьев также имела наименьший средний оттенок и относилась к генотипу B73, засушливо-тепловому стрессу. Водоподготовка существенно влияет на площадь листьев, высоту, ширину и оттенок кругового среднего, в то время как температурная обработка лишь существенно влияет на высоту. Стресс от засухи значительно сократил площадь листьев, высоту растений, ширину растений и среднее значение круглых оттенков при обоих температурных условиях.

Уменьшение среднего оттенка из-за засухи произошло из-за сдвига от зеленых к желтым пикселям. Тепловой стресс вызвал как пожелтение, так и потемнение зеленого цвета. Площадь листьев, измеренная с помощью анализа изображений, сильно коррелировала с биомассой растений, что подтверждает метод фенотипирования на основе изображений.