植物的根系是全球生物圈的重要組成部分，其負責為植物生長覓取所必須的水分和養分資源。水分和養分的吸收能力往往是限制植物器官生長和產量形成的重要因素，而該能力的強弱又與根系的長度、直徑或分支數等參數直接相關。因此，對根系數據的采集和分析正變得愈發重要。
 

由于根系所處位置的特殊性，使得研究者對根系的直接目視測量存在一定的難度。為了避免測量工作對植物本身以及周圍環境的影響，研究者通常會采用常設設備（如微根管測量裝置等）的方式進行測量。在過去的科學實踐中，微根管測量法的有效性已得到證明，能夠在采集根系相關數據的同時降低對植株和環境因素的影響。然而，對于規模較大的微根管設施而言，隨著根深和時間的推移，最終能夠采集到上萬張乃至更多的圖像數據，人工分析費時費力，因此有必要采用自動化的方式進行數據分析；并且，根系周圍的土壤條件往往會隨深度變化，使得最終獲取的圖像具有不均勻的光照或顏色特征，給后續的自動化圖像分析帶來一定的挑戰。
 

近日，Plant Phenomics 在線發表了Forschungszentrum Jülich GmbH題為Development and Validation of a Deep Learning Based Automated Minirhizotron Image Analysis Pipeline的研究論文。
 

在該文章中，作者基于時下最新的技術和軟件，開發了一個通用的、自動化的微根管圖像分析方法（Figure 1）并進行了實際驗證。該方法主要由兩個模塊組成，適用于大規模的微根管圖像數據集：首先，基于少量圖像構建訓練集，使用RootPainter軟件完成圖像的分割和標注，使用標注后的圖像訓練深度學習根系分割模型，并基于此模型提取后續圖像中的根系對象；然后，采用RhizoVision Explorer軟件進行圖像后處理工作，從RootPainter軟件輸出的圖像分割結果中自動化量化分析與根系相關的數據（Figure 2）。在方法驗證中，作者手動標注了超過36, 500張圖像數據，并將其與該文所述自動化提取方法的輸出結果進行對比分析。結果表明，自動化方法分析的根長數據與人工分析有較高的相關性（r=0.9，Figure 3）；與人工分析相比，自動化分析節約了高達98.1%~99.6%的分析時長，大大提高了微根管圖像數據分析的效率。
 

Figure 1: Schematic overview of the workflow of the automated analysis pipeline starting with image acquisition in the minirhizotron facility.
 

Figure 2: Example for one image processed by the automated root analysis pipeline.
 

Figure 3: Correlation of automated and manual analyzed root length, obtained from 2017.

論文鏈接：

https://doi.org/10.34133/2022/9758‍532
 

——推薦閱讀——

Objective Phenotyping of Root System Architecture Using Image Augmentation and Machine Learning in Alfalfa (Medicago sativa L.)

https://doi.org/10.34133/2022/9879610

Plant Phenomics | 基于圖像增強和機器學習的苜蓿根系表型研究Complementary Phenotyping of Maize Root System Architecture by Root Pulling Force and X-Ray Imaging

https://doi.org/10.34133/2021/9859254

Plant Phenomics | 基于根提拉力和X射線成像的玉米根系結構表型研究

《植物表型組學》（Plant Phenomics）是由南京農業大學和美國科學促進會（AAAS）合作創辦的英文學術期刊，于2019年1月正式上線發行。采用開放獲取形式，刊載植物表型組學交叉學科熱點領域具有突破性科研進展的原創性研究論文、綜述、數據集和觀點。具體范圍涵蓋高通量表型分析的最新技術，基于圖像分析和機器學習的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農業實踐中的表型組學新應用，與植物表型相結合的分子生物學、植物生理學、統計學、作物模型和其他組學研究，表型組學相關的植物生物學等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數據庫收錄。2021年中科院期刊分區表影響因子5.706，位于農藝學、植物科學兩個小類一區，遙感小類二區，生物大類一區（Top期刊）。2020年入選中國科技期刊卓越行動計劃高起點新刊項目。
 

說明：本文由《植物表型組學》編輯部負責組稿。

中文內容僅供參考，一切內容以英文原版為準。

撰稿：王棟（實習）

編輯：張威（實習）

審核：孔敏、王平