Plant Phenomics | SAM在葡萄簇結構與果實特性綜合分析中的應用

葡萄簇結構和緊湊度是影響產量、品質和對病蟲害的敏感性的重要果實性狀。簇結構與簇緊湊度直接相關，簇緊湊度描述了漿果占據的體積與總簇體積之間的比率。集群結構決定了漿果在集群中的排列和自由空間的分布，集群結構復雜，難以定量測量，果軸分枝方式受漿果數量、大小、形狀、空間位置等因素的影響。雖然可以通過觀察聚類輪廓來識別聚類結構的某些特征，但更精確的分析需要對聚類內的單個漿果進行識別和空間定位。

2024年6月，Plant Phenomics在線發表了University of California Davis題為Segment Anything for Comprehensive Analysis of Grapevine Cluster Architecture and Berry Properties的研究論文。

該論文研究測量了SAM（Segment Anything Model）在分割葡萄果簇圖像中可見果實的準確性，重點考察了其在無需額外模型訓練或微調情況下的表現。探討了在圖像中預測隱藏果實的能力，并分析了拍攝角度對識別果實的影響。開發了新的定量方法，基于果實在果簇中的分布，描述果的結構特征，提出了新的指標來分析果簇的形態結構。最后評估了果簇結構和緊湊性特征在重復實驗中的一致性，檢驗了這些性狀的可重復性和穩定性。

圖1 用于生成和處理SAM掩模的流程總結

首先，測量SAM在識別果簇圖像中可見果實的準確性，這一部分的研究目標是評估SAM模型（圖1）在分割圖像中清晰可見的果實時的性能。研究使用了加州大學戴維斯分校的F1雜交種群，包括Cabernet Sauvignon和Riesling品種，這些品種在果簇結構上具有顯著差異。

圖2 對葡萄簇目標進行拍攝

研究中，每個植株選取5個代表性果簇進行成像，使用Canon EOS 70D相機配備24mm定焦鏡頭，設置固定的光圈和曝光時間以保證圖像質量。成像過程中，每個果簇至少從一個角度進行拍攝，部分果簇從四個角度（0°, 90°, 180°, 270°）拍攝（圖2），以評估果簇的復雜結構。圖像采集后，使用SAM進行處理。首先，定義了感興趣區域（ROI）以減少處理像素數量。然后，利用預訓練的ViT-H圖像編碼器進行掩碼預測。通過在ROI內分布的XY網格點作為提示，SAM能夠識別和分割圖像中的漿果。研究中測試了不同網格配置的效率，最終選擇了32×32的網格，因為它在計算效率和漿果檢測數量之間取得了平衡。

圖3 成像角度對聚類分析的影響

研究結果顯示，SAM在識別2D果簇圖像中的漿果方面表現出色，與人工識別的漿果數量的相關性達到0.96。盡管由于視線遮擋問題，圖像中的可見漿果計數通常低估了實際的果簇漿果數量，但研究表明這種差異可以通過線性回歸模型進行調整。此外，研究還強調了成像角度對漿果計數和果簇結構評估的重要性，發現不同角度的成像可以導致漿果計數變化約±50%（圖3）。

圖4 漿果位置沿著水平和垂直軸的累積分布

通過SAM生成的漿果掩碼，研究者能夠詳細分析果簇結構，包括漿果在果簇中的空間分布。利用漿果位置信息，研究者計算了基于漿果分布的復雜特征，比如果簇的累積分布函數和果簇形狀的定量描述（圖4）。這些分析有助于深入理解果簇結構的遺傳和環境影響，為葡萄園管理和育種提供科學依據。

總體而言，本研究成功展示了SAM在葡萄果簇和漿果屬性分析中的應用潛力，為未來在葡萄園條件下直接應用計算機視覺技術提供了新的可能性。通過這種方法，研究人員可以在不依賴于傳統訓練數據的情況下，快速準確地分析大量果簇圖像，為葡萄育種和栽培管理提供有力的工具。

論文鏈接：
https://doi.org/10.34133/plantphenomics.0202‍

——推薦閱讀——
LiDAR Is Effective in Characterizing Vine Growth and Detecting Associated Genetic Loci 
https://doi.org/10.34133/plantphenomics.0116
Plant Phenomics | 激光雷達能夠高效地描述葡萄的生長情況和檢測相關遺傳位點
Semi-supervised Counting of Grape Berries in the Field Based on Density Mutual Exclusion
https://doi.org/10.34133/plantphenomics.0115
Plant Phenomics | 武漢工程大學基于密度互斥的田間葡萄果實半監督計數

加入作者交流群
掃碼添加小編微信，拉您進入《植物表型組學》作者交流群，群內不定期開展作者分享會、專刊發布會等高質量活動。

添加小編微信，備注姓名+單位+PP，加入作者交流群

About Plant Phenomics
《植物表型組學》（Plant Phenomics）是由南京農業大學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。科睿唯安JCR2023影響因子為7.6，位于農藝學一區（1/125名），植物科學一區（13/265名），遙感一區（6/62名）。2023年中科院期刊分區位于農林科學大類一區。2020年入選中國科技期刊卓越行動計劃高起點新刊項目、2024年入選江蘇科技期刊卓越行動計劃領軍期刊項目。

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：章揚（南京農業大學）
編輯排版：王平、李芯蕊（南京農業大學）
審核：陳俐