星空体育·(CHINA)官方网站-Ios/安卓/手机版app下载

027-87860098

基于深度学习的夜间高温水稻垩白高通量表型分析

2022/8/24
大米是世界一半以上人口的主要粮食作物。由于预计到2050年全球人口将达到97亿,因此需要增加优质大米的产量,以满足预期增加的需求。然而,全球环境变化,特别是气温上升,可能会影响粮食产量和质量。高温胁迫是稻米垩白比例增加的主要原因之一,这会影响稻米的品质,降低市场价值。研究人员已经确定了140个与垩白有关的数量性状位点,这些位点分布在水稻基因组的12条染色体上。然而,由于缺乏一种可靠、快速和高通量的表型工具来捕捉垩白,通过利用遗传学的先进技术获得的可用的遗传信息还没有得到充分的利用。为了从所取得的遗传进展中获得广泛的好处,需要促进稻米垩白度高通量表型的工具。

模型架构--主干CNN(例如,ResNet-101)被训练来将输入颗粒图像分类(调整大小)为白垩色或非白垩色。RESNET-101有四组主要的卷积层,分别表示为层1、层2、层3和层4,分别由3、4、23和3个瓶颈块组成。B每个瓶颈块以1×1卷积层开始和结束,中间有3×3层。每层中的过滤器数量显示在内核维度之后。C Grad-CAM使用白垩类别的梯度来计算卷积层中每个特征地图的权重。在推断时,使用REU激活转换的特征地图的加权平均值被用作当前图像的热图

作者使用了一种基于卷积神经网络(CNNS)和梯度加权类激活映射(Grad-CAM)的全自动方法来检测米粒图像中的垩白度。具体地说,作者训练CNN模型来区分白垩和非白垩颗粒,然后使用Grad-CAM来识别代表白垩颗粒的区域。Grad-CAM方法确定的区域采用平滑热图的形式,可以用来量化白垩度。使用标准实例分类和分割度量对精米和糙米进行的实验结果表明,Grad-CAM能够准确地识别出垩白粒,并检测出垩白区。

图像预处理。用于从原始扫描图像中裁剪单个水稻种子的步骤,每个种子大约有25-30个种子。五个步骤(一至五)。在说明在各个步骤中实现的操作的每幅图像下面描述了

作者成功地展示了基于Grad-CAM的工具能够准确捕捉夜间高温诱导的稻米垩白。培训过的模型将会公之于众。它们易于使用,可扩展,可以很容易地纳入正在进行的水稻育种计划,而不需要水稻研究人员需要计算机科学或机器学习专业知识。

来源:Plant Methods.Deep learning based high-throughput phenotyping of chalkiness in rice exposed to high night temperature.Chaoxin Wang, Doina Caragea, Nisarga Kodadinne Narayana, Nathan T. Hein, Raju Bheemanahalli, Impa M. Somayanda & S. V. Krishna Jagadish
https://plantmethods.biomedcentral.com/articles/10.1186/s13007-022-00839-5