Ein Algorithmus zur genauen Quantifizierung der Morphologie der Rapsschoten

Raps oder Raps (Brassica napus L.) ist eine wichtige Kulturpflanze, die weltweit wegen ihrer ölreichen Samen angebaut wird. Die Rapsschote ist ein Organ, das eine Rolle bei der Photosynthese spielt, Entwicklungssignale an reifende Samen sendet und eine Kapsel bereitstellt, die die Samen beherbergt.

Hochertragsrapssorten haben sowohl eine hohe Anzahl als auch eine optimale Morphologie – die Form und Struktur – von Schoten. Rapsgenotyp und Anbaumethode haben dabei direkten Einfluss auf die Anzahl der Schoten, die eine Pflanze produziert. Daher ist die genaue Quantifizierung der Schotenentwicklungsparameter entscheidend für die Vorhersage des Ertrags und die Identifizierung ertragreicher Sorten.

Herkömmlicherweise wurden Schotenentwicklungsparameter – Schotenlänge (SL) und Schotenzahl (SN) – manuell quantifiziert, was den Prozess von Natur aus invasiv, ungenau und zeitaufwändig macht. Zweidimensionale (2D) und dreidimensionale (3D) Agrooptik konnten diese Schwierigkeiten umgehen, haben aber ihre Grenzen. 2D-Bildgebungsverfahren sind weniger robust und können keine vollständigen räumlichen Informationen sammeln.

Im Gegenteil, die Abstimmung der 3D-Bildgebungsparameter wird durch die Komplexität der Pflanzenstruktur mühsam, und die für die Phänotypisierung verwendeten Clustering-Algorithmen – der Prozess der Aufzeichnung der beobachtbaren Merkmale eines Organismus – können oft nicht zwischen Pflanzenskeletten und Pflanzenorganen unterscheiden. Jetzt haben Forscher in China einen neuen Algorithmus entwickelt, der 3D-Bilddaten verwendet, um eine nicht-invasive Phänotypisierung zu ermöglichen. Die Ergebnisse des Teams wurden kürzlich in veröffentlicht Pflanzenphänomik.

„Wir wollten eine Hochdurchsatzmethode entwickeln, die den Ertrag besser vorhersagt. Unser Ziel war es, ein Werkzeug zu entwickeln, das ein Skelettmodell von Raps, genau segmentierte Schoten liefert und morphologische Daten von Schoten sammelt“, erklärt das Team von Professor Haiyan Cen leitender und aktueller Prodekan am College of Biosystems Engineering and Food Science der Zhejiang University.

Der Ansatz des Teams bestand darin, zwei Arten von Algorithmen zu kombinieren – einen Skelettierungsalgorithmus und einen hierarchischen Segmentierungsalgorithmus – um die Schoten mithilfe von 3D-Bilddaten, die von einem Laserscanner erfasst wurden, genau von der gesamten Pflanze zu trennen. Durch die Einbeziehung von Abstands-, Winkel- und Richtungsinformationen der einzelnen Bestandteile des Skeletts wurde aus den 3D-Bilddaten eine detaillierte Darstellung der Pflanze in einer kartesischen Ebene erstellt.

Der Algorithmus der Skelettierung mit hierarchischer Segmentierung (SHS) wurde auf seine Fähigkeit getestet, das Schotenvolumen (SV), SL und SN von Rapspflanzen, die in Gewächshäusern und im Freiland angebaut wurden, automatisch zu quantifizieren.

„Unser Algorithmus lieferte ein hohes Maß an Genauigkeit bei der Extraktion morphologischer Daten aus Rapsschoten. Seine Vorhersagen für SN, Gesamt-SL und Gesamt-SV zeigten sehr starke und statistisch signifikante Korrelationen mit dem tatsächlichen Ertrag der Pflanze“, sagt Prof. Cen, wann Ausarbeitung der Schlüsselfähigkeiten des neuen Algorithmus des Teams.

Der SHS schnitt auch bei der Schätzung der Schotensegmentierung und der phänotypischen Extraktion gut ab, wobei sowohl für SN als auch für Gesamt-SL hohe Korrelationen erzielt wurden. Ein weiteres wichtiges Ergebnis war, dass die SHS sogar zwischen Rapspflanzen basierend auf ihrer Verzweigungsarchitektur in Pflanzen mit weniger verzweigter Besenform (FBBS), Pflanzen mit mehrverzweigter Besenform (MBBS) und Pflanzen mit mehrverzweigter Zylinderform (MBCS) unterscheiden konnte. Auch hier konnte die SHS statistisch signifikante Unterschiede zwischen den drei Arten von Verzweigungsmustern feststellen.

Prof. Cen und ihr Team sind gespannt auf die zukünftige Richtung ihrer Forschung. Sie glauben, dass ihr nicht-invasives SHS aufgrund seiner hohen Genauigkeit bei der Ertragsschätzung und Phänotypanalyse das Potenzial hat, Rapszüchtungsbetriebe auf der ganzen Welt technisch zu unterstützen.