核心提示:為了解决水稻抗倒錶型精准鑒定等重要科技瓶頸,華中農業大學作物遺傳改良國家重點實驗室作物錶型團隊研究人員研發一種基於深度學習的微型CT影像高通量處理科技,實現水稻莖稈3D性狀和抗倒性狀精准測定及智慧分析。
高通量微型CT水稻莖稈3D性狀數位化分析新技術
3月8日,華中農業大學作物遺傳改良國家重點實驗室作物錶型團隊題為A deep learning-integrated micro-CT image analysis pipeline for quantifying rice lodging resistance-related traits的研究論文以封面論文的形式刊發在Plant Communications。文章介紹了一種基於深度學習的高通量微型CT圖像處理科技,實現了水稻莖稈3D性狀和抗倒性狀無損快速測定及精准分析,為未來水稻遺傳改良提供了一種重要的水稻莖稈錶型精准鑒定新技術和新方法。
有史以來,水稻是我國最主要的糧食作物之一,倒伏是影響水稻產量和收割效率的主要問題之一。同時,水稻株型結構是水稻馴化的關鍵因素,也是限制水稻高產的主要因素,理想的水稻莖稈結構是提高水稻抗倒伏能力的關鍵。然而,傳統的水稻莖稈和抗倒錶型性狀測量方法具有破壞性、費時費力的特點,也無法選取和分析莖稈壁厚、莖稈面積、莖稈體積、分蘖角度等水稻莖稈內部3D性狀。囙此,急需一種高通量、精准的水稻莖稈和倒伏錶型量化分析科技。
為了解决這一瓶頸,華中農業大學作物錶型團隊基於先期工作中自主研發的高通量作物CT掃描系統,開發了一種基於深度學習的微型CT水稻莖稈3D影像自動分析方法,選取莖稈3D性狀包括長軸、短軸、壁厚、莖稈面積、分蘖角度、體積、表面積等24個錶型性狀。通過與人工量測數據比較,長軸、短軸和壁厚的R2值分別達到0.799、0.818和0.623,說明本科技具有較好的測量精度。且單株量測效率最高可達4.6分鐘/株,為水稻抗倒伏數位化評估提供了一種高效和準確的新途徑和新方法。
莖稈不同高度下抗倒效能分佈3D熱圖(顏色越紅表示抗倒性更好,顏色越藍表示抗倒性更差)
更有趣的是,本科技可重建出水稻莖稈抗倒伏性3D視覺化熱圖,反演莖稈不同高度下的抗倒效能分佈,通過該3D熱圖可精准定位莖稈較為脆弱和可能倒伏的位置。
研究人員總結道,本文研發了一種基於深度學習和微型CT成像的水稻莖稈3D錶型性狀無損快速選取和分析的新技術和新方法,有潜力應用於未來水稻抗倒伏遺傳育種等相關研究。且本科技可擴展應用於玉米、油菜、小麥、棉花等作物,具有良好的應用前景和市場推廣前景。
據瞭解,該校作物錶型團隊一直致力於作物錶型科技自主研發與應用,尤其在微型CT技術研發與農業應用上有一定的工作基礎。已成功研發應用於水稻分蘖斷層2D掃描和3D掃描的第一代X-CT,空間分辯率為0.5mm,主要應用於分蘖數量測及第二代微型X-CT,空間分辯率最高可達35微米,可選取更為精細的水稻分蘖大小,形態,分蘖角等性狀,且相關核心技術專利已於2020年實現轉化。本研究是作物錶型團隊在微型CT水稻錶型科技研究上的又一次突破,且有望在未來實現科技轉化。
原文連結:https://www.cell.com/plant-communications/fulltext/S2590-3462(21)00040-7