Plant Phenomics | 改進的UNet和EnglightenGAN在根系原位分割與重建中的應用

根是植物吸收水分和養分的重要器官，對植物生長和生產力起著至關重要的作用。優良的根系發育也是優質高產作物的基礎。研究根系表型是探索作物生長發育、培育優良作物品種的重要依據，因此完整準確地獲取根表型信息在根系表型學研究中非常重要。根系原位研究方法可以在不破壞根系的情況下采集根系圖像，但是由于部分根系會受到土壤遮擋的影響，采集到圖像的結構完整性會受到破壞。因此確保根系原位識別的完整性和建立根系原位表型圖像的恢復方法仍有待研究。
 

2023年7月，Plant Phenomics在線發表了河北農業大學題為Application of Improved UNet and EnglightenGAN for Segmentation and Reconstruction of In Situ Roots的研究論文。
 

本研究首先連續110天采集了棉花的根部原位圖像數據，然后利用不同的語義分割方法對其根部原位圖像進行分割，并比較了不同方法間的優缺點，其次調整EnlightenGAN的參數權重進行訓練，生成更完整的重建根系圖像，最后在利用遷移學習增強了重建根圖像的分割，實現了根系原位圖像的完整重建與分割（圖1 流程圖）。
 

研究結果表明， 3種不同的模型在分割中的應用都有有點與缺點，而UNet相比較SegNet和DeeplabV3+來說，其對主根識別的效果更好。同時消融實驗結果表明，在結合網絡性能和圖像分割效率與準確度來看，改進的方法具有良好的表現（圖2），當利用EnlightenGAN重建根圖像時，經過200次的迭代，明確的重建根；經過1000次迭代時，將重建一個完整的根原位圖像（圖3）。
 

該研究以棉花的根系原位圖像為基礎，利用了多種圖像分割-重建分析方法，完成了根系原位完整圖像的恢復與分割，為根系的原位表型研究提供了新策略。
 

圖1研究流程圖
 

圖2網絡比較和消融實驗
 

圖3遷移學習與迭代根生成比較圖

論文鏈接：

‍https://doi.org/10.34133/plantphenomics.0066

——推薦閱讀——

Development and Validation of a Deep Learning Based Automated Minirhizotron Image Analysis Pipeline

https://doi.org/10.34133/2022/9758532

Plant Phenomics | 基于深度學習的微根管圖像自動化分析方法

3D U-Net Segmentation Improves Root System Reconstruction from 3D MRI Images in Automated and Manual Virtual Reality Work Flows

https://doi.org/10.34133/plantphenomics.0076

Plant Phenomics | 利用3D U-Net分割改進自動和手動虛擬現實工作流程中3D MRI圖像的根系重建

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、�？�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�？祁Ｎò睯CR2021影響因子為6.5，位于農藝學、植物科學、遙感一區。中科院農藝學、植物科學一區，遙感二區，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：嚴鑫（南京農業大學）
排版：張婕（上海交通大學）
審核：孔敏、王平