欧亚国际

来源：植物表型组学

2020年5月2日，Plant Phenomics 刊发了由中国科学院遗传与发育生物学研究所和华中农业大学作物遗传改良国家重点实验室合作，题为Nondestructive 3D Image Analysis Pipeline to Extract Rice Grain Traits Using X-Ray Computed Tomography 的研究论文，本文介绍了一种基于CT成像的水稻3D谷粒性状无损测定及分析技术。

国是水稻生产和消费大国，随着水稻栽培技术的提高，我国粮食产量稳步上升。然而受气候变化、病虫害、人口增长等因素影响，我国的粮食产量仍难以满足未来人口增长需求。因此，快速筛选和培育高产优质抗病虫的水稻品种已成为科学家们共同追求的目标。稻穗作为直接影响水稻产量的较直接器官，其性状在产量评估、品种分类、水稻育种和栽培管理中具有重要作用，但传统的产量相关性状测量方法主要依靠人工，存在费时和误差大等缺点。目前，也有部分基于机器视觉的稻穗谷粒表型性状测量方法，主要包括两类：一类是以高通量数字化考种系统为代表，测量前需要先脱粒，然后获取二维谷粒图像进而提取谷粒性状；另一类方法不需要脱粒，但需要人工将稻穗平铺于扫描仪扫描成像，获取稻穗二维图像后再进行识别和提取性状。但上述两种方法都只能提取谷粒2D性状，无法提取和分析体积、粒厚等谷粒3D性状，也无法活体动态观测稻穗籽粒灌浆等生长发育情况。

Figure 1: Calculating grain size by the PCA transform.

本研究开发了一种基于X-ray CT的稻穗3D图像自动分析方法，并将其用于水稻谷粒3D性状提取和分析。利用自主研发高通量CT系统对1个野生型品种和8个经EMS诱变产生的突变体水稻品种共计104个稻穗进行扫描采集图像，得到三维重建后的稻穗3D图像。然后开发了一种基于X-ray CT的稻穗3D图像自动分析方法提取谷粒3D性状，包括谷粒数，粒长，粒宽，粒厚，谷粒体积等23个表型性状。通过与数字化水稻考种机测得的数据比较，发现粒数、粒长的R2值分别达到0.98和0.96。同时，通过分析谷粒总重量与所提取的性状之间的相关性，发现谷粒总体积与谷粒总重量具有较高的相关性，其R2值高达0.98，为水稻产量估计提供了新途径。

Figure 2: Visualization of the segmentation results of all panicles for a whole rice plant. Results of segmenting all the rice panicles in a rice plant by the proposed method. (a, c) Original images of the rice panicles from the side and top, respectively, and (b, d) the corresponding segmentation results.

较有趣的是，为了进一步验证该方法是否适用于整株水稻稻穗无损测量，我们对整株水稻稻穗分析效果进行了测试，结果表明该方法能较好的识别并分割出单个谷粒，为水稻稻穗无损动态发育研究提供了一种新技术和方法。且单个样本的CT数据采集、CT重建、3D稻穗图像分析以及谷粒性状提取总耗时约为2分钟。简而言之，与现有方法相比，本文研发了一种基于CT成像的无损、高通量（~2分钟/样本）的水稻谷粒3D表型性状识别的新技术方法，且有望应用于水稻稻穗动态发育以及水稻优质高产等研究，水稻功能基因组和水稻育种技术发展。

该研究得到国家重点研发计划、国家自然科学基金、高校基本科研业务费专项基金、湖北省研发创新平台建设项目资助。中国科学院遗传与发育生物学研究所胡伟娟博士为先进作者，中国科学院遗传与发育生物学研究所陈凡研究员和华中农业大学杨教授为共同通讯作者。

How to Cite this Article

Weijuan Hu, Can Zhang, Yuqiang Jiang, et al., “Nondestructive 3D Image Analysis Pipeline to Extract Rice Grain Traits Using X-Ray Computed Tomography,” Plant Phenomics, vol. 2020, Article ID 3414926, 12 pages, 2020.

http://doi.org/10.34133/2020/3414926.

——推荐阅读—— 

evalsuating and Mapping Grape Color Using Image-Based Phenotyping

Plant Phenomics | 使用基于图像的表型分析法评估和映射葡萄颜色

Hierarchical Canonical Correlation Analysis Reveals Phenotype, Genotype, and Geoclimate Associations in Plants

Plant Phenomics | 层次典型相关分析揭示了植物的表型、基因型和地理气候之间的关联

About Plant Phenomics

《植物表型组学》（Plant Phenomics）是由南京农业大学和美国科学会（AAAS）合作创办的英文学术期刊，于2019年1月正式上线发行，是Science合作出版的第二本期刊。采用开放获取形式，刊载植物表型组学交叉学科热点领域具有突破性科研进展的原创性研究论文、综述、数据集和观点。具体范围涵盖高通量表型分析的较新技术，基于图像分析和机器学习的表型分析研究，提取表型信息的新算法，作物栽培、植物育种和农业实践中的表型组学新应用，与植物表型相结合的分子生物学、植物生理学、统计学、作物模型和其他组学研究，表型组学相关的植物生物学等。期刊已被CABI、CNKI和DOAJ数据库收录。 

编辑：徐霏 （实习）、孔敏
审核：尹欢、陈文珠