【教程】如何高效提取番茄果实的形态表型特征？（果纵径、果横径等）

番茄（Solanum lycopersicum）别名西红柿，是茄科番茄属一年生或多年生草本植物。番茄果实的表型特征极为丰富，包括大小、形状、颜色、表面纹理、成熟度等多个方面。育种工作中果实形状是重要的农艺性状，番茄作为以鲜果为食用器官的蔬菜作物，其果形、果色更是重要的商品性状。基于人工观察的传统测量方法限制了番茄果实形态的植物表型数据收集，如何高效地提取番茄表型对于基础研究和应用研究都具有重要意义。

本教程旨在指导如何高效地提取番茄果实的表型特征，以便快速进行科学研究、品种鉴定或品质评估。

工具/材料

① 一块背景布(黑色或蓝色)和一个白板(5cm*5cm)、成像设备(数码相机、手机、无人机、扫描仪、单反相机等均可)、需要分析的样本

②PhenoAI分析系统

方法/步骤

步骤一：将样本和白板放置背景布上，并用成像设备进行拍照

步骤二：打开PhenoAI分析系统，点击【选择图片】或【选择文件夹】，提取需要分析的图片，点击【运行】即可

*分析结果自动弹出(各作物的轮廓标记图及数据汇总表)

结论

根据PA自动标记的样品编号，可直接获取形态指标果纵径、果横径及L/W Ratio(长宽比)等相关数据表格，通过果形指数我们能获取番茄样本的形状特征、品种特性以及生长环境对其的影响，为番茄的分级、包装和科研提供重要依据。

可根据RGB的整体均值获取番茄果实表面颜色情况，利用RGB颜色空间中各个颜色通道的差异快速对番茄进行成熟度分级和样本筛选。

此外，还可拓展PhenoAI Flow利用机器学习或深度学习算法对提取的RGB数据进行分类或识别。例如，可以使用支持向量机（SVM）分类器分析番茄果色与内部品质（如糖分、酸度等）之间的关系；还可训练Mask RCNN深度学习模型对番茄进行品种鉴定。