【教程】如何高效提取香蕉果实的形态表型特征？

香蕉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。香蕉果实表型提取工作通常需要大量的人工参与，如样本采集、特征测量、数据记录等。香蕉果实的长和宽是其生长发育的重要指标，是判断不同品种品系的最直观指标，更是香蕉商品化分级标准中的重要参数，在表型提取工作中具有重要意义，不仅有助于评估香蕉的外观品质和了解其生长发育规律，还为科学研究、育种选择以及采后管理提供了有力支持。

本教程旨在指导如何高效地提取香蕉果实的表型特征，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L/W Ratio(长宽比)相关数据表格，该指标反映了果实形状的修长程度或扁平程度，对于评估香蕉果实的外观形态、商品价值以及遗传特性具有重要意义。

1. 可根据RGB的整体均值获取香蕉果实表面颜色情况，这些颜色指标可以反映香蕉的成熟度、新鲜度或品质状态。

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）分类器以区分不同成熟度的香蕉，或使用UNet等深度学习算法训练模型识别香蕉表面的缺陷。

---

PhenoAI是集数据采集和分析的近端表型自动化分析系统，功能强大操作简单。

• 一键分析

仅需两步便可快速提取各类作物的农艺性状，无需人工修正，分析图表自动化保存，描出样品轮廓方便查看识别精度。

• 适用范围广

适用各类大田作物(水稻、小麦、玉米、棉花等)和园艺作物(甜瓜、茄子、烟草、小青菜等)。

• 适用尺度广

PhenoAI可自动化提取近60个表型指标，包括颜色、纹理、形态三大类指标。

形态：果横径、果纵径、Roundness(圆度)、Length(长)、Width(宽)、L/W Ratio(长宽比)、Area(面积)、Perimeter(周长)等

颜色：R(红色)、G(绿色)、B(蓝色)、L(亮度)、a(颜色通道)、b(颜色通道)、H(色调)、S(饱和度)、V(明度)； Mean(均值)等

纹理：Homogeneity(同质度)、Contrast(对比度)、Dissmilarity(非相似性)、Entropy(熵)、ASM(角二阶矩)、 Correlation(相关性)等

• 支持各类成像设备

PhenoAI支持各类成像设备(数码相机、工业相机、手机、扫描仪等)，打破硬件限制，降低表型使用门槛，随时随地可进行采样。