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
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。
- 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。