夏士轩，耿泽栋，祝光涛，张春芝，李大伟
DOI: 10.13560/j.cnki.biotech.bull.1985.2024-0511
马铃薯（Solanum turberosum L.）是茄科茄属的一年生草本双子叶植物，目前已为全球第四大粮食作物。马铃薯育种研究起步很早，但一直存在两个结构性障碍制约着马铃薯产业的发展 ：（1）生产上使用的栽培马铃薯主要是同源四倍体，基因组高度杂合，遗传分析复杂，给育种带来极大困难；（2）马铃薯使用块茎进行无性繁殖，繁殖率低、种薯用量大、成本高、不便保存和运输、病毒易逐代积累。为解决这两大难题，育种家呼吁开展二倍体马铃薯的研究和育种工作，用二倍体杂交种子替代四倍体薯块繁殖。二倍体马铃薯的遗传背景相对简单，更容易剔除有害突变并聚合优良等位基因，实现品种的快速改良。马铃薯种子能够有效地阻断病虫害随营养器官的传递与积累，降低病虫害的发生几率和跨地区传播，减少储运成本。
花粉作为植物有性生殖过程中传递遗传物质的载体，是产生种子的关键。花粉活力是花粉具有存活、生长、萌发或发育的能力。花粉活力测定可以帮助育种者评估不同种质的花粉质量，判断其繁殖力和生殖潜力，高效利用种质资源，加快品种的遗传改良。评估花粉活力的传统方法是染色后在显微镜下肉眼观察计数，过程缓慢费力，易受人为主观因素的影响，阻碍了高通量筛选。为了提高育种研究的效率，研究人员需要一种快速、高精度的花粉活力表型鉴定方法。光学成像和图像处理技术的飞速发展改变了植物表型测量方式，并成为目前表型组学研究中性状测量的主要工具。然而，尚未有将深度学习技术应用于马铃薯花粉活力检测的研究报道，亟须一套适用于马铃薯花粉活力检测的工具。
本文现已在知网上线，欢迎下载阅读！
本文主要包括以下几部分内容：
2.1 花粉活力提取流程构建
2.2 不同模型的精度比较
2.3 SegFormer对不同尺度花粉检测能力的迁移性
2.4 花粉活力计算效果评估
2.5 花粉活力检测模型的应用
3 讨论
本研究基于深度学习和Python OpenCV程序，构建了一套马铃薯花粉活力快速检测方法。同人工检测相比，该方法在效率和准确性上有明显优势，可以减少研究人员的工作量，降低疲劳、误操作等人工因素对检测结果造成的影响。另外，使用深度学习模型分割花粉，可以避免肉眼识别花粉颜色的主观性。在本研究中，为获得最佳分割效果，选取了3个不同模型进行测试对比，SegFormer模型在各项评估指标上的表现最好，但该模型对粘连目标的分割精度仍待加强。此外，本研究基于语义分割模型实现对花粉颜色的区分，但不能区分花粉颜色的深浅，需要开发其他工具实现此目标。我们验证了该模型对不同尺度花粉图像的分割能力，但对于其他物种花粉染色方法的图像并未进行测试，下一步需要增加其他染色类型的数据集进行训练，提高模型的应用范围。OpenCV程序实现了自动化计数，大大提升了检测效率，但其计算的准确性依赖于掩膜图的分割效果。采集更高质量的原始图像或者增加训练数据集，可能有助于提升模型分割的精度，使花粉活力计算更为精确。
综合3个模型在花粉图像分割中的表现情况，SegFormer模型对有活力花粉和所有花粉的分割效果均为最佳，且在不同尺度图片中表现良好。配合Python OpenCV程序，能够完成自动、批量计算马铃薯花粉活力，且与人工识别相比的误差较小。
推荐阅读：
薯类作物生物技术专题 | CRISPR/Cas9介导的高效四倍体马铃薯试管薯基因编辑体系的建立
欢迎订阅：
1. 各地邮局订阅：邮发代号18-92
2. 科学出版社期刊发行部：电话 010-64017032；010-64017539
3. 网上购买：扫描下方二维码或在淘宝、微店搜店铺名称“中科期刊”可直接订阅
投稿、转载信息发布及合作等事宜请联系:010-82109925/82109903
官方唯一投稿系统：http://biotech.aiijournal.com
长按关注：生物技术通报
