2024年6月，Plant Phenomics在线发表了University of California Davis题为Segment Anything for Comprehensive Analysis of Grapevine Cluster Architecture and Berry Properties的研究论文。
图1 用于生成和处理SAM掩模的流程总结
图2 对葡萄簇目标进行拍摄
研究中，每个植株选取5个代表性果簇进行成像，使用Canon EOS 70D相机配备24mm定焦镜头，设置固定的光圈和曝光时间以保证图像质量。成像过程中，每个果簇至少从一个角度进行拍摄，部分果簇从四个角度（0°, 90°, 180°, 270°）拍摄（图2），以评估果簇的复杂结构。图像采集后，使用SAM进行处理。首先，定义了感兴趣区域（ROI）以减少处理像素数量。然后，利用预训练的ViT-H图像编码器进行掩码预测。通过在ROI内分布的XY网格点作为提示，SAM能够识别和分割图像中的浆果。研究中测试了不同网格配置的效率，最终选择了32×32的网格，因为它在计算效率和浆果检测数量之间取得了平衡。
图3 成像角度对聚类分析的影响
图4 浆果位置沿着水平和垂直轴的累积分布
通过SAM生成的浆果掩码，研究者能够详细分析果簇结构，包括浆果在果簇中的空间分布。利用浆果位置信息，研究者计算了基于浆果分布的复杂特征，比如果簇的累积分布函数和果簇形状的定量描述（图4）。这些分析有助于深入理解果簇结构的遗传和环境影响，为葡萄园管理和育种提供科学依据。
总体而言，本研究成功展示了SAM在葡萄果簇和浆果属性分析中的应用潜力，为未来在葡萄园条件下直接应用计算机视觉技术提供了新的可能性。通过这种方法，研究人员可以在不依赖于传统训练数据的情况下，快速准确地分析大量果簇图像，为葡萄育种和栽培管理提供有力的工具。
LiDAR Is Effective in Characterizing Vine Growth and Detecting Associated Genetic Loci
https://doi.org/10.34133/plantphenomics.0116
Plant Phenomics | 激光雷达能够高效地描述葡萄的生长情况和检测相关遗传位点
Semi-supervised Counting of Grape Berries in the Field Based on Density Mutual Exclusion
https://doi.org/10.34133/plantphenomics.0115
Plant Phenomics | 武汉工程大学基于密度互斥的田间葡萄果实半监督计数
《植物表型组学》（Plant Phenomics）是由南京农业大学创办的英文学术期刊，于2019年1月正式上线发行。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最新技术，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DOAJ、Scopus、PMC、EI和SCIE等数据库收录。科睿唯安JCR2023影响因子为7.6，位于农艺学一区（1/125名），植物科学一区（13/265名），遥感一区（6/62名）。2023年中科院期刊分区位于农林科学大类一区。2020年入选中国科技期刊卓越行动计划高起点新刊项目、2024年入选江苏科技期刊卓越行动计划领军期刊项目。
说明：本文由《植物表型组学》编辑部负责组稿。
审核：陈俐
