Richting nauwkeurige high-throughput fenotypering

Nieuws

Richting nauwkeurige high-throughput fenotypering

Gepubliceerd op
20 april 2015

Wageningen UR Glastuinbouw profileert zich door serieus bij te dragen aan het snel groeiende gebied van geautomatiseerde fenotyperen. De onderzoekers hebben een volledig geautomatiseerde methode ontwikkeld door het segmenteren van individuele bladeren in kleurenbeelden van planten. Met deze methode komt nauwkeurige high-throughput fenotypering een stap dichterbij.


De methode is ontwikkeld op een zeer variabele dataset van beelden en gevalideerd op een onafhankelijke testset. De dataset bestond uit kleuren RGB-afbeeldingen van planten die werd gebouwd als onderdeel van de Leaf Segmentation Challenge (LSC) van de Computer Vision Problems in Plant Phenotyping (CVPPP 2014) workshop. De nieuwe, geautomatiseerde methode van Wageningen UR Glastuinbouw presteert op sommige onderdelen beter dan alle andere methoden die worden getest op deze zeer uitdagende dataset.

Individuele groei per blad

Voor grootschalige veredeling, zijn geautomatiseerde methoden die relevante kenmerken meten en die kunnen omgaan met variabele condities in de voortdurend veranderende omgeving essentieel. Eén van de belangrijkste eigenschappen is de plantengroei. Bepaling van de groei op een niet-invasieve wijze is een veelbelovende benadering. Voor het niet-destructief meten van de grootte van rozet planten is het meten van het geprojecteerde bladoppervlak van een plant (PLA), dat wil zeggen de telling van plantaardige pixels van het boven aanzicht, een goede benadering van de grootte. Deze methode wordt momenteel veel gebruikt. Echter, bij het bepalen van groei, reageert PLA relatief zwak, omdat de plant bestaat uit groeiende en niet groeiende bladeren. Individuele groei per blad echter, waarvoor een bladsegmentatie nodig is, geeft een snellere en duidelijkere respons.

Test images (left), separate leaves labelled by an expert (middle), automated leaves segmmentation performed by our fully automated method (right)
Test images (left), separate leaves labelled by an expert (middle), automated leaves segmmentation performed by our fully automated method (right)

Segmenteren

Het meten van de groei van elk individueel blad van tweedimensionale RGB-beelden. eencodering voor de kleuren rood, groen en blauw, is een niet-invasieve, goedkope en efficiënte wijze, maar zeer uitdagend vanuit het oogpunt van computer vision. De beeldresolutie is soms heel laag, de aanwezigheid van mos in de bodem is vaak een obstakel, wisselende lichtomstandigheden zijn altijd een uitdaging in agrarische toepassingen, maar de overlappende bladeren en de afwezigheid van de randen tussen de afzonderlijke bladeren is de grootste uitdaging. Hiervoorhebben een geautomatiseerde methode voor het segmenteren van individuele bladeren ontwikkeld.

Hoge verwerkingssnelheid

Deze methode is getest op een zeer moeilijke dataset van RGB-beelden van Arabidopsis (Arabidopsis thaliana) en tabak (Nicotiana tabacum). De planten werden opgenomen in een opzettelijk moeilijke omstandigheden met grootte variabiliteit in vorm, pose, en het uiterlijk van de bladeren. Ook was er een gebrek aan duidelijk waarneembare grenzen tussen overlappende bladeren als gevolg van de beeldvorming van de 2D top-view camera. Dit feit en de hoge verwerkingssnelheid maken onze geautomatiseerde methode gemakkelijk toepasbaar voor het fenotyperen van rozetplanten in de veredelingspraktijk.