文献

J-GLOBAL ID：202202216812684832   整理番号：22A1178409

画像認識に基づくトマト果実表現型の定量的抽出と評価【JST・京大機械翻訳】

Quantitative Extraction and Evaluation of Tomato Fruit Phenotypes Based on Image Recognition

著者 (7件)： Zhu Yihang (Institute of Digital Agriculture, Zhejiang Academy of Agricultural Sciences, Hangzhou, China) ,  Gu Qing (Institute of Digital Agriculture, Zhejiang Academy of Agricultural Sciences, Hangzhou, China) ,  Zhao Yiying (Institute of Digital Agriculture, Zhejiang Academy of Agricultural Sciences, Hangzhou, China) ,  Wan Hongjian (State Key Laboratory for Quality and Safety of Agro-Products, Institute of Vegetables, Zhejiang Academy of Agricultural Sciences, Hangzhou, China) ,  Wang Rongqing (State Key Laboratory for Quality and Safety of Agro-Products, Institute of Vegetables, Zhejiang Academy of Agricultural Sciences, Hangzhou, China) ,  Zhang Xiaobin (Institute of Digital Agriculture, Zhejiang Academy of Agricultural Sciences, Hangzhou, China) ,  Cheng Yuan (State Key Laboratory for Quality and Safety of Agro-Products, Institute of Vegetables, Zhejiang Academy of Agricultural Sciences, Hangzhou, China)
資料名： Frontiers in Plant Science (Web)  (Frontiers in Plant Science (Web))
巻： 13  ページ： 859290  発行年： 2022年 
JST資料番号： U7094A  ISSN： 1664-462X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： トマト果実表現型は,参照指標としてトマト育種における重要な農業形質である。しかし,手動観察に基づく従来の測定法は,トマト果実形態のハイスループットデータ収集を制限する。本研究では,果実色,サイズ,およびその他の形態学的特徴においてかなり異なる10の異なるトマト栽培品種の果実を試料として選択した。選択したトマト果実試料の画像を得るために一定の照明条件を適用した。画像認識に基づいて,トマト果実表現型の色とサイズ指標を測定する自動化方法を提案した。Mask領域-畳込みニューラルネットワーク(R-CNN)に基づく深層学習モデルを訓練し,トマト果実の内部構造指標を分析するために試験した。結果は,これらの方法の組合せ使用が,果実色,水平および垂直直径,トップおよびネーブル角,葉数,および果皮厚さを含むトマトの様々な重要な果実表現型を抽出することができることを明らかにした。実践における欠落と間違ったセグメンテーションケースのいくつかの補正を考慮して,深い学習モデルの平均精度は,実際に0.95以上であった。これは,有望な分子分割と計数性能を示唆する。垂直/水平比(果実形状指数)と面積割合もここで収集したデータに基づいて計算した。測定精度は手動操作に匹敵し,測定効率は非常に改善された。本研究の結果は,トマトおよび他の果実作物の将来の育種作業において,人工誤差を効果的に回避し,関連データのサポート効率を増加させることができる,より正確で効率的なトマト果実表現型決定のための新しいオプションを提供するであろう。Copyright 2022 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 自動化 ,  学習モデル ,  セグメンテーション ,  *トマト ,  *表現型 ,  *画像 ,  育種 ,  果皮 ,  *果実【器官】 ,  データ収集 ,  指標 ,  栽培品種 ,  機械学習 ,  *画像認識
準シソーラス用語： ハイスループット ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 定量 ,  トマト果実 ,  表現型解析 ,  画像認識 ,  深層学習

分類 (2件)： 野菜  (FC03043X) ,  野菜とその加工品  (FJ11020O)

引用文献 (44件)：

• Alam P., Balawi T. H., Altalayan F. H., Hatamleh A. A., Ashraf M., et al (2021). Silicon attenuates the negative effects of chromium stress in tomato plants by modifying antioxidant enzyme activities, ascorbate-glutathione cycle and glyoxalase system. Acta Physiol. Plant. 43:110. doi: 10.1007/s11738-021-03276-4
• Barraj B. R., Segado P., Moreno-González R., Heredia A., Fernández-Muñoz R., et al (2021). Genome-wide qtl analysis of tomato fruit cuticle deposition and composition. Horticulture Research 8:113. doi: 10.1038/s41438-021-00548-5
• Bhatta M., Sandro P., Smith M. R., Delaney O., Voss-Fels K. P., Gutierrez L., et al (2021). Need for speed: manipulating plant growth to accelerate breeding cycles. Curr. Opin. Plant Biol. 60:101986. doi: 10.1016/j.pbi.2020.101986
• Boogaard F. P., Rongen K. S. A. H., Kootstra G. W. (2020). Robust node detection and tracking in fruit-vegetable crops using deep learning and multi-view imaging. Biosyst. Eng. 192 117-132. doi: 10.1016/j.biosystemseng.2020.01.023
• Caseiro M., Ascenso A., Costa A., Creagh-Flynn J., Johnson M., Simões S. (2020). Lycopene in human health. LWT 127:109323. doi: 10.1016/j.lwt.2020.109323

タイトルに関連する用語 (6件)： 画像認識 ,  トマト ,  果実 ,  表現型 ,  定量 ,  評価