排序方式： 共有4条查询结果，搜索用时 687 毫秒
1
1.
植物显微表型主要是指植物组织、细胞和亚细胞水平的表型信息,是植物表型组学研究的重要组成部分。针对传统籽粒显微性状检测方法效率低、误差大且指标单一等问题,本研究利用Micro-CT扫描技术对5种类型11个品种玉米籽粒开展显微表型精准鉴定研究。基于对CT序列图像的处理解析,共获取籽粒、胚、胚乳、空腔、皮下空腔、胚乳空腔和胚空腔的34项显微表型指标。其中,胚乳空腔表面积、籽粒体积、胚乳体积比和胚乳空腔比表面积等4项表型指标在不同类型玉米间差异显著（P-value<0.05）。普通玉米胚乳空腔表面积和籽粒体积显著大于其它类型玉米,高油玉米胚乳空腔比表面积最大,甜玉米胚乳空腔比表面积最小,爆裂玉米胚乳体积比最大。进一步利用34项玉米籽粒表型指标开展差异分析和聚类分析,可将11个不同品种玉米分为四类,其中第一类以普通玉米为主,第二类以爆裂玉米为主,第三类是甜玉米,第四类是高油玉米。结果表明,Micro-CT扫描技术不仅可以实现玉米籽粒显微表型的精准鉴定,还可以为玉米籽粒分类、品种检测等提供技术支撑。 相似文献
2.
信息技术与智能装备助力智能设计育种 总被引：1，自引：0，他引：1
当前,世界种业已进入空前的密集创新和产业变革时代,作物育种正迎来以信息技术和生物技术融合发展为标志的新一轮科技革命,并将引领种业进入智慧种业时代.为此,抢占农业智能设计育种技术及其产业发展的制高点已成为世界各国增强国际竞争力的重大战略.文章回顾了作物主要育种技术及模式的发展历程,总结了智能设计育种的含义和基本流程,论述了信息技术与智能装备在智能设计育种中的主要作用,包括表型-环境大数据获取解析、多重组学大数据分析、多维大数据驱动的智能育种预测模型构建、育种大数据存储管理与应用以及育种装备的机械化、自动化和智能化方面的内容;最后从信息技术和智能装备视角探讨了当前作物智能设计育种面临的主要问题与挑战,并从加速作物表型组技术体系构建、加快育种大数据建设、加强生物技术和信息技术的深度融合、务实推进种业智能装备自主研发和开展智能设计育种大联合大协作五个方面提出了具体建议. 相似文献
3.
玉米籽粒构成和精细结构与玉米产量及品质直接相关。本文提出一种基于CT图像的玉米籽粒三维结构自动测量方法,快速提取、统计玉米籽粒成分和结构性状,评估不同玉米品种籽粒间性状差异。首先,利用Micro-CT获取批量玉米籽粒CT图像,通过Watershed算法准确分割出单颗籽粒;进而,设计基于注意力机制RAUNet-3D网络准确提取出籽粒胚;最后,建立自动化玉米籽粒表型管道,计算籽粒、胚、胚乳和空腔的共23项性状,用于玉米籽粒性状分析和品种鉴定。选取4个玉米品种籽粒（登海605、京科968、先正达408和农华5号）共120颗籽粒进行验证,结果表明籽粒CT扫描成像效率提高到1min/粒,籽粒表型提取效率为10s/粒,胚分割精度可达93.4%,粒长、粒宽和粒厚的R2分别为0.902、0.926和0.904,籽粒品种分类精度达90.4%。本文方法实现了玉米籽粒及其胚、胚乳、空腔三维结构无损、快速测量,提取的性状能够表征不同玉米品种籽粒间表型差异,为开展大规模玉米籽粒三维表型鉴定奠定了基础。 相似文献
4.
针对玉米自交系茎秆不同节位形态特征差异大、维管束分布不同等特点，利用Micro-CT扫描技术及基于区带的维管束表型解析方法，对茎秆基部第3节、穗位节、顶位节节间进行显微图像获取，实现茎秆不同节间横切面、表皮区、周皮区、髓区、维管束相关表型的精准解析。研究结果表明，基于区带的维管束表型解析方法适用于茎秆不同节间维管束表型解析，可获得表征茎秆节间组织和维管束形态、几何性状、分布等共47项指标，获取效率高达20 s/张图像。同传统方法相比，基于区带的维管束表型解析方法效率高、通量大，且可获取的表型指标类型多。描述性统计分析结果显示，同茎秆横切面长轴长等传统指标相比，基于区带的维管束表型解析方法获取的功能区表型指标变异系数较大，能更好地反映出不同节间、不同自交系间的差异；且在不同自交系间，基部第3节的周皮区维管束数量(P=7.79×10-29)和穗位节的周皮区维管束面积占比(P=1.79×10-26)差异最显著。此外，从基部到顶部，表征横切面及各功能区几何、形态性状以及维管束数量、面积相关的表型指标呈依次减小的趋势；表征维管束分布的表型指标呈依次增加... 相似文献
1