Resumo A maioria dos sistemas de fenotipagem de plantas baseados em visão computacional e aprendizado de máquina calcula características como forma e tamanho em vez da distribuição de cores da superfície da planta, embora a cor possa fornecer insights importantes sobre a fisiologia da planta. Portanto, desenvolvemos a Medição Rápida de Características da Roseta de Arabidopsis (SMART), um pipeline de fenotipagem de plantas de código aberto que analisa uma imagem vista de cima em vermelho-verde-azul (RGB) capturada por qualquer dispositivo de imagem para calcular características de cor, bem como forma e tamanho. O SMART combina um modelo de aprendizado de máquina U2-Net pré-treinado e um método de agrupamento de cores para segmentar plantas de seu fundo e calcular características morfológicas básicas. O SMART mostrou uma boa precisão média de 95% para características morfológicas usando um conjunto de dados de referência público. De forma única, o SMART também analisa a cor das superfícies das plantas ao calcular um índice de diferença de cor normalizada e comparar as cores da superfície da planta com cores de referência no espaço de cores L*a*b*, que são convertidas do espaço de cores RGB. O índice de diferença de cor também mostrou boa correlação com medições independentes do parâmetro de fluorescência da clorofila F v / F m (rendimento quântico máximo do fotossistema II) (R² > 0,71), conteúdo de clorofila (R² > 0,73) e temperatura das folhas (R² > 0,76) em nossas condições experimentais. Portanto, mostramos que o SMART não é apenas uma ferramenta acessível e de código aberto para calcular características morfológicas, como forma e tamanho, mas também é útil para explorar relações entre características de cor e características fisiológicas. O SMART representa uma nova abordagem promissora para fenotipagem de baixo custo e alta produtividade, beneficiando assim toda a comunidade científica de plantas.
Liu et al. (sex,) estudaram esta questão.