https://videopress.com/v/cBeNFnbM?resizeToParent=true&cover=true&posterUrl=https%3A%2F%2Fwww.botany.one%2Fwp-content%2Fuploads%2F2022%2F02%2Fwiwam-vid_mp4_hd.original.jpg&preloadContent=metadataこの WIWAM ロボットは、植物を計量・給水ステーションや撮影キャビンに運ぶコンベア ネットワークで構成されており、さまざまな非破壊カメラ システムが搭載されています。
植物はコンベアベルト上を継続的に移動し、植物の成長に伴って植物の特性を抽出するために使用できる画像を含む膨大なデータを収集するセンサーを通過します。このようなハイスループット表現型解析は、植物育種家が植物の改良に最も重要な特徴とゲノム特性を判断するのに役立ちます。
これらの画像やデータを取得するためのシステムは複雑ですが、膨大な量の画像を解釈することはさらに大きな課題です。
人工ニューラル ネットワークとディープラーニングを使用して作物の関連側面を認識して定量化するコンピューター ビジョン アルゴリズムは、この課題を解決する上で有望です。ただし、これらのニューラル ネットワークは、関心のある建築上の特徴がラベル付けされた大量の注釈付き画像を使用してトレーニングする必要があり、その取得には時間と費用がかかります。
植物の注釈付き合成画像の使用は、実行可能な代替手段を提供します。
に掲載された新しい記事では、 <font style="vertical-align: inherit;">in silico</font> 植物カルガリー大学の上級研究員ミコライ・チェスラック氏と同僚 ニューラルネットワークをトレーニングするために、植物の個々の変化を反映した注釈付き画像を実質的に無制限に提供する新しいモデリングプロセスを提示します。 この論文ではトウモロコシの栄養成長について紹介している（Zea mays L.) とキャノーラの栄養成長と開花の発達 (ブラシカ・ナプス L.) を例として挙げます。
それぞれの種のモデリングプロセスは、（1）対象植物種の必須要素を定性的に捉えるLシステムの構築、および（2）参照植物の写真セットに対するモデルのキャリブレーションのXNUMX段階に分かれています。
「両種において、パラメトリックLシステムを用いて、シンプルで記述的な発達モデルを作成しました。このLシステムモデルは位置情報という概念に基づいて構築されており、枝、葉、生殖器官の分布といった対象植物形態の主要な定量的側面が、それらの支持軸上の位置の関数として直感的に操作しやすい形で表現されます。発達過程は、位置情報の関数と時間の関数を掛け合わせることでシミュレートされます」と著者らは説明しています。
キャリブレーションは、グラフィカル インターフェイスを使用してモデルを参照植物と調整することで行われます。参照植物は、特定の発育段階または一連の段階を表すことができます。モデルは、遺伝的多様性、環境の影響 (水の制限など)、および/または植物の個々の変化を捉えるようにキャリブレーションできます。
一度調整すると、モデルは正規分布のランダム変数を使用してパラメータをランダム化することで、合成植物の注釈付き画像を実質的に無制限に生成できます (図 1 を参照)。調整された植物は、異なる発育段階にある植物を個別に視覚化するために使用することも (図 2 の上部を参照)、区画全体のモデルに組み立てることもできます (図 2 の下部を参照)。
Cieslak 氏は次のように付け加えています。「合成注釈データは、ニューラル ネットワークをトレーニングして、画像ベースの表現型タスクで意味的な植物特性を識別するのに役立ちます。次のステップは、トウモロコシとキャノーラのデータセットから表現型特性を抽出することです。ただし、調整済みモデルの有用性は、ニューラル ネットワークのトレーニング用の注釈にとどまりません。モデルは、直接測定 (非常に時間のかかるプロセス) を行わずに、これらの植物の構造パラメータの経時的な定量的な推定値を提供します。また、植物の発達の機能的側面を組み込んだ、より包括的なモデルの構築の基礎を提供することもできます。」
記事を読む：
Mikolaj Cieslak、Nazifa Khan、Pascal Ferraro、Raju Soolanayakanahally、Stephen J Robinson、Isobel Parkin、Ian McQuillan、Przemyslaw Prusinkiewicz、画像ベースフェノミクスのためのLシステムモデル：トウモロコシとキャノーラのケーススタディ、 in silico Plants、2021;、diab039、 https://doi.org/10.1093/insilicoplants/diab039
モデルの入手可能性
モデルはVirtual Laboratory 4.5.1植物モデリングソフトウェア（algorithmicbotany.org/virtual_laboratory）macOS High Sierra v.10.13.6を使用して実装され、Algorithmic Botanyのウェブサイト（アルゴリズムボタニー.org/papers/l-phenomics2021.html).
