平均粒重 (MGW) 是小麥育種和生理學中常用的測量參數之一。盡管近幾十年來，各種小麥籽粒分析（例如計數和確定大小、顏色或形狀特征）得到了發展，但由于自動圖像處理系統的存在，MGW 估計于使用少量圖像衍生指數；即主要是基于投影面積（Area）開發的線性或冪模型。在初步觀察到顆粒寬度在改進預測方面的潛力之后，本研究旨在探索更有效的指標，以提高基于圖像的 MGW 估計的精度。為此，處理了谷物的圖像存檔，該存檔取自為期 2 年的田間試驗，在兩種灌溉條件下進行了 3 次重復，包括 15 個品種混合處理（因此存檔由 180 幅圖像組成，包括超過72,000 粒）。


圖像分割輸出用于提取顆粒和擬合佳橢圓。A存檔中的一張圖片，包含 400 多粒小麥。例如，白框中的顆粒在圖中的下一部分進行處理。B 分辨率輸出增強；C 圖像分割的結果。兩種分辨率使用相同的閾值；D 將佳橢圓擬合到單個顆粒

可以觀察到，在 30 多個評估的顆粒尺寸和形狀指標中，與面積相比，顆粒寬度指標（即 Minor 和 MinFeret）以及其他 8 個經驗指標與 MGW 的相關性高于面積。使用面積?×?圓度、周長?×?圓度和面積/周長指數獲得了的 MGW 預測。結果表明，（1）顆粒寬度和面積/周長比是優勢預測指標結構的共同因素； (2)各優勢指標與顆粒寬度的相關性高，而與其數學分量相關性較低。此外，優勢指標的相對效率在 4 種環境條件下基本保持穩定。終，使用選定的指標，開發并驗證了十個簡單的線性模型用于 MGW 預測，結果表明比當前基于面積的模型具有相對更高的精度。同時也證明了提高圖像分辨率對模型精度有顯著影響。


平均粒重 (MGW) 的主成分分析 (PCA) 和基本圖像衍生的粒度指標，即主要和 Feret（粒長指標）、次要和 Feret（粒寬指標）以及面積。顯然，顆粒寬度的一維指標比面積的二維指標更準確地反映了 MGW 的變化。

本研究的結果以及使用新的圖像衍生指數開發和驗證的簡單預測線性模型，有望提高基于圖像的 MGW 估計的精度，從而為小麥育種和生理評估提供幫助。

來源：Plant Methods.Wheat grain width: a clue for re-exploring visual indicators of grain weight.Abbas Haghshenas, Yahya Emam & Saeid Jafarizadeh

https://plantmethods.biomedcentral.com/articles/10.1186/s13007-022-00891-1