光学图像的对象检测、大小确定和颜色检测是植物科学中常用的工具。这方面的主要示例包括识别西红柿等水果的成熟阶段，以及确定作为植物健康指标的叶绿素含量。虽然存在确定这些重要表型的方法，但它们通常需要专有软件或需要编码知识以适应现有代码。

本文提供了一组免费和开源的 Python 脚本，如图1，无需任何改编，就可以使用 ColourChecker对图像进行背景校正和颜色校正（图2）。进一步的脚本识别对象，使用已知大小的对象来校准大小，并提取 RGB、Lab 和 YUV 颜色空间中对象的平均颜色。通过在四种不同光照条件下成像来展示这些脚本的一致性，使用两个示例来展示如何使用这些脚本。

在第一个示例（图3-6）中，使用番茄图像和指数模型估算了番茄 (Solanum lycopersicum) 变种Tiny Tim中的番茄红素含量。证明了三种不同的相机（单反相机和两个独立的手机）都能够模拟番茄红素含量。预测番茄红素或叶绿素的模型需要根据使用的相机进行调整。在第二个示例（图7-8）中，使用叶片图像和指数模型来估计罗勒 (Ocimum basilicum) 的叶绿素含量，以预测叶绿素含量。

并且，本文提供了一种快速、便宜、无损且廉价的方法用于确定植物材料的大小和颜色，使用由灯箱、相机和颜色检查卡组成的装备，并使用Python 3.8中运行的免费和开源脚本。该方法准确预测了番茄果实中的番茄红素含量和罗勒叶中的叶绿素含量。

图6 (A)用尼康D60相机从实验室颜色空间捕获的测试番茄的A /b值与通过提取和分光光度法测定的每公斤湿番茄毫克番茄红素含量的比值。(B)用尼康D60拍摄的试验番茄的实验室颜色空间测定的番茄红素预测含量与通过提取和分光光度法测定的每公斤湿番茄毫克番茄红素含量的比较。虚线表示y = x线。粉色圆圈表示用于训练模型的数据，蓝色方块表示验证数据点。

来 源Harry Charles Wright, Frederick Antonio Lawrence, Anthony John Ryan et al. Free and open-source software for object detection, size, and colour determination for use in plant phenotyping, 08 February 2023, PREPRINT (Version 1) available at Research Square [https://doi.org/10.21203/rs.3.rs-2546630/v1]

编辑

王春颖

扩展阅读