.png){kind=icon}
返回
Quantifying Plant Structural Complexity Using an Image-Based Structural Complexity Index (SCI)
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-08508-5_19.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
量化植物结构复杂性对于理解现代植物育种和表型分析中的基因型-表型关系至关重要。传统方法（如叶面积指数（LAI）或分形维数（FD））通常侧重于孤立性状，缺乏捕捉植物整体架构的能力。本研究开发了一种通过结构复杂性指数（SCI）评估植物结构的框架。SCI整合了基于骨架和基于形状的形态学特征，以提供植物架构的综合表征。为管理提取特征集的高维性，应用了主成分分析（PCA）技术。第一主成分捕获了所有样本中的最大方差，用作统一的SCI评分。这实现了对基因型和生长阶段间结构复杂性的高效量化。此外，通过ANOVA统计分析，评估了贡献最大特征对SCI的生物相关性，以评估生长阶段间的显著差异。本研究使用芥菜植物数据进行了验证。结果表明，该框架能够实现对植物架构的准确、可扩展和非侵入式表征。它通过提供标准化和可解释的复杂性指标，支持高通量表型分析流程，成为植物科学家在表型分析、发育研究和遗传研究中的一项有价值的工具。
Keyword:
Plant Phenotyping
Structural Complexity
Structural Complexity Index (SCI)
Non-Destructive imaging
Principal Component Analysis (PCA)
Plant Architecture
High-Throughput Phenotyping
Genotype-Phenotype Relationship
Image-Based Analysis
Plant Breeding
期刊
机构
引用论文
Automated Method to Determine Two Critical Growth Stages of Wheat: Heading and Flowering确定小麦两个关键生长阶段的自动化方法: 抽穗和开花
OAAI
OAAI分享收藏Response in Physiological Traits and Antioxidant Capacity of Two Cotton Cultivars under Water Limitations.png)
AGRONOMY-BASEL
OAAI
AGRONOMY-BASELIF3.4
OAAI分享收藏 没有更多内容
没有更多内容