Un equipo de investigación del Instituto de Genética y Biología del Desarrollo (IGDB) de la Academia de Ciencias de China ha introducido un enfoque innovador y efectivo para la grabación de imágenes de hojas de bandera (FLENS) en la caída. Bajo el liderazgo del Prof. Jiang Ni, el equipo ha desarrollado un modelo de aprendizaje profundo ligero con el nombre de Leafphosenet, que tiene como objetivo mejorar la precisión de la estimación de la brida.
El brillo es una propiedad crítica en la cría de trigo, la considerable influencia de la arquitectura de las plantas, las opciones de interceptación de luz y el potencial de ingresos generales. A pesar de su importancia, la medición de los métodos manuales de trabajo intensivo y subjetivo de brida intensiva y subjetiva requiere un cuello de botella significativo para fenotipar con alto tránsito para las prácticas modernas de manejo y manejo de trigo.
Para superar esta restricción, los investigadores Leafosenet, un modelo de detección de pose basado en el keypoint que identifica de forma autónoma tres puntos esenciales: el centro de la revista de la bandera (punto L), la intersección de la hoja de bandera y el vástago (punto J) y el centro del vástago (punto S). Esta automatización garantiza el cálculo simple de la brida sin intervención manual, de modo que se simplifica el proceso de medición.
El rendimiento de Leafosenet es impresionante y superó los modelos de detección de punto clave de estado de estado actuales. Logró un error absoluto promedio (MAE) de solo 1.75 grados, un error cuadrado de raíz (RMSE) de 2.17 grados y un coeficiente de determinación (R²) a un 0.998 excepcional. El modelo ha demostrado una localización robusta de puntos clave sobre diferentes formas de hoja y condiciones complejas. El diseño liviano, combinado con una alta eficiencia de cálculo, lo hace adecuado para la implementación en teléfonos inteligentes, lo que hace posible las mediciones rápidas en el sitio.
La efectividad de LeadenEnet se demostró mediante la aplicación de la aplicación de 221 accesiones de trigo de pan. Con la ayuda de un modelo lineal mixto (MLM) para un estudio de asociación de todo el genoma (GWAS), el equipo identificó con éxito diez loci de rasgos cuantitativos (QTL) vinculados a la brida, lo que contribuye con ideas valiosas en la arquitectura genética de esta propiedad.
Esta investigación, publicada en el Crop Journal, ofrece una solución práctica para la medición del campo de alto rendimiento de la medición de brida, que facilita el progreso tanto en las prácticas de reproducción como en el análisis genético en la producción de trigo.
 of the Chinese Academy of Sciences has introduced an innovative and){kind=link}