Бул изилдөө гүлдүү капустанын көчөт баскычынан тартып товардык түшүмгө чейинки бүткүл өсүү процессин RGB сүрөттөрү аркылуу көзөмөлдөп, морфологиялык, өнүгүү жана категориялык фенотиптерди автоматтык түрдө чыгарып алууну; андан кийин ушул белгилердин негизинде гүлдүү капустанын башынын салмагын болжолдоону жана 47 гермоплазма материалын комплекстүү баалоону максат кылат. Изилдөөчүлөр 9.672 жарактуу өсүмдүк сүрөтүнөн ар түрдүү маалымат топтомдорун түзүп, Mask R-CNN, HTC, SOLOv2, YOLACT, Mask2Former, YOLOv8s-seg, YOLO11s-seg жана YOLO12s-seg аттуу сегментация моделдеринин сегиз түрүн салыштырып; көп милдеттүү тапшырмалардагы тактык-ылдамдык тең салмагына байланыштуу YOLO11s-seg моделин жалпы негизги модель катары тандаган. Сүрөттөн эсептелген өсүмдүктүн туурасы менен гүлдүү капустанын башынын диаметри кол менен өлчөнгөн маанилерге R²=0,929 жана R²=0,935 деңгээлинде дал келгенден кийин, сүрөткө негизделген белгилер баштын салмагын болжолдоодо колдонулган жана компактуулук түрүнө жараша алдын ала топтоштурган CatBoost stepwise модели көз карандысыз тестте R²=0,872 көрсөткүчүнө жеткен. Ошол эле учурда тажрыйба бир гана 47 генотиптин бир күнөскана/платформа шартындагы сүрөттөрүнө таянат; баштын салмагын баалоодогу үлгү көлөмү салыштырмалуу кичине, ал эми stepwise системасындагы компактуулук классификаторунун түзүлүшү жетиштүү деталдуу баяндалбагандыктан, башка чөйрөлөргө, сүрөт тартуу системаларына жана гермоплазма коллекцияларына жалпылоо өзүнчө текшерилиши керек.

Изилдөөнүн көңүл бурарлык жагы өсүмдүктү сүрөттөн сегменттерге бөлүү менен гана чектелбейт. Ошол эле убакыт катарынан өсүмдүктүн туурасы, жалбырак аянты, гүлдүү капустанын баш аянты, баш диаметри, баш түсү, жалбырактын формасы, жалбырактын түсү, жалбырак сабынын өзгөчөлүгү, көчөт баскычынын узактыгы, розетка баскычынын узактыгы, баштын жетилүү мөөнөтү жана жалпы өсүү мезгили сыяктуу ар түрдүү маалымат түрлөрү бирдиктүү фенотиптөө чынжырына бириктирилет. Акыркы максат — сүрөт тартуудан сорт/гермоплазманы баалоого чейинки мүмкүн болушунча контактсыз жана жогорку өндүрүмдүү талдоо процессин түзүү.

Изилдөөнүн негизги көйгөйү эмнеде?

Гүлдүү капустаны селекциялоодо жана гермоплазманы мүнөздөөдө өсүмдүктүн туурасы, жалбырактын аянты, баштын диаметри, түсү жана өнүгүү мөөнөтү сыяктуу көптөгөн белгилер салттуу түрдө адамдын байкоосун же кол менен өлчөөнү талап кылат. Айрым өлчөөлөр өсүмдүктү толугу менен жок кылбаса да, эмгекти талап кылат; ал эми баштын салмагы сыяктуу белгилер түшүм жыйноону жана таразалоону талап кылгандыктан, ошол эле өсүмдүктүн кийинки өнүгүшүнө байкоо жүргүзүүнү токтотот.

Изилдөө чечүүгө аракет кылган көйгөй бир убакта бир гана белгини өлчөгөн сүрөт моделинен кеңири. Изилдөөчүлөр бүт өсүү мезгилинде бир эле материалды көзөмөлдөгөн, өсүмдүк менен баштын морфологиясын сегментация аркылуу өлчөгөн, өнүгүү баскычтарын убакыт катарынан эсептеген, категориялык белгилерди классификациялаган жана акыркы баскычта баштын салмагы менен гермоплазманын көрсөткүчтөрүн болжолдоп/баалаган интеграцияланган система түзүүнү көздөйт.

Тажрыйба материалы жана сүрөт чогултуу системасы

Изилдөөдө Fujian Academy of Agricultural Sciences тарабынан берилген күзгү экотиптүү 47 таза линиялуу гүлдүү капуста гермоплазмасы колдонулган. Тажрыйба 2024-жылдын октябрь айында мекеменин күнөсканасында жүргүзүлүп, өсүмдүктөр 1,0 m аралыкта өстүрүлгөн.

RGB сүрөттөрү жогорку өндүрүмдүү талаалык фенотиптөө платформасы аркылуу вертикалдуу түрдө алынган. Айлана-чөйрөдөгү жарыктын өзгөрүшүнүн сүрөттөргө таасирин азайтуу үчүн ар бир тартуудан мурун тажрыйба аянтынын төрт бурчу жана борбору спектрометр менен өлчөнгөн; орточо жарык интенсивдүүлүгү

\[ 120-150\ \mu mol\ m^{-2}\ s^{-1} \]

аралыгында туруктуу болгондо сүрөт тартуу башталган.

Сүрөттөр трансплантациядан кийинки биринчи күндөн баштап акыркы гермоплазма башынын жетилүүсү аяктаганга чейин ар 3 күндө бир жолу алынган. Натыйжада көчөт, розетка жана товардык түшүм баскычтарынан жалпысынан 9.672 жарактуу өсүмдүк сүрөтү түзүлгөн. Мындан тышкары жетилген баштардан 141 сүрөт алынган. Бардык сүрөттөрдүн чечилиши 2096 × 2508 пикселди түзөт.

1-сүрөт маалымат өндүрүү процессин кантип көрсөтөт?

1-сүрөттө күнөскана үстүндөгү фенотиптөө платформасынын рельс системасы, RGB сүрөт тартуу бирдиги, убакыт аралыгында алынган өсүмдүк сүрөттөрү жана көп белгилөө логикасы бир схема ичинде көрсөтүлгөн. Ошол эле сүрөт инфраструктурасынан ар түрдүү маалымат топтомдору түзүлгөн: өсүү баскычы, жалбырактын формасы, жалбырактын түсү, жалбырак сабынын өзгөчөлүгү жана баштын түсү.

Бул түзүлүш изилдөөнүн негизги долбоордук принцибин көрсөтөт: ар бир фенотип үчүн өзүнчө сенсор системасын куруунун ордуна, стандартташтырылган RGB сүрөттөр ар башка сегментация жана классификация тапшырмалары үчүн кайра колдонулат.

Маалымат топтомдору кантип түзүлгөн?

Маанилүү методологиялык чечим — сүрөттөрдү кокусунан бирден бөлбөө болгон. Бир эле өсүмдүктүн ар башка күндөрдө тартылган сүрөттөрү окутуу жана тест топтомдоруна тең түшүп калса, жасалма түрдө жогорку натыйжа жаралышы мүмкүн. Ошондуктан бөлүү бирдиги сүрөт эмес, жеке өсүмдүк катары тандалып, материалдар окутуу, валидация жана тест топтомдоруна 8:1:1 катышында бөлүнгөн.

Кайсы сегментация моделдери салыштырылды?

Бир эле изилдөөнүн ичинде сегиз ар башка архитектура салыштырылган:

• Mask R-CNN;
• Hybrid Task Cascade (HTC);
• SOLOv2;
• YOLACT;
• Mask2Former;
• YOLOv8s-seg;
• YOLO11s-seg;
• YOLO12s-seg.

Бул тандоо эки баскычтуу, бир баскычтуу жана Transformer негизиндеги ар түрдүү сегментация ыкмаларын камтыйт. Моделди баалоодо mAP тактыгынан тышкары параметрлердин саны, FLOPs жана секундасына кадрлардын саны (FPS) да эске алынган. Бул маанилүү, анткени жогорку өндүрүмдүү фенотиптөөдө тактыгы эң жогору, бирок өтө жай модель колдонуу жагынан эң ылайыктуу болбой калышы мүмкүн.

Моделди окутуу жөндөөлөрү

Окутуу Windows 11 системасында Intel Core i9-13900HX процессору жана NVIDIA GeForce RTX 4060 GPU менен жүргүзүлгөн. Программалык чөйрөгө Python 3.8.20, PyTorch 2.0.0, torchvision 0.15.1 жана CUDA 11.8 кирген.

YOLO11s-seg эмне үчүн тандалган?

Изилдөөнүн жыйынтыктары «эң жаңы модель дайыма эң мыкты» деген жөнөкөй иретти көрсөтпөйт. Айрым милдеттерде Mask2Former же башка YOLO моделдери белгилүү тактык метрикалары боюнча YOLO11s-segден ашып кеткен. Изилдөөчүлөрдүн тандоосу беш милдеттеги туруктуу тактык менен жогорку иштөө ылдамдыгын бирге баалоого негизделген.

2, 4, 6, 8 жана 9-сүрөттөрдөгү тактык-ылдамдык графиктеринде салттуу моделдер айрым милдеттерде жогорку тактык бере алганы, бирок параметр/FLOP жүгү жана иштөө убактысы жогору экени көрүнөт. YOLO11s-segдин негизги артыкчылыгы бир метриканы утканында эмес, көп милдеттерде тең салмактуу бойдон калганында.

Моделдердин визуалдык салыштыруулары эмнени көрсөтөт?

3, 5 жана 7-сүрөттөр сандык mAP маанилерин гана эмес, моделдердин чыныгы гүлдүү капуста сүрөттөрүндө кетирген каталарын да көрсөтөт. Өсүү баскычынын мисалдарында айрым моделдер розетка мезгилин көчөт же түшүм мезгилин розетка катары классификациялаган; YOLACT жана айрым салттуу моделдер бөлүктүү же толук эмес чектерди түзгөн.

Баштын түсү тартылган сүрөттөрдө, өзгөчө жалбырак жаап турган ачык түстөгү баштар татаал үлгүлөр болуп саналат. Айрым моделдер максатты өткөрүп жибергенде же көрүнгөн бөлүгүн гана сегментациялаганда, булакта көрсөтүлгөн өкүлчүлүктүү үлгүлөрдүн баарында YOLO11s-seg туура категорияны жана толугураак чекти түзгөн.

Жалбырактын формасын салыштырууда морфологиясы окшош категорияларды ажыратуу жана бүт өсүмдүктүн контурун туура чийүү негизги кыйынчылык катары көрүнөт. Бул сүрөттөр модель тандоо класстын энбелгисинин тактыгына гана эмес, масканын формалык сапатына да байланыштуу экенин колдойт.

Өсүмдүктүн туурасы жана баштын диаметри сүрөттөн кантип эсептелген?

Булак сүрөт масштабында 1.956 пиксел 100 cm чыныгы узундукка туура келерин белгилейт. Басылып чыккан теңдемелер төмөнкүдөй берилген:

\[ PixelArea(cm^2)= \left( \frac{1956}{Width_{100}} \right)^2 \]

\[ LA(cm^2)=PixelArea\times Sum_{Leaf\ Pixel} \]

\[ CA(cm^2)=PixelArea\times Sum_{Curd\ Pixel} \]

\[ PW(cm)= \left( \frac{W_{plant}+H_{plant}}{2} \right) \times \left( \frac{1956}{Width_{100}} \right) \]

\[ CD(cm)= \left( \frac{W_{curd}+H_{curd}}{2} \right) \times \left( \frac{1956}{Width_{100}} \right). \]

Бул жерде LA жалбырактын аянтын, CA баштын аянтын, PW өсүмдүктүн туурасын жана CD баштын диаметрин; ал эми \(W\) жана \(H\) сегментация максатынын пиксел менен берилген чектөөчү кутусунун туурасы менен бийиктигин көрсөтөт.

Булактагы формула боюнча эскертүү: текстте 1.956 пиксел 100 cmге туура келери жана \(Width_{100}\) 100 cmге туура келген пикселдердин саны экени айтылат, бирок басылып чыккан формулаларда \(1956/Width_{100}\) катышы колдонулат. Бул масштабды өзгөртүү жагынан ачык эмес. Булактын формуласы бул жерде оңдолгон жок. Ошондуктан, өзгөчө аянтты кайра эсептөө талап кылынганда, изилдөөчүлөрдүн түпнуска эсептөө коду же автордун түшүндүрмөсү болмоюнча, басылып чыккан теңдемени жалгыз өзү жетиштүү деп эсептөөгө болбойт.

Сүрөттөн алынган өлчөөлөр кол өлчөөсүнө канчалык дал келди?

Текшерүү трансплантациядан кийинки 90-күнү жүргүзүлгөн. Өсүмдүктүн туурасын талдоо 43 гермоплазманы камтыган 120 өсүмдүктө, ал эми баштын диаметри боюнча талдоо көрүнүктүү башы бар 35 гермоплазмадан алынган 87 өсүмдүктө жүргүзүлгөн.

10-сүрөттөгү чачыранды чекиттер 1:1 эталондук сызыктын айланасына жакын топтолот. Калдык маанилердин гистограммалары нөлдүн айланасында борборлошкон, ал эми калдык-маани менен fitted маанилеринин графиктеринде айкын багытталган түзүлүш байкалган эмес. Булактын чечмелөөсүнө ылайык, бул жыйынтыктар сүрөткө негизделген өсүмдүк туурасы менен баш диаметринин кол өлчөөлөрүнө жогорку деңгээлде шайкештигин колдойт.

Өсүү мезгилдери сүрөттөрдөн кантип чыгарылды?

Модель датасы көрсөтүлгөн ар бир сүрөттө өсүмдүктүн көчөт, розетка же товардык түшүм баскычын классификациялагандан кийин ошол эле өсүмдүктүн убакыт катарлары колдонулган.

• SSD: трансплантациядан розетка баскычы биринчи аныкталган күндүн алдындагы күнгө чейинки убакыт;
• RSD: биринчи розетка аныкталган учурдан биринчи товардык түшүм аныкталганга чейинки убакыт;
• CMD: биринчи товардык түшүм аныкталган учурдан өсүмдүк жыйналып, сүрөттө биринчи жолу фон катары көрүнгөн учурга чейинки убакыт;
• GP: трансплантациядан өсүмдүк биринчи жолу фон катары аныкталган күнгө чейинки жалпы өсүү мезгили.

Ошентип, айрым күндөрдөгү классификациялар түздөн-түз өнүгүү мезгилинин фенотиптерине айландырылган.

Фенотиптердин ортосундагы эң күчтүү байланыштар кайсылар?

11-сүрөттөгү корреляциялык жылуулук картасында өсүмдүктүн өсүшү, баштын өнүгүшү жана баштын салмагынын ортосунда айкын байланыштар көрүнөт. Булак билдирген негизги корреляциялар төмөнкүлөр:

Бул байланыштар корреляция болуп саналат; мисалы, жалбырактын аянты чоңураак болгону өзүнөн өзү баштын салмагын себептик түрдө көбөйтөрүн далилдебейт. Мындан тышкары жалбырактын формасы, жалбырактын түсү, жалбырак сабы жана баштын түсү талдоолордо сандык коддорго айландырылган. Булак бул коддор сандык тартипти же артыкчылыкты билдирбей турганын ачык айткандыктан, ушул категориялар менен эсептелген Pearson корреляцияларын чечмелөөдө өзгөчө этият болуу керек.

«Компактуулук» кантип аныкталган?

Изилдөөдө баштын компактуулугу (CC) кол менен өлчөнгөн баш салмагынын сүрөттөн алынган баш аянтына болгон катышы катары аныкталган:

\[ CC=\frac{CWt}{CA}. \]

Бул жерде CWt баштын салмагын, CA болсо сүрөттөн чыгарылган эки өлчөмдүү баш аянтын билдирет. Демек, бул чоңдук физикалык үч өлчөмдүү тыгыздыктын түз өлчөөсү эмес, изилдөөдө топтоштуруу үчүн колдонулган салмак/аянт негизиндеги компактуулук индекси болуп саналат.

K-means elbow талдоосунда WCSS мааниси K=1де 93,55тен K=2де 34,37ге кескин төмөндөп, андан кийин азаюу жайлаган. Ошондуктан K=2 тандалган.

• Loose: компактуулук көбүнчө 1,33–3,59;
• Tight: компактуулук көбүнчө 3,70–5,75;
• болжолдуу бөлүү чекити: 3,6.

12-сүрөттө эки бөлүштүрүүнүн ар башка аймактарда топтолушу бул айырманы визуалдык жактан колдойт.

Баштын салмагы эмне үчүн түздөн-түз эмес, эки баскычта болжолдонгон?

Булактын гипотезасы боюнча, эки материалдын эки өлчөмдүү баш аянты бирдей болсо да, алардын компактуулук түзүлүшү ар башка болгондо салмак менен аянттын байланышы да бирдей болбошу мүмкүн. Ошондуктан эки болжолдоо стратегиясы салыштырылган.

Direct: бардык үлгүлөр бир регрессиялык модель менен болжолдонот.

Stepwise: адегенде үлгүнүн Loose же Tight компактуулук классы аныкталат, андан кийин тиешелүү топко арналган салмак регрессиясынын модели колдонулат.

CatBoost, Random Forest, Linear Regression, SVM/SVR жана MLP деген беш модель үй-бүлөсү эки стратегия менен тең сыноодон өткөрүлгөн.

Баштын салмагын болжолдоонун эң мыкты модели канчалык ийгиликтүү болгон?

4-таблицага ылайык, эң жакшы жыйынтык CatBoost stepwise моделинен алынган:

Булак direct CatBoostтан stepwise CatBoostка өткөндө тесттик R² салыштырмалуу %7,9га өскөнүн билдирет. Бирок бардык модель үй-бүлөлөрү бирдей жүрүм-турум көрсөтпөгөн: Random Forestта stepwise R² 0,659га түшсө, direct модель 0,779 көрсөткүчүн алган. Демек, илимий жыйынтык «stepwise бардык учурда жакшы» эмес, бул маалымат топтомунда көпчүлүк моделдерге жана өзгөчө CatBoostка жакшыраак натыйжа бергендиги болуп саналат.

13-сүрөттө эмне үчүн R²=0,775 көрүнөт, ал эми 4-таблицада 0,872?

Бул эки сан бир эле баалоо эсебинен алынган эмес. 4-таблица көз карандысыз тесттик топтомдун салыштыруусун берет, ал эми булак 13-сүрөт үчүн 5-fold cross-validation ичиндеги тесттик болжолдоолор бириктирилген өзүнчө «overall regression analysis» колдонулганын белгилейт.

Бул талдоодо stepwise CatBoost үчүн

\[ R^2=0.775,\qquad RMSE=178.85\ g,\qquad MAE=136.65\ g \]

деп билдирилген. Direct стратегиясы үчүн R²=0,749 жана RMSE=189,10 g көрсөтүлгөн. Булак бул метрикалар 4-таблицадагы көз карандысыз тесттик метрикалар менен толугу менен бирдей болбой турганын ачык белгилейт.

Ошол эле учурда 8:1:1 бөлүү менен 5-fold «test-set predictions» терминологиясынын кандайча байланышы жетиштүү деталдуу берилбегендиктен, эки баалоо протоколунун так байланышын булак текстинен кайра түзүү мүмкүн эмес.

14-сүрөт stepwise ыкмасынын логикасын колдойбу?

Баштын аянты бардык үлгүлөргө жалгыз сызыктуу түрдө fit кылынганда, баштын салмагынын түшүндүрүлгөн дисперсиясы болгону

\[ R^2=0.382 \]

болгон. Үлгүлөр компактуулук класстарына бөлүнгөндө сызыктуу байланыштар айырмаланган:

• Loose тобу: R²=0,506;
• Tight тобу: R²=0,830.

14-сүрөттө эки топтун регрессиялык жантайыштарынын кыйла айырмаланышы бардык үлгүлөрдү бир гана байланыш менен түшүндүрүү гетерогендүүлүктү жашырышы мүмкүн экенин көрсөтөт. Бул график CatBoost моделин түздөн-түз тастыктабайт; булак да белгилегендей, ал компактуулук топторунун салмак-аятн байланышы ар башка экенин гана визуалдаштырат.

Stepwise ыкмасында кайра өндүрүмдүүлүк боюнча маанилүү боштук барбы?

Ооба. Булак белгисиз үлгү адегенде «compactness-type classifier» аркылуу Loose же Tight деп классификацияланарын, андан кийин ылайыктуу ички регрессия тандаларын айтат. Бирок бул классификатор кириш катары кайсы фенотиптерди колдонгону, кайсы модель үй-бүлөсү менен түзүлгөнү, классификациянын ийгилиги жана K-means энбелгилери train/test бөлүштүрүүсүндө кандай башкарылганы кеңири баяндалган эмес.

Бул жагдай stepwise моделин кайра колдонууну кыйындатат. Айрыкча компактуулук энбелгисин аныктоодо чыныгы баш салмагы колдонулгандыктан, топтоштуруу окутуу маалыматтары менен гана түзүлгөн-түзүлбөгөнү ачык документтештирилиши маанилүү. Булак бул деталды бербегендиктен, маалыматтын агып кетиши болгон деп айтууга болбойт; бирок көз карандысыз тышкы текшерүү жүргүзүлмөйүнчө методологиялык тобокелдикти толугу менен жокко чыгарууга да болбойт.

Акылдуу баалоо системасы кол менен жүргүзүлгөн гермоплазманы баалоого канчалык жакындады?

Биринчи баскычта кол менен жана акылдуу баалоо системаларына орток 10 өзгөчөлүк колдонулуп, эки өзүнчө PCA баалоосу жүргүзүлгөн. KMO маанилери кол системасы үчүн 0,630, акылдуу система үчүн 0,611 болуп, Bartlett сферикалуулук тести эки системада тең P<0,001 деңгээлинде маанилүү чыккан.

Эки система:

• HCS4 жана HCS3тү эң жогорку натыйжалуу материалдардын катарына бирге киргизген;
• ZXHC-117 жана ZXHC-169 сыяктуу төмөн упайлуу материалдар боюнча окшош баалоолорду берген;
• алгачкы 10 материалда %50;
• алгачкы 20 материалда %65;
• акыркы 10 материалда %80 рейтингдик дал келүүнү көрсөткөн.

Бул жыйынтык акылдуу системанын кол рейтингин бирден-бирине көчүргөнүн билдирбейт. Айрыкча орто орундардагы материалдарда айырмачылыктар болгон. Булактын этият чечмелөөсү — система жогорку жана төмөнкү чектердеги жалпы айырмалоо багытын белгилүү деңгээлде кайра чыгара алгандыгы.

12 өзгөчөлүктүү толук баалоо системасында PCA эмнени көрсөттү?

Автоматтык же система колдонгон 12 өзгөчөлүк боюнча жүргүзүлгөн PCAда KMO=0,679 жана Bartlett тести

\[ \chi^2=475.529,\qquad df=66,\qquad P<0.001 \]

деп билдирилген.

PC1 өзгөчө жалбырактын аянтында, баштын диаметринде, баштын аянтында, өсүмдүктүн туурасында, баштын салмагында жана баштын түсүнүн кодунда жогорку оң жүктөмдөргө ээ болуп, булак муну өсүү–баштын өнүгүшү/түшүм огу катары чечмелейт.

Бирок булакта жалбырактын формасы, жалбырактын түсү, жалбырак сабы жана баштын түсү сыяктуу категориялык өзгөчөлүктөрдүн сандык коддору жөн гана категория энбелгиси экени ачык айтылган. Бул коддордун PCAда үзгүлтүксүз сандык өзгөрмөлөр катары колдонулушу булак тарабынан өзүнчө текшерилген эмес. Ошондуктан категориялык өзгөчөлүктөргө тиешелүү жүктөмдөрдү чыныгы физикалык «аралык» же сызыктуу фенотиптик градиент катары чечмелөөгө болбойт.

47 гермоплазма кантип топтоштурулган?

12 өзгөчөлүктү колдонгон кластерлөө 47 материалды төрт топко бөлгөн:

• I топ: жалпы жагынан тең салмактуу тип;
• II топ: баш салмагы жогору жана салыштырмалуу кеч жетилүүчү тип;
• III топ: чоң өсүмдүк, чоң баш жана жогорку түшүмдүүлүк өзгөчөлүктөрү бар өзгөчө тип;
• IV топ: кичине өсүмдүк, кичине баш жана эрте жетилүүчү тип.

III топко HCS4 материалы гана кирген. Булак бул материал үчүн өсүмдүктүн туурасын 152,26 cm, жалбырактын аянтын 15.146,80 cm², баштын аянтын 514,14 cm², баштын диаметрин 26,51 cm, баштын жетилүү мөөнөтүн 27 күн жана баштын салмагын 2.582,27 g деп билдирет.

IV топ көпчүлүк сандык өзгөчөлүктөрдө эң төмөн маанилерге жана 94,58 күнгө созулган эң кыска орточо өсүү мезгилине ээ топ катары аныкталган.

Комплекстүү упайлоодо кайсы материалдар алдыга чыкты?

Төрт негизги компоненттин дисперсияга кошкон салымдары аркылуу түзүлгөн комплекстүү фактор упайлары -1,02ден 1,87ге чейин өзгөргөн.

Бул рейтинг булак аныктаган 12 өзгөчөлүктүн жана колдонулган PCA салмактарынын контекстине тиешелүү. Ал «эң мыкты сорт» сыяктуу универсалдуу агрономиялык артыкчылыкты билдирбейт; ар башка өстүрүү чөйрөлөрү же селекциялык максаттар башка артыкчылыктарды жаратышы мүмкүн.

Иштелип чыккан программалык платформа эмне кылат?

16-сүрөт үч негизги модулу бар frontend колдонмосун көрсөтөт:

• Фенотипти чыгаруу: бир убакыттагы сүрөттөрдү топтоп жүктөп, өсүү мезгилин, өсүмдүктүн туурасын, жалбырактын аянтын, жалбырактын формасын, жалбырактын түсүн, жалбырак сабын, баштын аянтын, баштын диаметрин жана баштын түсүн чыгарат жана Excelге экспорттойт;
• Өсүү мезгилин талдоо: стандарттык фенотип файлдарынан SSD, RSD, CMD жана GP мөөнөттөрүн эсептейт;
• Баштын салмагын болжолдоо: алдын ала аныкталган CatBoost stepwise модели менен салмакты болжолдойт.

Визуалдык булак боюнча эскертүү: 16-сүрөттөгү колдонмо экранында «Broccoli Phenotype Analysis Platform» деген аталыш көрүнөт. Изилдөөнүн аталышы, материалы жана бүт метод бөлүмү cauliflower/гүлдүү капустага арналгандыктан, бул интерфейс энбелгиси булактын ичиндеги аталыш дал келбестиги болуп саналат; ал Verianla тарабынан унчукпай оңдолгон булак маалыматы эмес.

Изилдөө колдогон жыйынтыктар

• Изилденген күнөскана жана сүрөт тартуу шарттарында YOLO11s-seg гүлдүү капустаны көп белгилүү фенотиптөө милдеттеринде тактык менен ылдамдыктын күчтүү тең салмагын камсыз кылган.
• Сүрөттөн чыгарылган өсүмдүктүн туурасы жана баш диаметри тандалган текшерүү үлгүлөрүндө кол өлчөөлөрү менен R²>0,92 деңгээлинде дал келген.
• Сүрөттөрдүн убакыт катарынан көчөт, розетка, баштын жетилүүсү жана жалпы өсүү мөөнөтү сыяктуу өнүгүү фенотиптерин эсептөөгө мүмкүн болгон.
• Изилденген материалдарда баштын салмагы баштын морфологиясы, өсүмдүктүн көлөмү жана айрым өнүгүү мөөнөттөрү менен маанилүү корреляция көрсөткөн.
• CatBoost stepwise модели изилдөөнүн көз карандысыз тесттик баалоосунда эң жогорку R² маанисине — 0,872ге жеткен.
• Компактуулук топтору баштын аянты менен салмагынын байланышынын гетерогендүүлүгүн көрүнүктүү кылган.
• Төрт PCA компоненти колдонулган 12 өзгөчөлүктөгү дисперсиянын %79,587син түшүндүргөн.
• 47 гермоплазманы булак аныктаган фенотиптик өзгөчөлүктөрдүн негизинде төрт башка топко бөлүүгө мүмкүн болгон.

Изилдөө колдобогон же далилдебеген жыйынтыктар

• YOLO11s-seg бардык гүлдүү капуста талаалары, камералар же айлана-чөйрө шарттары үчүн универсалдуу эң мыкты сегментация модели экени көрсөтүлгөн эмес.
• CatBoost stepwise модели башка сорттордо же башка өстүрүү чөйрөлөрүндө R²=0,872 көрсөткүчүн сактай турганы далилденген эмес.
• Баштын салмагы чыныгы мааниде толугу менен сүрөттөн түз өлчөнбөйт; модель салмакты башка фенотиптерден болжолдойт.
• Изилдөө колдонгон компактуулук индекси үч өлчөмдүү физикалык ткандын тыгыздыгын түз өлчөө эмес.
• Корреляциялар кайсы бир фенотип баштын салмагын себептик түрдө көбөйтөрүн далилдебейт.
• Категориялык коддордун ортосундагы сандык айырмачылыктар биологиялык жактан бирдей интервалдуу сандык фенотип айырмасын билдирбейт.
• Акылдуу гермоплазма упайы кол менен жүргүзүлгөн баалоону бирден-бирине кайра чыгарган эмес; өзгөчө орто орундардагы материалдарда айырмачылыктар байкалган.
• Бир күнөсканадан, бир сүрөт тартуу платформасынан жана чектелүү генотип коллекциясынан алынган жыйынтыктар көп чөйрөлүү селекциялык сыноолордун ордун баспайт.

Изилдөөнүн Методу жана Жыйынтыктары

1. Бүт өсүү мезгилин сүрөткө тартуу

47 гермоплазма трансплантациядан жетилгенге чейин үч күндүк аралык менен сүрөткө тартылып, 9.672 жарактуу RGB өсүмдүк сүрөтү түзүлгөн. Сүрөт тартуу маалында айлана-чөйрөнүн жарыгы 120-150 μmol m^-2 s^-1 аралыгында кармалууга аракет кылынган. Муну менен модель көрсөткүчүндөгү сүрөт тартуу шарттарынан келип чыккан өзгөрмөлүүлүктү азайтуу көздөлгөн.

2. Маалыматтарды өсүмдүк деңгээлинде бөлүү

Өсүү баскычынын маалымат топтому үчүн үч күндүк аралык менен тандалган 3.363 сүрөт Labelme аркылуу маскаланган. Бир эле өсүмдүктүн ар башка күндөрдөгү сүрөттөрүнүн ар башка маалымат бөлүктөрүнө түшүшүнө жол бербөө үчүн split операциясы өсүмдүк идентификатору деңгээлинде жүргүзүлүп, катыш 8:1:1 деп белгиленген.

3. Сегментациянын сегиз архитектурасын сыноо

Моделдерди салыштырууда mAPbox50, mAPbox50-95, mAPmask50 жана mAPmask50-95 тактык өлчөмдөрү; Params, FLOPs жана FPS болсо эсептөө наркы/deployment өлчөмдөрү катары колдонулган.

Өсүү баскычы милдетинде YOLO11s-seg %93,0 mAPmask50-95 жана 86,96 FPS көрсөткүчүнө жеткен. Баштын түсү милдетинде 96,15 FPS; жалбырак сабы милдетинде болсо %98,70 mAPmask50-95 жана 91,74 FPS билдирилген.

Mask2Former өзгөчө жалбырактын формасы жана жалбырактын түсү сыяктуу айрым милдеттерде эң жогорку тактык натыйжаларын берген; бирок болжол менен 9-10 FPS деңгээлиндеги ылдамдыгы жогорку өндүрүмдүү фенотиптөө үчүн изилдөөчүлөр тарабынан кемчилик катары бааланган. Ошондуктан акыркы тандоо бир гана тактык таблицасына эмес, милдеттердин ортосундагы тең салмакка негизделген.

4. Сегментациядан физикалык фенотиптерге өтүү

YOLO11s-seg маскаларынан өсүмдүк жана баш пикселдери чыгарылып, Cal-area модулу аркылуу өсүмдүктүн туурасы, жалбырактын аянты, баштын диаметри жана баштын аянты эсептелген. Басылып чыккан масштабды өзгөртүү теңдемелеринде булактын ичиндеги карама-каршылык болгондуктан, бул теңдемелер сырттан оңдолгон түрдө колдонулган эмес.

Түз текшерүү сүрөттөн чыгарылган маанилерди кол өлчөөлөрү менен салыштыруу аркылуу жүргүзүлүп, өсүмдүктүн туурасы үчүн R²=0,929, баштын диаметри үчүн R²=0,935 алынган.

5. Убакыт катарынан өнүгүү фенотиптерин чыгаруу

Бир эле өсүмдүктүн удаалаш сүрөттөрүндөгү биринчи көчөт-розетка-түшүм классынын өзгөрүүлөрү колдонулуп, SSD, RSD, CMD жана GP мөөнөттөрү эсептелген. Ошентип, сегментация/классификациянын натыйжасы морфологиялык өзгөчөлүк менен гана чектелбестен, өнүгүү убактысынын фенотипине айландырылган.

6. Категориялык өзгөчөлүктөрдү коддоо

Булак төрт категориялык өзгөчөлүктү статистикалык көрсөтүү максатында сандык коддорго айландырган:

Булактын өз түшүндүрмөсүнө ылайык, бул сандар категория коду гана болуп, үзгүлтүксүз сандык чоңдукту, сапатты же артыкчылык тартибин билдирбейт. Ошондуктан кийинки корреляция жана PCA жыйынтыктарында категориялык коддордун сандык чоңдугуна физикалык маани жүктөөгө болбойт.

7. Баштын салмагын болжолдоону түзүү

Баштын салмагы үчүн CatBoost, Random Forest, Linear Regression, SVM жана MLP моделдери сыналган. Маалыматтар 8:1:1 катышында бөлүнүп, окутуу баскычында 5-fold cross-validation колдонулган.

Direct стратегиясы бардык материалдарга бир регрессияны колдонот. Stepwise стратегиясы адегенде баштын салмагы/баштын аянты катышынан чыгарылган компактуулук боюнча Loose жана Tight типтерин түзөт, андан кийин типке мүнөздүү регрессияларды колдонот.

4-таблицада CatBoost stepwise эң жакшы көрсөткүчтү берген:

\[ R^2_{test}=0.872 \]

\[ RMSE=155.05\ g,\qquad MAE=126.24\ g,\qquad MAPE=12.44\%. \]

Бул сандарды чечмелөө изилдөөнүн өзүнүн маалымат бөлүштүрүүсү менен чектелет. Cross-environment же cross-platform тышкы текшерүү жүргүзүлгөн эмес.

8. Жалпы регрессиялык талдоо

Булак 5-fold болжолдоолорун бириктирип жүргүзгөн өзүнчө жалпы талдоодо stepwise CatBoost R²=0,775 жана RMSE=178,85 g берген. 13-сүрөттө болжолдонгон жана өлчөнгөн маанилер жалпысынан оң сызыктуу байланышты көрсөтсө да, жогорку салмактагы үлгүлөрдүн саны азыраак жана бөлүштүрүү бир тектүү эмес.

Бул R² 4-таблицадагы 0,872 маанисинин ордуна жүргөн сан эмес; булак эки талдоону ар башка баалоо процедуралары катары берет.

9. K-means жана баш түзүлүшүндөгү гетерогендүүлүк

Компактуулук индексинин K-means талдоосу K=2де так elbow түзүп, материалдарды Loose/Tight катары бөлгөн. Бардык үлгүлөрдө баштын аянты менен салмагынын сызыктуу байланышы R²=0,382 болсо, Tight тобунда R²=0,830га жеткен. Булак бул гетерогендүүлүктү stepwise моделдөөнүн негиздеринин бири катары баалайт.

10. PCA жана гермоплазманы комплекстүү баалоо

12 өзгөчөлүк боюнча жүргүзүлгөн PCA төрт негизги компонент түзүп, жыйынды түшүндүрүлгөн дисперсия %79,587 болгон. Ушул компоненттер менен комплекстүү упай эсептелип, HCS4 1,87 менен эң жогорку, ZXHC-117 -1,02 менен эң төмөнкү упай катары билдирилген.

Кластерлөө талдоосу 47 материалды төрт топко бөлгөн. 15-сүрөттөгү жылуулук картасында III топтун HCS4төн гана турушу жана көптөгөн өсүү/баш фенотиптеринде жогорку стандартташкан маанилерге ээ болушу визуалдык жактан ачык көрүнөт.

11. Фенотиптөө программалык платформасы

Изилдөөнүн акыркы этабында сүрөт жүктөөнү, фенотип чыгарууну, өнүгүү мезгилин талдоону жана CatBoost аркылуу салмакты болжолдоону бириктирген frontend колдонмосу түзүлгөн. Система натыйжаларды Excel форматында чыгара алат.

Бул платформанын иштин ичинде көрсөтүлүшү изилдөө моделдин тактыгын салыштыруу менен гана чектелбестен, баштан аягына чейинки колдонуу прототибин иштеп чыгууга аракет кылганын көрсөтөт. Бирок интерфейсте көрүнгөн «Broccoli Phenotype Analysis Platform» аталышы булакта түшүндүрүлбөгөн аталыш дал келбестиги болуп саналат.

12. Негизги күчтүү жактар

• Бир эле материалдарды бүт өсүү мезгили бою кайталап сүрөткө тартуу;
• бир өсүмдүктүн сүрөттөрүнүн ар башка маалымат бөлүктөрүнө түшүшүнө жол бербеген plant-level split;
• сегментациянын сегиз архитектурасын бир эле милдеттер үй-бүлөсүндө салыштыруу;
• морфологиялык, өнүгүү жана категориялык өзгөчөлүктөрдү бир чынжырга бириктирүү;
• сүрөт өлчөөлөрүн кол өлчөөлөрү менен түз текшерүү;
• баштын салмагы сыяктуу кыйратуучу өзгөчөлүктү сүрөткө негизделген башка фенотиптерден болжолдоого аракет кылуу;
• сегментация натыйжаларын PCA, кластерлөө жана гермоплазманы баалоого чейин жеткирүү;
• талдоону колдонууга жарактуу программалык интерфейске айландыруу.

13. Негизги чектөөлөр

• 47 гермоплазма жана бир күнөскана/сүрөт тартуу платформасы колдонулган.
• Баштын салмагын болжолдоо үчүн үлгүнүн көлөмү чектелүү.
• Ар башка чөйрөлөрдүн, жылдардын жана камералардын/платформалардын ортосунда тышкы текшерүү жүргүзүлгөн эмес.
• Басылып чыккан пиксел-физикалык масштабды өзгөртүү теңдемелеринде булактын ичинде карама-каршылык бар.
• Басылып чыккан R²/RMSE теңдемелеринин көрсөтүлүшүндө математикалык/нотациялык көйгөйлөр бар.
• Stepwise моделиндеги compactness-type classifierдин деталдары жана көрсөткүчү жетиштүү баяндалган эмес.
• K-means топтору train/test бөлүштүрүүсүнө ылайык кандайча fit кылынганы ачык эмес.
• Категориялык коддор үзгүлтүксүз сандык чоңдук болбогонуна карабастан корреляция жана PCA талдоолоруна сандык түрдө киргизилген.
• Жалпы cross-validation регрессиясы менен көз карандысыз тесттик баалоонун байланышы толук ачык эмес.
• Программалык интерфейстеги «Broccoli» энбелгиси изилдөөнүн cauliflower материалына туура келбейт.

Түркиянын көз карашынан бул эмнени билдирет?

Бул изилдөө Кытайдагы Fujian Academy of Agricultural Sciences мекемесинин белгилүү күнөсканасында, камера геометриясында жана 47 гермоплазмада жүргүзүлгөн. Түркиядагы гүлдүү капуста селекциясы программаларына ошол эле R² же сегментация тактыгын түздөн-түз көчүрүү илимий жактан туура болбойт.

Эгер Түркия шарттарында колдонуу көздөлсө, жергиликтүү гүлдүү капуста генотиптери, ар башка күнөскана жана ачык талаа шарттары, күн нуру менен көлөкөнүн өзгөрүшү, отургузуу тыгыздыгы, жалбырактардын бири-бирин жабышы, камеранын бийиктиги жана оптикасы, ошондой эле жергиликтүү түшүм жыйноо критерийлери боюнча кайрадан сүрөт чогултуу жана тышкы текшерүү талап кылынат. Изилдөөнүн салымы Түркия үчүн даяр натыйжалуулук кепилдиги эмес, мындай жергиликтүү фенотиптөө системасын кантип түзүүгө болору боюнча методологиялык алкак болуп саналат.

Булак жана Метод жөнүндө эскертүү

Түпнуска изилдөө: A deep learning-based pipeline for multi-trait phenotyping, curd weight prediction and germplasm evaluation in cauliflower across the whole growth period

Авторлор: Saichuan Cheng; Qingqing Shao; Mindong Chen; Jianting Liu; Boyin Qiu; Haisheng Zhu.

Жооптуу автор: Haisheng Zhu.

Кош салым/биргелешкен биринчи авторлук: Жүктөлгөн булакта мындай билдирүү жок.

Аффилиация: Fujian Key Laboratory of Vegetable Genetics and Breeding, Crops Research Institute, Fujian Academy of Agricultural Sciences, Fuzhou 350003, China.

Булактын түрү: Preprint изилдөө иши.

Рецензиялык абалы: Бул иш preprint болуп саналат жана эксперттик рецензиядан өтпөгөн. Жүктөлгөн файлда бул абал ар бир бетте ачык көрсөтүлгөн.

Жарыялоо платформасы: SSRN.

SSRN идентификатору: 6837411.

DOI: 10.2139/ssrn.6837411

SSRN жарыяланган күнү: 27-май 2026.

Барактардын саны: SSRN жазуусунда 45 бет.

Журнал / том / сан: Текшерилген рецензияланган журнал версиясы жок болгондуктан колдонулбайт.

Расмий байланыш: SSRN Abstract 6837411 жазуу барагы.

Ачык жеткиликтүүлүк/лицензия: Жүктөлгөн иште жалпы кайра колдонууга уруксат берген Creative Commons түрүндөгү ачык лицензия аныкталган эмес. Ошондуктан булактын фигуралары түз кайра жарыяланган эмес.

Каржылоо: Жүктөлгөн файлда өзүнчө каржылоо билдирүүсү аныкталган эмес.

Маалыматтардын жеткиликтүүлүгү: Жүктөлгөн файлда өзүнчө Data Availability билдирүүсү же ачык маалымат репозиторийи аныкталган эмес.

Кызыкчылыктардын кагылышы: Жүктөлгөн файлда өзүнчө кызыкчылыктардын кагылышы тууралуу билдирүү аныкталган эмес.

CRediT/авторлордун салымдары: Жүктөлгөн файлда өзүнчө CRediT салым билдирүүсү аныкталган эмес.

Эксперименттик материал: 47 күзгү экотиптүү таза линиялуу гүлдүү капуста гермоплазмасы; 2024-жылдын октябры; Fujian Academy of Agricultural Sciences күнөскана чөйрөсү.

Сүрөткө тартуу: 9.672 жарактуу өсүмдүктүн RGB сүрөтү; мындан тышкары 141 жетилген баштын сүрөтү; 2096 × 2508 пикселдик чечилиш; үч күндүк сүрөткө тартуу аралыгы.

Сегментация моделдери: Mask R-CNN, HTC, SOLOv2, YOLACT, Mask2Former, YOLOv8s-seg, YOLO11s-seg жана YOLO12s-seg.

Тандалган негизги модель: YOLO11s-seg; тандоо бир гана максималдуу тактык метрикасына эмес, көп милдеттердеги сегментация тактыгынын, inference ылдамдыгынын жана модель татаалдыгынын тең салмагына негизделген.

Баштын салмагынын моделдери: CatBoost, Random Forest, Linear Regression, SVM/SVR жана MLP; direct жана compactness негизиндеги stepwise стратегиялары салыштырылган.

Эң жогорку билдирилген көз карандысыз тесттик көрсөткүч: CatBoost stepwise, R²=0,872; RMSE=155,05 g; MAE=126,24 g; MAPE=%12,44.

Булактын ичиндеги масштаб формуласы боюнча эскертүү: Текстте 1.956 пиксел 100 cmге туура келери айтылганы менен, (1), (4) жана (5) теңдемелериндеги катыштар бул аныктама менен ачык шайкештирилбейт. Булактын формуласы унчукпай оңдолгон эмес.

Булактын ичиндеги статистикалык формула боюнча эскертүү: Басылып чыккан R²нин (6) теңдемеси стандарттык R² аныктамасына туура келбеген көрсөтүлүшкө ээ. RMSEнин (7) теңдемесинде колдонулган k белгиси да түшүндүрмө текстиндеги p аныктамасына шайкеш эмес. Билдирилген натыйжа метрикалары булактагы сандар менен берилген, бул теңдемелер сырттан оңдолгон эмес.

Категориялык маалымат боюнча эскертүү: Булак LS, LC, PT жана CCOL үчүн колдонулган сандар категория коду гана экенин жана үзгүлтүксүз сандык байланышты көрсөтпөй турганын ачык белгилегени менен, кийин бул өзгөрмөлөрдү корреляция жана PCA талдоолоруна киргизет. Ошондуктан категориялык жүк/корреляция жыйынтыктары этият чечмелениши керек.

Stepwise моделин баяндоонун чеги: Compactness-type classifierдин кириштери, алгоритми, классификация көрсөткүчү жана K-means fit операциясынын cross-validation/test бөлүштүрүүсүндөгү так орду булакта кеңири берилген эмес. Ошондуктан ыкма толук кайра өндүрүлө турган деңгээлде баяндалган эмес.

Баалоо протоколу боюнча эскертүү: Булак 8:1:1 көз карандысыз бөлүүнү жана 5-fold cross-validation ыкмасын бирге колдонот; андан кийин fold тесттик болжолдоолорун бириктирген өзүнчө жалпы регрессиялык талдоону берет. Ошондуктан 4-таблицадагы тесттик R² маанилери менен 13-сүрөттөгү жалпы R² бири-бирин алмаштырбашы керек.

Интерфейс боюнча эскертүү: 16-сүрөттө колдонмо «Broccoli Phenotype Analysis Platform» деп белгиленген, бирок изилдөө cauliflower/гүлдүү капуста жөнүндө. Булактын бул көрүнүктүү дал келбестиги оңдолбостон берилген.

Илимий жалпылоонун чеги: Натыйжалар бир күнөсканада, бир сүрөт тартуу системасында, чектелүү гермоплазмада жана салыштырмалуу чакан баш салмагынын үлгүсүндө алынган. Ар башка географияда, мезгилде, камерада, отургузуу системасында жана генетикалык материалда тышкы текшерүү жүргүзүлмөйүнчө ошол эле көрсөткүч сакталат деп болжолдоого болбойт.

Булакка берилгендик: Бул Verianla мазмунундагы эксперименттик түзүлүш, моделдер, формулалар, фенотиптер, сандык натыйжалар, графиктердин чечмелөөсү, гермоплазма топтору жана методологиялык чектөөлөр жүктөлгөн 45 беттик ишке негизделет. Тышкы булактардан илимий тыянак кошулган эмес; тышкы булак иштин идентификаторун, SSRN күнүн, DOIни, авторлордун тартибин жана жарыялануу абалын библиографиялык жактан текшерүү үчүн гана колдонулган.