Ushbu tadqiqot gulkaramning ko‘chat bosqichidan tijoriy hosilgacha bo‘lgan butun o‘sish jarayonini RGB tasvirlari orqali kuzatib, morfologik, rivojlanish va kategorik fenotiplarni avtomatik ajratib olishni; keyin ushbu belgilar asosida gulkaram boshining og‘irligini bashorat qilishni hamda 47 ta germplazma materialini har tomonlama baholashni maqsad qiladi. Tadqiqotchilar 9.672 ta yaroqli o‘simlik tasviridan turli ma’lumotlar to‘plamlarini tuzib, Mask R-CNN, HTC, SOLOv2, YOLACT, Mask2Former, YOLOv8s-seg, YOLO11s-seg va YOLO12s-seg kabi sakkizta instance segmentation modelini taqqoslaydi; ko‘p vazifali ishlarda aniqlik va tezlik muvozanati sababli YOLO11s-seg ni umumiy asosiy model sifatida tanlaydi. Tasvirdan hisoblangan o‘simlik kengligi va gulkaram boshining diametri qo‘lda o‘lchashlar bilan R²=0,929 va R²=0,935 darajasida mos kelgani aniqlangach, tasvirga asoslangan belgilar bosh og‘irligini bashorat qilishda qo‘llanadi va ixchamlik turiga ko‘ra avval guruhlaydigan CatBoost stepwise modeli mustaqil testda R²=0,872 natija beradi. Biroq tajriba faqat 47 genotipning bitta issiqxona/platforma sharoitidagi tasvirlariga asoslangan; bosh og‘irligi bo‘yicha namuna hajmi nisbatan kichik va stepwise tizimidagi ixchamlik klassifikatorining tuzilishi yetarlicha batafsil bayon qilinmaganligi sababli boshqa muhitlar, tasvirlash tizimlari va germplazma to‘plamlariga umumlashtirish alohida tekshirilishi kerak.

Tadqiqotning e’tiborga molik jihati o‘simlikni tasvirdan segmentlarga ajratish bilangina cheklanmaydi. Bir xil vaqt qatoridan o‘simlik kengligi, barg maydoni, gulkaram boshi maydoni, bosh diametri, bosh rangi, barg shakli, barg rangi, barg bandi xususiyati, ko‘chat bosqichi davomiyligi, rozet bosqichi davomiyligi, boshning yetilish muddati va umumiy o‘sish davri kabi turli ma’lumot turlari yagona fenotiplash zanjirida birlashtiriladi. Yakuniy maqsad tasvir olishdan nav/germplazmani baholashgacha imkon qadar kontaktsiz va yuqori unumli tahlil jarayonini yaratishdir.

Tadqiqotning asosiy muammosi nimadan iborat?

Gulkaram seleksiyasi va germplazmani tavsiflashda o‘simlik kengligi, barg maydoni, bosh diametri, rang va rivojlanish muddati kabi ko‘plab belgilar an’anaviy tarzda inson kuzatuvi yoki qo‘lda o‘lchashni talab qiladi. Ayrim o‘lchashlar o‘simlikni butunlay yo‘q qilmasa-da, mehnat talab etadi; bosh og‘irligi kabi belgilar esa hosilni yig‘ish va tortishni talab qilgani uchun ayni o‘simlikning keyingi rivojlanishini kuzatishni to‘xtatadi.

Tadqiqot hal qilishga urinayotgan muammo bir vaqtning o‘zida faqat bitta belgini o‘lchaydigan tasvir modelidan kengroqdir. Tadqiqotchilar butun o‘sish davrida bir xil materialni kuzatadigan, o‘simlik va bosh morfologiyasini segmentatsiya orqali o‘lchaydigan, rivojlanish bosqichlarini vaqt qatoridan hisoblaydigan, kategorik belgilarni tasniflaydigan va yakuniy bosqichda bosh og‘irligi hamda germplazma ko‘rsatkichlarini bashorat qiladigan/baholaydigan integratsiyalashgan tizim yaratishni ko‘zlaydi.

Tajriba materiali va tasvir yig‘ish tizimi

Tadqiqotda Fujian Academy of Agricultural Sciences tomonidan taqdim etilgan kuzgi ekotipga ega 47 ta sof liniyali gulkaram germplazmasi ishlatilgan. Tajriba 2024-yil oktabr oyida muassasaning issiqxonasida o‘tkazilgan va o‘simliklar 1,0 m oraliqda yetishtirilgan.

RGB tasvirlari yuqori unumli dala fenotiplash platformasi yordamida vertikal tarzda olingan. Atrof-muhit yorug‘ligidagi o‘zgarishlarning tasvirlarga ta’sirini kamaytirish uchun har bir suratga olishdan oldin tajriba maydonining to‘rt burchagi va markazi spektrometr bilan o‘lchangan; o‘rtacha yorug‘lik intensivligi

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

oralig‘ida barqarorlashganda tasvirga olish boshlangan.

Tasvirlar transplantatsiyadan keyingi birinchi kundan boshlab oxirgi germplazma boshining yetilishi tugaguniga qadar har 3 kunda bir marta olingan. Natijada ko‘chat, rozet va tijoriy hosil bosqichlaridan jami 9.672 ta yaroqli o‘simlik tasviri yaratilgan. Bundan tashqari, yetilgan boshlardan 141 ta tasvir olingan. Barcha tasvirlarning aniqligi 2096 × 2508 pikselni tashkil etadi.

1-rasm ma’lumot yaratish jarayonini qanday ko‘rsatadi?

1-rasmda issiqxona ustidagi fenotiplash platformasining rels tizimi, RGB tasvirlash qurilmasi, vaqt davomida olingan o‘simlik tasvirlari va ko‘p yorliqlash mantig‘i bitta sxemada ko‘rsatilgan. Bir xil tasvirlash infratuzilmasidan turli ma’lumotlar to‘plamlari yaratilgan: o‘sish bosqichi, barg shakli, barg rangi, barg bandi xususiyati va bosh rangi.

Bu tuzilma tadqiqotning asosiy loyihalash tamoyilini ko‘rsatadi: har bir fenotip uchun alohida sensor tizimi qurish o‘rniga, standartlashtirilgan RGB tasvirlar turli segmentatsiya va tasniflash vazifalari uchun qayta ishlatiladi.

Ma’lumotlar to‘plamlari qanday tuzilgan?

Muhim metodologik qaror tasvirlarni tasodifiy ravishda alohida-alohida bo‘lmaslikdan iborat. Bir xil o‘simlikning turli sanalarda olingan tasvirlari ham o‘qitish, ham test to‘plamiga tushishi sun’iy ravishda yuqori natija berishi mumkinligi sababli bo‘lish birligi tasvir emas, alohida o‘simlik sifatida tanlangan va materiallar o‘qitish, validatsiya hamda test to‘plamlariga 8:1:1 nisbatda ajratilgan.

Qaysi segmentatsiya modellari taqqoslangan?

Ayni tadqiqot doirasida sakkiz xil arxitektura taqqoslangan:

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

Bu tanlov ikki bosqichli, bir bosqichli va Transformer asosidagi turli segmentatsiya yondashuvlarini qamrab oladi. Modelni baholashda faqat mAP aniqligi emas, parametrlar soni, FLOPs va soniyadagi kadrlar soni (FPS) ham hisobga olingan. Bu muhim, chunki yuqori unumli fenotiplashda aniqligi eng yuqori, ammo juda sekin model amaliyot uchun eng mos model bo‘lmasligi mumkin.

Modelni o‘qitish sozlamalari

O‘qitish Windows 11 tizimida Intel Core i9-13900HX protsessori va NVIDIA GeForce RTX 4060 GPU yordamida amalga oshirilgan. Dasturiy muhit Python 3.8.20, PyTorch 2.0.0, torchvision 0.15.1 va CUDA 11.8 ni o‘z ichiga olgan.

YOLO11s-seg nima uchun tanlangan?

Tadqiqot natijalari “eng yangi model har doim eng yaxshidir” degan oddiy tartibni ko‘rsatmaydi. Ayrim vazifalarda Mask2Former yoki boshqa YOLO modellari muayyan aniqlik metrikalarida YOLO11s-seg dan ustun keladi. Tadqiqotchilarning tanlovi beshta vazifa davomida barqaror aniqlik va yuqori ishlash tezligini birgalikda baholashga asoslangan.

2, 4, 6, 8 va 9-rasmlardagi aniqlik-tezlik grafiklarida an’anaviy modellar ayrim vazifalarda yuqori aniqlik bera olishi, biroq parametr/FLOP yuklamalari va ishlash vaqtlarining yuqoriroq ekani ko‘rinadi. YOLO11s-seg ning asosiy ustunligi bitta metrikani yutishidan ko‘ra ko‘p vazifalarda muvozanatli qolishidir.

Vizual model taqqoslovlari nimani anglatadi?

3, 5 va 7-rasmlar nafaqat raqamli mAP qiymatlarini, balki modellarning haqiqiy gulkaram tasvirlarida yo‘l qo‘ygan xatolarini ham ko‘rsatadi. O‘sish bosqichi namunalarida ayrim modellar rozet bosqichini ko‘chat yoki hosil bosqichini rozet sifatida tasniflagan; YOLACT va ba’zi an’anaviy modellar bo‘lakli yoki to‘liq bo‘lmagan chegaralarni hosil qilgan.

Bosh rangi tasvirlarida, ayniqsa barg bilan yopilgan och rangli boshlar qiyin namunalardir. Ayrim modellar nishonni o‘tkazib yuborgan yoki faqat ko‘rinadigan qismini segmentlagan bo‘lsa, manbada ko‘rsatilgan vakillik namunalarining barchasida YOLO11s-seg to‘g‘ri kategoriya va to‘liqroq chegara hosil qilgan.

Barg shakli taqqoslovida o‘xshash morfologiyaga ega kategoriyalarni ajratish va butun o‘simlik konturini to‘g‘ri chizish asosiy qiyinchilik bo‘lib ko‘rinadi. Bu tasvirlar model tanlovi faqat sinf yorlig‘i aniqligiga emas, balki maskaning shakliy sifatiga ham bog‘liqligini tasdiqlaydi.

O‘simlik kengligi va bosh diametri tasvirdan qanday hisoblangan?

Manba tasvir masshtabida 1.956 piksel 100 cm haqiqiy uzunlikka mos kelishini bildiradi. Bosma tenglamalar quyidagi ko‘rinishga ega:

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

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

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

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

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

Bu yerda LA barg maydonini, CA bosh maydonini, PW o‘simlik kengligini va CD bosh diametrini; \(W\) hamda \(H\) esa segmentatsiya nishonining piksel bilan ifodalangan chegaralovchi qutisi kengligi va balandligini bildiradi.

Manba ichidagi formula izohi: matnda 1.956 piksel 100 cm ga mos kelishi va \(Width_{100}\) 100 cm ga mos keluvchi piksel soni ekani aytilgan bo‘lsa-da, bosma formulalarda \(1956/Width_{100}\) nisbatidan foydalanish masshtabni o‘zgartirish nuqtayi nazaridan aniq emas. Manba formulasi bu yerda tuzatilmagan. Shu sababli, ayniqsa maydonni o‘zgartirishni qayta qo‘llash kerak bo‘lganda, original hisoblash kodi yoki muallif izohisiz bosma tenglama yakka holda yetarli deb qabul qilinmasligi kerak.

Tasvirdan olingan o‘lchovlar qo‘lda o‘lchashga qanchalik mos keldi?

Tekshiruv transplantatsiyadan keyingi 90-kuni amalga oshirilgan. O‘simlik kengligi tahlili 43 ta germplazmani qamrab olgan 120 ta o‘simlikda, bosh diametri tahlili esa ko‘rinadigan boshga ega 35 ta germplazmadan 87 ta o‘simlikda o‘tkazilgan.

10-rasmdagi tarqalish nuqtalari 1:1 mos yozuvlar chizig‘i yaqinida to‘planadi. Qoldiq histogrammalari nol atrofida markazlashgan, qoldiq-vs-fitted grafiklarida aniq yo‘nalishli tuzilma kuzatilmagan. Manba talqiniga ko‘ra, bu natijalar tasvirga asoslangan o‘simlik kengligi va bosh diametrining qo‘lda o‘lchashlar bilan yuqori mosligini qo‘llab-quvvatlaydi.

O‘sish davrlari tasvirlardan qanday chiqarib olingan?

Model har bir sanaga tegishli tasvirda o‘simlikning ko‘chat, rozet yoki tijoriy hosil bosqichini tasniflagach, ayni o‘simlikning vaqt qatoridan foydalanilgan.

• SSD: transplantatsiyadan rozet bosqichi birinchi marta aniqlangan kundan oldingi vaqtgacha o‘tgan muddat;
• RSD: birinchi rozet aniqlanishidan birinchi tijoriy hosil aniqlanishigacha o‘tgan muddat;
• CMD: birinchi tijoriy hosil aniqlanishidan o‘simlik yig‘ib olingach tasvirda ilk bor fon sifatida ko‘ringuniga qadar o‘tgan muddat;
• GP: transplantatsiyadan o‘simlik ilk bor fon sifatida aniqlangan sanagacha bo‘lgan umumiy o‘sish davri.

Shu tariqa alohida sanalardagi tasniflar bevosita rivojlanish muddati fenotiplariga aylantirilgan.

Fenotiplar orasidagi eng kuchli bog‘lanishlar qaysilar?

11-rasmdagi korrelyatsion issiqlik xaritasida o‘simlik o‘sishi, bosh rivojlanishi va bosh og‘irligi o‘rtasida yaqqol bog‘lanishlar ko‘rinadi. Manba xabar bergan asosiy korrelyatsiyalar quyidagilar:

Bu bog‘lanishlar korrelyatsiyadir; masalan, kattaroq barg maydoni o‘z-o‘zidan bosh og‘irligini sababiy ravishda oshirishini isbotlamaydi. Bundan tashqari, barg shakli, barg rangi, barg bandi va bosh rangi tahlillarda sonli kodlarga aylantirilgan. Manba bu kodlar miqdoriy tartib yoki ustunlikni anglatmasligini ochiq aytgani uchun, ushbu kategoriyalar bilan hisoblangan Pearson korrelyatsiyalarini ayniqsa ehtiyotkorlik bilan talqin qilish kerak.

“Ixchamlik” qanday ta’riflangan?

Tadqiqotda bosh ixchamligi (CC) qo‘lda o‘lchangan bosh og‘irligining tasvirdan olingan bosh maydoniga nisbati sifatida ta’riflangan:

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

Bu yerda CWt bosh og‘irligini, CA esa tasvirdan hosil qilingan ikki o‘lchovli bosh maydonini ifodalaydi. Demak, bu kattalik fizik uch o‘lchovli zichlikning bevosita o‘lchovi emas, balki tadqiqotda guruhlash maqsadida qo‘llangan og‘irlik/maydon asosidagi ixchamlik indeksidir.

K-means elbow tahlilida WCSS qiymati K=1 dagi 93,55 dan K=2 dagi 34,37 gacha keskin tushgan, keyin kamayish sekinlashgan. Shu sababli K=2 tanlangan.

• Loose: ixchamlik asosan 1,33-3,59;
• Tight: ixchamlik asosan 3,70-5,75;
• taxminiy ajratish nuqtasi: 3,6.

12-rasmda ikki taqsimotning turli hududlarda zichlashishi ushbu ajratishni vizual jihatdan qo‘llab-quvvatlaydi.

Bosh og‘irligi nima uchun bevosita emas, ikki bosqichda bashorat qilingan?

Manba gipotezasiga ko‘ra, bir xil ikki o‘lchovli bosh maydoniga ega ikki materialning ixchamlik tuzilmalari farq qilsa, og‘irlik-maydon munosabati ham bir xil bo‘lmasligi mumkin. Shu sababli ikki xil bashorat strategiyasi taqqoslangan.

Direct: barcha namunalar bitta regressiya modeli orqali bashorat qilinadi.

Stepwise: avval namunaning Loose yoki Tight ixchamlik sinfi aniqlanadi, so‘ng tegishli guruhga xos og‘irlik regressiyasi modeli qo‘llanadi.

CatBoost, Random Forest, Linear Regression, SVM/SVR va MLP dan iborat beshta model oilasi har ikki strategiya bilan sinovdan o‘tkazilgan.

Eng yaxshi bosh og‘irligi modeli qanchalik muvaffaqiyatli bo‘lgan?

4-jadvalga ko‘ra, eng yaxshi natija CatBoost stepwise modelidan olingan:

Manba direct CatBoostdan stepwise CatBoostga test R² o‘sishini nisbiy ravishda %7,9 deb ifodalaydi. Ammo barcha model oilalari bir xil xatti-harakatni ko‘rsatmagan: Random Forestda stepwise R² 0,659 gacha pasaygan, direct model esa 0,779 ga erishgan. Demak, ilmiy xulosa “stepwise har qanday holatda yaxshiroq” emas, balki ushbu ma’lumotlar to‘plamida ko‘pchilik modellar, ayniqsa CatBoost uchun yaxshiroq natija berganidir.

Nima uchun 13-rasmda R²=0,775, 4-jadvalda esa 0,872 ko‘rsatilgan?

Bu ikki raqam bir xil baholash hisobidan olinmagan. 4-jadval mustaqil test to‘plami taqqoslovini bersa, manba 13-rasm uchun 5-fold cross-validation ichidagi test bashoratlari birlashtirilgan alohida “overall regression analysis” qo‘llanganini bildiradi.

Ushbu tahlilda stepwise CatBoost uchun

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

qiymatlari xabar qilingan. Direct strategiya uchun R²=0,749 va RMSE=189,10 g. Manba ushbu metrikalar 4-jadvaldagi mustaqil test metrikalari bilan to‘liq bir xil bo‘lmasligini ochiq bildiradi.

Shunga qaramay, 8:1:1 bo‘linishi bilan 5-fold “test-set predictions” atamasining qanday bog‘langani yetarlicha batafsil berilmaganligi sababli, ikki baholash protokolining to‘liq munosabatini manba matnidan qayta tiklab bo‘lmaydi.

14-rasm stepwise yondashuvining mantiqini qo‘llab-quvvatlaydimi?

Bosh maydoni barcha namunalarga alohida holda chiziqli tarzda moslashtirilganda, bosh og‘irligining tushuntirilgan dispersiyasi faqat

\[ R^2=0.382 \]

bo‘lgan. Namunalar ixchamlik sinflariga ajratilganda chiziqli munosabatlar farqlangan:

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

14-rasmda ikki guruh regressiya qiyaliklarining yaqqol farq qilishi barcha namunalarni bitta munosabat bilan tushuntirish geterogenlikni yashirishi mumkinligini ko‘rsatadi. Ushbu grafik CatBoostning o‘zini bevosita tasdiqlamaydi; manba ta’kidlaganidek, faqat ixchamlik guruhlarida og‘irlik-maydon munosabatlari turlicha ekanini vizuallashtiradi.

Stepwise usulida muhim qayta ishlab bo‘ladiganlik bo‘shlig‘i bormi?

Ha. Manbada noma’lum namuna avval “compactness-type classifier” orqali Loose yoki Tight sifatida tasniflanishi, keyin esa mos quyi regressiya tanlanishi aytiladi. Biroq ushbu klassifikator kirish sifatida qaysi fenotiplardan foydalangani, qaysi model oilasi bilan tuzilgani, tasniflash natijasi va K-means yorliqlari train/test bo‘linishi ichida qanday boshqarilgani batafsil bayon qilinmagan.

Bu holat stepwise modelini qayta qo‘llashni qiyinlashtiradi. Ayniqsa ixchamlik yorlig‘ini aniqlashda haqiqiy bosh og‘irligidan foydalanilgani sababli, guruhlash faqat o‘qitish ma’lumotlari bilan tuzilganmi yoki yo‘qmi, ochiq hujjatlashtirilishi muhim. Manba bu tafsilotni bermagani uchun ma’lumot sizishi bor deb da’vo qilib bo‘lmaydi; biroq mustaqil tashqi validatsiya o‘tkazilmasdan metodologik xavfni ham butunlay istisno qilib bo‘lmaydi.

Intellektual baholash tizimi qo‘lda germplazma baholashga qanchalik yaqinlashgan?

Birinchi bosqichda qo‘lda va intellektual baholash tizimlarida umumiy bo‘lgan 10 ta belgi yordamida ikkita alohida PCA baholashi o‘tkazilgan. KMO qiymatlari qo‘lda ishlaydigan tizim uchun 0,630, intellektual tizim uchun 0,611 bo‘lgan va Bartlett sferiklik testi har ikki tizimda P<0,001 darajasida ahamiyatli topilgan.

Ikki tizim:

• HCS4 va HCS3 ni eng yuqori samarali materiallar qatorida birgalikda aniqlagan;
• ZXHC-117 va ZXHC-169 kabi past balli materiallar uchun o‘xshash baholar bergan;
• birinchi 10 materialda %50;
• birinchi 20 materialda %65;
• oxirgi 10 materialda %80 reyting mosligini ko‘rsatgan.

Bu natija intellektual tizim qo‘lda tuzilgan reytingni aynan takrorlaganini ko‘rsatmaydi. Ayniqsa o‘rta o‘rinlardagi materiallarda farqlar topilgan. Manbaning ehtiyotkorroq talqini shuki, tizim yuqori va past uchlardagi umumiy ajratish yo‘nalishini ma’lum darajada qayta ishlab bera olgan.

12 belgili to‘liq baholash tizimida PCA nimani ko‘rsatgan?

Avtomatik yoki tizim tomonidan ishlatilgan 12 ta belgi asosidagi PCAda KMO=0,679 va Bartlett testi

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

ko‘rinishida xabar qilingan.

PC1, ayniqsa, barg maydoni, bosh diametri, bosh maydoni, o‘simlik kengligi, bosh og‘irligi va bosh rangi kodida yuqori ijobiy yuklamalarga ega bo‘lib, manba buni o‘sish-bosh rivojlanishi/hosildorlik o‘qi sifatida talqin qiladi.

Biroq barg shakli, barg rangi, barg bandi va bosh rangi kabi kategorik belgilarning sonli kodlari faqat kategoriya yorlig‘i ekani manbada aniq aytilgan. Ushbu kodlardan PCAda uzluksiz miqdoriy o‘zgaruvchi kabi foydalanish natijalari manba tomonidan alohida sinovdan o‘tkazilmagan. Shu bois komponentlarning kategorik belgilarga tegishli yuklamalari haqiqiy fizik “masofa” yoki chiziqli fenotip gradienti sifatida talqin qilinmasligi kerak.

47 ta germplazma qanday guruhlangan?

12 ta belgidan foydalanilgan klasterlash 47 ta materialni to‘rt guruhga ajratgan:

• I guruh: umumiy jihatdan muvozanatli tip;
• II guruh: bosh og‘irligi yuqori va nisbatan kech yetiladigan tip;
• III guruh: yirik o‘simlik, yirik bosh va yuqori hosildorlik xususiyatiga ega maxsus tip;
• IV guruh: kichik o‘simlik, kichik bosh va erta yetiladigan tip.

III guruh faqat HCS4 materialidan iborat bo‘lgan. Manba ushbu material uchun o‘simlik kengligini 152,26 cm, barg maydonini 15.146,80 cm², bosh maydonini 514,14 cm², bosh diametrini 26,51 cm, boshning yetilish muddatini 27 kun va bosh og‘irligini 2.582,27 g deb xabar qiladi.

IV guruh esa ko‘pchilik miqdoriy belgilarda eng past qiymatlarga va 94,58 kunlik eng qisqa o‘rtacha o‘sish davriga ega guruh sifatida tavsiflangan.

Kompleks ball berishda qaysi materiallar ajralib chiqdi?

To‘rtta asosiy komponentning dispersiyaga qo‘shgan hissalari yordamida tuzilgan kompleks omil ballari -1,02 dan 1,87 gacha o‘zgargan.

Bu reyting manbada aniqlangan 12 ta belgi va qo‘llangan PCA og‘irliklari kontekstidadir. U “eng yaxshi nav” kabi universal qishloq xo‘jaligi ustunligini anglatmaydi; turli yetishtirish muhitlari yoki seleksiya maqsadlari turli ustuvorliklarni yuzaga keltirishi mumkin.

Ishlab chiqilgan dasturiy platforma nima qiladi?

16-rasm uchta asosiy modulga ega frontend ilovasini ko‘rsatadi:

• Fenotipni ajratib olish: bir vaqtda olingan tasvirlarni ommaviy yuklab, o‘sish davri, o‘simlik kengligi, barg maydoni, barg shakli, barg rangi, barg bandi, bosh maydoni, bosh diametri va bosh rangini ajratadi hamda Excelga eksport qiladi;
• O‘sish davri tahlili: standart fenotip fayllaridan SSD, RSD, CMD va GP muddatlarini hisoblaydi;
• Bosh og‘irligini bashorat qilish: oldindan belgilangan CatBoost stepwise modeli bilan og‘irlikni bashorat qiladi.

Vizual manba izohi: 16-rasmdagi ilova ekranida “Broccoli Phenotype Analysis Platform” sarlavhasi ko‘rinadi. Tadqiqot sarlavhasi, materiali va barcha metod bo‘limi cauliflower/gulkaramga bag‘ishlanganligi sababli, ushbu interfeys yorlig‘i manba ichidagi nomlash nomuvofiqligidir; bu Verianla tomonidan jimgina tuzatilgan manba ma’lumoti emas.

Tadqiqot qo‘llab-quvvatlaydigan natijalar

• O‘rganilgan issiqxona va tasvirlash sharoitlarida YOLO11s-seg ko‘p vazifali gulkaram fenotiplash topshiriqlarida kuchli aniqlik-tezlik muvozanatini ta’minlagan.
• Tasvirdan ajratib olingan o‘simlik kengligi va bosh diametri tanlangan tekshiruv namunalarida qo‘lda o‘lchashlar bilan R²>0,92 moslik ko‘rsatgan.
• Tasvir vaqt qatoridan ko‘chat, rozet, bosh yetilishi va umumiy o‘sish muddati kabi rivojlanish fenotiplari hisoblangan.
• O‘rganilgan materiallarda bosh og‘irligi bosh morfologiyasi, o‘simlik kattaligi va ayrim rivojlanish muddatlari bilan mazmunli korrelyatsiya ko‘rsatgan.
• CatBoost stepwise modeli tadqiqotdagi mustaqil test baholashida eng yuqori R² qiymati — 0,872 ga erishgan.
• Ixchamlik guruhlari bosh maydoni-og‘irlik munosabatidagi geterogenlikni ko‘rinadigan qilgan.
• To‘rtta PCA komponenti ishlatilgan 12 belgining dispersiyasidagi %79,587 ni tushuntirgan.
• 47 ta germplazma manba belgilagan fenotipik xususiyatlar asosida to‘rt xil guruhga ajratilgan.

Tadqiqot qo‘llab-quvvatlamagan yoki isbotlamagan natijalar

• YOLO11s-seg barcha gulkaram dalalari, kameralar yoki atrof-muhit sharoitlari uchun universal tarzda eng yaxshi segmentatsiya modeli ekani ko‘rsatilmagan.
• CatBoost stepwise modeli boshqa navlar yoki boshqa yetishtirish muhitlarida R²=0,872 natijasini saqlashi isbotlanmagan.
• Bosh og‘irligi haqiqiy ma’noda to‘liq va bevosita tasvirdan o‘lchanmaydi; model og‘irlikni boshqa fenotiplardan bashorat qiladi.
• Tadqiqotda ishlatilgan ixchamlik indeksi uch o‘lchovli fizik to‘qima zichligining bevosita o‘lchovi emas.
• Korrelyatsiyalar biror fenotip bosh og‘irligida sababiy o‘sish hosil qilishini isbotlamaydi.
• Kategorik kodlar orasidagi sonli farqlar biologik jihatdan teng oraliqli miqdoriy fenotip farqlarini anglatmaydi.
• Intellektual germplazma ballashi qo‘lda baholashni aynan takrorlamagan; ayniqsa o‘rta o‘rinlardagi materiallarda farqlar kuzatilgan.
• Bitta issiqxona, bitta tasvirlash platformasi va cheklangan genotiplar to‘plamidan olingan natijalar ko‘p muhitli seleksiya tajribalarining o‘rnini bosa olmaydi.

Tadqiqot Usuli va Natijalari

1. Butun o‘sish davrini tasvirlash

47 ta germplazma transplantatsiyadan yetilgungacha uch kunlik oraliqlarda tasvirlangan va 9.672 ta yaroqli RGB o‘simlik tasviri yaratilgan. Tasvir olish vaqtida atrof-muhit yorug‘ligi 120-150 μmol m^-2 s^-1 oralig‘ida saqlashga harakat qilingan. Shu tariqa model natijasida tasvirlash sharoitlaridan kelib chiqadigan o‘zgaruvchanlikni kamaytirish maqsad qilingan.

2. O‘simlik darajasida ma’lumotlarni ajratish

O‘sish bosqichi ma’lumotlar to‘plami uchun 3.363 ta tasvir olti kunlik oraliqlarda tanlangan va Labelme bilan maskalangan. Bir xil o‘simlikning turli kunlardagi tasvirlari turli ma’lumot bo‘linmalariga tushishining oldini olish uchun split amali o‘simlik identifikatori darajasida bajarilgan va nisbat 8:1:1 qilib belgilangan.

3. Sakkizta segmentatsiya arxitekturasini tekshirish

Model taqqoslovida mAPbox50, mAPbox50-95, mAPmask50 va mAPmask50-95 aniqlik o‘lchovlari; Params, FLOPs va FPS esa hisoblash xarajati/deployment o‘lchovlari sifatida ishlatilgan.

O‘sish bosqichi vazifasida YOLO11s-seg %93,0 mAPmask50-95 bilan 86,96 FPS ga erishgan. Bosh rangi vazifasida 96,15 FPS; barg bandi vazifasida esa %98,70 mAPmask50-95 va 91,74 FPS qayd etilgan.

Mask2Former ayniqsa barg shakli va barg rangi kabi ayrim vazifalarda eng yuqori aniqlik natijalarini bergan; biroq taxminan 9-10 FPS darajasidagi tezligi yuqori unumli fenotiplash nuqtayi nazaridan tadqiqotchilar tomonidan kamchilik deb baholangan. Shu sababli yakuniy tanlov bitta aniqlik jadvaliga emas, vazifalar o‘rtasidagi muvozanatga asoslangan.

4. Segmentatsiyadan fizik fenotiplarga o‘tish

YOLO11s-seg maskalaridan o‘simlik va bosh piksellari ajratib olingan; Cal-area moduli yordamida o‘simlik kengligi, barg maydoni, bosh diametri va bosh maydoni hisoblangan. Bosma masshtabni o‘zgartirish tenglamalarida manba ichidagi nomuvofiqlik mavjudligi sababli ushbu tenglamalar tashqaridan tuzatilgan shaklda ishlatilmagan.

Bevosita tekshiruv tasvirdan hosil qilingan qiymatlarni qo‘lda o‘lchangan qiymatlar bilan taqqoslash orqali bajarilgan va o‘simlik kengligida R²=0,929, bosh diametrida R²=0,935 olingan.

5. Vaqt qatoridan rivojlanish fenotiplarini ajratib olish

Bir xil o‘simlikning ketma-ket tasvirlaridagi dastlabki ko‘chat-rozet-hosil sinfi o‘zgarishlaridan foydalanib, SSD, RSD, CMD va GP muddatlari hisoblangan. Shunday qilib, segmentatsiya/tasniflash natijasi faqat morfologik belgiga emas, balki rivojlanish vaqti fenotipiga aylantirilgan.

6. Kategorik belgilarni kodlash

Manba to‘rtta kategorik belgini statistik taqdimot maqsadida sonli kodlarga aylantirgan:

Manbaning o‘z izohiga ko‘ra, bu sonlar faqat kategoriya kodidir; uzluksiz miqdor, sifat yoki ustunlik tartibi emas. Shu sababli keyingi korrelyatsiya va PCA natijalarida kategorik kodlarning sonli kattaligiga fizik ma’no yuklanmasligi kerak.

7. Bosh og‘irligi bashoratini tuzish

Bosh og‘irligi uchun CatBoost, Random Forest, Linear Regression, SVM va MLP modellari sinab ko‘rilgan. Ma’lumotlar 8:1:1 nisbatda bo‘lingan va o‘qitish bosqichida 5-fold cross-validation ishlatilgan.

Direct strategiyasi barcha materiallarga bitta regressiya qo‘llaydi. Stepwise strategiyasi avval bosh og‘irligi/bosh maydoni nisbatidan kelib chiqadigan ixchamlik asosida Loose va Tight turlarini hosil qiladi, keyin turga xos regressiyalardan foydalanadi.

4-jadvalda CatBoost stepwise eng yaxshi natijani bergan:

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

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

Ushbu sonlarning talqini tadqiqotning o‘z ma’lumotlar bo‘linishi bilan cheklangan. Cross-environment yoki cross-platform tashqi validatsiya o‘tkazilmagan.

8. Umumiy regressiya tahlili

Manbaning 5-fold bashoratlarini birlashtirib o‘tkazgan alohida umumiy tahlilida stepwise CatBoost R²=0,775 va RMSE=178,85 g natija bergan. 13-rasmda bashorat va o‘lchov qiymatlari umuman olganda ijobiy chiziqli munosabat ko‘rsatsa-da, yuqori og‘irlikdagi namunalar soni kamroq va taqsimot bir jinsli emas.

Bu R² 4-jadvaldagi 0,872 qiymatining o‘rnini bosmaydi; manba ikki tahlilni turli baholash protseduralari sifatida taqdim etadi.

9. K-means va bosh tuzilishidagi geterogenlik

Ixchamlik indeksining K-means tahlili K=2 da aniq elbow hosil qilgan va materiallar Loose/Tight sifatida ajratilgan. Barcha namunalarda bosh maydoni-og‘irlik chiziqli munosabati R²=0,382 bo‘lgan bo‘lsa, Tight guruhida R²=0,830 ga ko‘tarilgan. Manba ushbu geterogenlikni stepwise modellashtirishning asoslaridan biri sifatida baholaydi.

10. PCA va kompleks germplazma baholashi

12 ta belgi ustida o‘tkazilgan PCA to‘rtta asosiy komponentni hosil qilgan va kümülatif tushuntirilgan dispersiya %79,587 bo‘lgan. Ushbu komponentlar yordamida kompleks ball hisoblangan; HCS4 1,87 bilan eng yuqori, ZXHC-117 esa -1,02 bilan eng past ball sifatida qayd etilgan.

Klasterlash tahlili 47 ta materialni to‘rt guruhga ajratgan. 15-rasmdagi issiqlik xaritasida III guruh faqat HCS4 dan tashkil topgani va ko‘plab o‘sish/bosh fenotiplarida yuqori standartlashtirilgan qiymatlarga ega ekani vizual ravishda yaqqol ko‘rinadi.

11. Fenotiplash dasturiy platformasi

Tadqiqotning yakuniy bosqichida tasvir yuklash, fenotipni ajratish, rivojlanish davri tahlili va CatBoost og‘irlik bashoratini birlashtiruvchi frontend ilova yaratilgan. Tizim natijalarni Excel formatida eksport qila oladi.

Ushbu platformaning tadqiqotda ko‘rsatilishi izlanish faqat model aniqligini taqqoslash bilan cheklanmay, boshidan oxirigacha foydalanish prototipini ishlab chiqishga harakat qilganini ko‘rsatadi. Biroq interfeysda ko‘rinadigan “Broccoli Phenotype Analysis Platform” sarlavhasi manbada izohlanmagan nomlash nomuvofiqligidir.

12. Asosiy kuchli jihatlar

• Bir xil materiallarni butun o‘sish davri davomida takroriy tasvirlash;
• bir xil o‘simlik tasvirlarining turli ma’lumot bo‘linmalariga tushishiga to‘sqinlik qiluvchi plant-level split;
• sakkizta segmentatsiya arxitekturasini ayni vazifalar oilasida taqqoslash;
• morfologik, rivojlanish va kategorik belgilarni yagona zanjirda birlashtirish;
• tasvir o‘lchovlarini qo‘lda o‘lchovlar bilan bevosita tekshirish;
• bosh og‘irligi kabi destruktiv belgini tasvirga asoslangan boshqa fenotiplardan bashorat qilishga urinish;
• segmentatsiya natijalarini PCA, klasterlash va germplazma baholashigacha yetkazish;
• tahlilni foydalanish mumkin bo‘lgan dasturiy interfeysga aylantirish.

13. Asosiy cheklovlar

• 47 ta germplazma va bitta issiqxona/tasvirlash platformasidan foydalanilgan.
• Bosh og‘irligini bashorat qilish uchun namuna hajmi cheklangan.
• Muhitlar, yillar va turli kamera/platformalar o‘rtasida tashqi validatsiya o‘tkazilmagan.
• Bosma piksel-fizik masshtabni o‘zgartirish tenglamalarida manba ichidagi nomuvofiqlik mavjud.
• Bosma R²/RMSE tenglama ko‘rsatishlarida matematik/notatsion muammolar bor.
• Stepwise modelidagi compactness-type classifier tafsilotlari va natijasi yetarli darajada bayon qilinmagan.
• K-means guruhlari train/test bo‘linishiga ko‘ra qanday fit qilingani aniq emas.
• Kategorik kodlar uzluksiz miqdor bo‘lmasa-da, korrelyatsiya va PCA tahlillariga sonli tarzda kiritilgan.
• Umumiy cross-validation regressiyasi bilan mustaqil test baholashining aloqasi to‘liq ochiq emas.
• Dasturiy interfeysdagi “Broccoli” yorlig‘i tadqiqotning cauliflower materiali bilan mos kelmaydi.

Turkiya nuqtayi nazaridan bu nimani anglatadi?

Bu tadqiqot Xitoydagi Fujian Academy of Agricultural Sciences tarkibidagi muayyan issiqxona, kamera geometriyasi va 47 ta germplazma ustida o‘tkazilgan. Turkiyadagi gulkaram seleksiyasi dasturlariga aynan bir xil R² yoki segmentatsiya aniqligini bevosita ko‘chirish ilmiy jihatdan to‘g‘ri bo‘lmaydi.

Agar Turkiya sharoitida qo‘llash istalsa, mahalliy gulkaram genotiplari, turli issiqxona va ochiq dala sharoitlari, quyosh va soya o‘zgarishi, ekish zichligi, barglar ustma-ust tushishi, kamera balandligi va optikasi hamda mahalliy hosil yig‘ish mezonlari asosida qayta tasvir to‘plash va tashqi validatsiya qilish kerak. Tadqiqotning Turkiya uchun hissasi tayyor natija kafolatidan ko‘ra, bunday mahalliy fenotiplash tizimini qanday qurish mumkinligiga oid metodologik doiradir.

Manba va Usul Haqida Izoh

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

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

Mas’ul muallif: Haisheng Zhu.

Birgalikdagi hissa/birgalikdagi birinchi mualliflik: Yuklangan manbada bunday bayonot mavjud emas.

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

Manba turi: Preprint tadqiqot ishi.

Taqriz holati: Ushbu ish preprint bo‘lib, ekspertlar taqrizidan o‘tmagan. Yuklangan faylda bu holat har bir sahifada aniq ko‘rsatilgan.

Nashr platformasi: SSRN.

SSRN identifikatori: 6837411.

DOI: 10.2139/ssrn.6837411

SSRN nashr sanasi: 27-may 2026.

Sahifalar soni: SSRN qaydida 45 sahifa.

Jurnal / jild / son: Tasdiqlangan taqrizli jurnal versiyasi mavjud bo‘lmagani uchun qo‘llanmaydi.

Rasmiy havola: SSRN Abstract 6837411 qayd sahifasi.

Ochiq kirish/litsenziya: Yuklangan ishda umumiy qayta foydalanishga ruxsat beruvchi Creative Commons turidagi ochiq litsenziya aniqlanmagan. Shu sababli manba figuralari bevosita qayta nashr etilmagan.

Moliyalashtirish: Yuklangan faylda alohida moliyalashtirish bayonoti aniqlanmagan.

Ma’lumotlarning mavjudligi: Yuklangan faylda alohida Data Availability bayonoti yoki ochiq ma’lumotlar ombori aniqlanmagan.

Manfaatlar to‘qnashuvi: Yuklangan faylda alohida manfaatlar to‘qnashuvi bayonoti aniqlanmagan.

CRediT/muallif hissalari: Yuklangan faylda alohida CRediT hissasi bayonoti aniqlanmagan.

Tajriba materiali: 47 kuzgi ekotipli sof liniyali gulkaram germplazmasi; 2024-yil oktabr; Fujian Academy of Agricultural Sciences issiqxona sharoiti.

Tasvirlash: 9.672 ta yaroqli o‘simlik RGB tasviri; qo‘shimcha ravishda 141 ta yetilgan bosh tasviri; 2096 × 2508 piksel aniqlik; uch kunlik tasvirlash oralig‘i.

Segmentatsiya modellari: Mask R-CNN, HTC, SOLOv2, YOLACT, Mask2Former, YOLOv8s-seg, YOLO11s-seg va YOLO12s-seg.

Tanlangan asosiy model: YOLO11s-seg; tanlov bitta maksimal aniqlik metrikasidan ko‘ra ko‘p vazifalarda segmentatsiya aniqligi, inference tezligi va model murakkabligi muvozanatiga asoslangan.

Bosh og‘irligi modellari: CatBoost, Random Forest, Linear Regression, SVM/SVR va MLP; direct va compactness asosidagi stepwise strategiyalar taqqoslangan.

Qayd etilgan eng yuqori mustaqil test natijasi: CatBoost stepwise, R²=0,872; RMSE=155,05 g; MAE=126,24 g; MAPE=%12,44.

Manba ichidagi masshtab formulasi izohi: Matnda 1.956 piksel 100 cm ga mos kelishi aytilgan bo‘lsa-da, (1), (4) va (5)-tenglamalardagi nisbatlar ushbu ta’rif bilan aniq muvofiqlashtirilmagan. Manba formulasi jimgina tuzatilmagan.

Manba ichidagi statistik formula izohi: Bosma R² tenglamasi (6) standart R² ta’rifi bilan mos kelmaydigan ko‘rinishga ega. RMSE tenglamasi (7) da ishlatilgan k belgisi izoh matnidagi p ta’rifi bilan ham mos emas. Qayd etilgan natija metrikalari manbadagi sonlar bilan ko‘chirilgan, ushbu tenglamalar tashqaridan tuzatilmagan.

Kategorik ma’lumot izohi: Manba LS, LC, PT va CCOL uchun ishlatilgan sonlar faqat kategoriya kodi ekanini va uzluksiz miqdoriy munosabatni ko‘rsatmasligini ochiq aytgan bo‘lsa-da, keyinchalik bu o‘zgaruvchilarni korrelyatsiya va PCA tahlillariga kiritadi. Shu sababli kategorik yuklama/korrelyatsiya natijalari ehtiyotkorlik bilan talqin qilinishi kerak.

Stepwise modelini bayon qilish chegarasi: Compactness-type classifier ning kirishlari, algoritmi, tasniflash natijasi va K-means fit jarayonining cross-validation/test bo‘linishidagi aniq o‘rni manbada batafsil berilmagan. Shuning uchun usul to‘liq qayta ishlab bo‘ladigan darajada bayon qilinmagan.

Baholash protokoli izohi: Manba 8:1:1 mustaqil bo‘linish va 5-fold cross-validation yondashuvlarini birga qo‘llaydi; keyin fold test bashoratlarini birlashtiruvchi alohida umumiy regressiya tahlilini taqdim etadi. Shu bois 4-jadvaldagi test R² qiymatlari bilan 13-rasmdagi umumiy R² qiymatlari bir-birining o‘rnida ishlatilmasligi kerak.

Interfeys izohi: 16-rasmda ilova “Broccoli Phenotype Analysis Platform” deb belgilangan bo‘lsa-da, tadqiqot cauliflower/gulkaramga bag‘ishlangan. Ushbu ko‘rinadigan manba nomuvofiqligi tuzatilmagan holda bayon qilingan.

Ilmiy umumlashtirish chegarasi: Natijalar bitta issiqxona, bitta tasvirlash tizimi, cheklangan germplazma va nisbatan kichik bosh og‘irligi namunasi bilan olingan. Turli geografiya, mavsum, kamera, ekish tizimi va genetik materialda tashqi validatsiya o‘tkazilmasdan ayni natijaning saqlanishini taxmin qilib bo‘lmaydi.

Manbaga sodiqlik: Ushbu Verianla mazmunidagi tajriba tuzilishi, modellar, formulalar, fenotiplar, sonli natijalar, grafik talqinlari, germplazma guruhlari va metodologik cheklovlar yuklangan 45 sahifalik ishga asoslangan. Tashqi manbalardan ilmiy topilma qo‘shilmagan; tashqi manbadan faqat ish identifikatori, SSRN sanasi, DOI, mualliflar tartibi va nashr holatini bibliografik tekshirish uchun foydalanilgan.