《Journal of Agriculture and Food Research》:Image-Based Quantitative Root Phenotyping Enables Reliable Origin Classification of Wild-Simulated Ginseng
编辑推荐:
由于野山参(Wild-Simulated Ginseng, WSG; Panax ginseng C. A. Meyer)存在低价进口产品冒充韩国国产WSG的现象,亟需可靠的产地认证方法。研究人员评估了基于图像提取的根形态特征能否为区分韩国WSG与中国产人参样
由于野山参(Wild-Simulated Ginseng, WSG; Panax ginseng C. A. Meyer)存在低价进口产品冒充韩国国产WSG的现象,亟需可靠的产地认证方法。研究人员评估了基于图像提取的根形态特征能否为区分韩国WSG与中国产人参样品提供客观框架。研究共采集248份标本(176份韩国WSG,72份中国产人参),进行成像后分割为根茎(crown)区和全根(whole-root)区,利用41项形态性状(12项根茎性状及29项全根性状)进行量化。采用错误发现率(False Discovery Rate, FDR)控制的统计检验、多元分析及分类建模评估性状差异与判别模式。FDR校正后,41项性状中有35项在产地间存在显著差异(12项根茎性状中9项显著,29项全根性状中26项显著)。中国产样品通常表现出更大的尺寸及粗度相关数值,特别是面积(Area)、周长(Perimeter)、直径(Diameter)、表面积(Surface Area)及体积(Volume)。FDR筛选出的性状支持了产地关联的多元分离及高分类性能,准确率(Accuracy)达98.8%–99.6%。研究结果表明定量根表型分析可支持人参无损产地群组筛查,并为自动化认证及质量控制体系提供实用基础,但仍需在更广泛的栽培及环境条件下进行外部验证。
论文解读:基于图像定量根表型分析的野山参(WSG)产地鉴别研究
本研究由Do-Sin Lee、Yeong-Bae Yun、Jun-Seo Yi、Dong-Young Kim、Sung-Hwan Jo及Yurry Um完成,发表于《Journal of Agriculture and Food Research》。野山参(Wild-Simulated Ginseng, WSG; Panax ginseng C. A. Meyer)是在山地自然培育、无人工设施的高价值林产品,较普通栽培人参含更高药理活性成分(如皂苷),市场价格高昂。随着健康食品市场需求增长,低价中国产人参冒充韩国产WSG的欺诈现象频发,严重损害本国产业竞争力与消费者信任,因此亟需科学客观的产地验证手段。现有方法如DNA标记难以区分同种内地域变异;人参皂苷谱或代谢组学受栽培环境与采收期影响大;近红外光谱(Near-Infrared Spectroscopy, NIR)及稳定同位素分析虽精度高,但需复杂前处理、昂贵仪器及专业人员,难以现场快速筛查大量样本。传统经验鉴别依赖专家目视根头(crown)形状、主根纹理及侧根发育模式,主观性强且难以量化。基于此,研究人员提出利用基于人工智能的图像表型分析技术,将WSG复杂根形态特征数字化并结合机器学习,建立定量化的产地鉴别框架。
研究人员共分析248份标本,包括176份韩国国立山林科学院确认的韩国WSG及72份中国产人参,剔除严重物理损伤、图像质量不足、比例尺未校准或分割失败样本。图像采集使用WinRHIZO系统及自建PhotoBox系统,按批次进行像素—毫米标定。根区划分采用Segment Anything Model 2(SAM 2)分割根茎区(截取2048×2048像素感兴趣区域),Florence-2结合SAM 2进行全根初始定位与边界细化,必要时人工修正。根茎区提取12项形态性状(面积、周长、长短轴长、圆度Circularity、固形度Solidity等),经形态学滤波去噪及OpenCV去除微小杂质后用ImageJ测量;全根区用RhizoVision Explorer v2.0.3提取29项性状(总根长Total Root Length、投影面积Projected Area、表面积Surface Area、体积Volume、平均直径Average Diameter、最大直径Maximum Diameter及径级分布衍生性状等)。统计分析先做Shapiro-Wilk正态性检验,再用Welch's t检验与Mann-Whitney U检验,Benjamini-Hochberg False Discovery Rate(BH-FDR)多重比较校正,两检验q < 0.05定义为稳健显著性状并纳入下游分析。多元分析对35项稳健显著性状标准化后进行主成分分析(Principal Component Analysis, PCA)与偏最小二乘判别分析(Partial Least Squares Discriminant Analysis, PLS-DA),计算变量投影重要性(Variable Importance in Projection, VIP)得分,单性状判别力用分层五折交叉验证逻辑回归得ROC曲线下面积(Receiver Operating Characteristic–Area Under Curve, ROC-AUC)。分类建模用逻辑回归、支持向量机(Support Vector Machine, SVM)、随机森林(Random Forest)、XGBoost及k最近邻(k-Nearest Neighbors, k-NN),均基于35项FDR显著性状,采用分层五折交叉验证评估准确率(Accuracy)、平衡准确率(Balanced Accuracy)、精确率(Precision)、召回率(Recall)、F1值及ROC-AUC,汇总混淆矩阵。
3.1. Distribution patterns of image-derived root phenotypes by origin
研究人员对比两国标本41项性状分布,发现产地差异主要体现在尺寸与粗度相关测量值。中国产样品根茎面积、周长、长短轴及Feret直径均大于韩国样品,根茎面积约为韩国样品的2.34倍;全根的总根长、平均直径、表面积及体积亦更大,其中平均直径约2.92倍、体积约14.94倍于韩国样品,表明组间分离不仅来自根长,也受直径驱动的立体性状增值影响。
3.2. Trait differences highlight a size- and thickness-associated phenotypic signal
经Welch's t检验与Mann-Whitney U检验及BH-FDR校正,41项性状中35项达稳健显著(根茎区9/12,全根区26/29)。根茎区不显著者为长短轴比(Minor-Major Axis Ratio)、圆度(Circularity)及圆整度(Roundness);全根区不显著者为根尖数(Number of Root Tips)、宽高比(Width-to-Height Ratio)及固形度(Solidity)。结果表明产地关联差异主要由尺寸与粗度性状捕获,比例形状或结构复杂度指标贡献较弱。
3.3. Multivariate analysis supports coordinated phenotypic separation
对35项稳健性状做PCA,PC1、PC2、PC3分别解释方差64.62%、13.48%、6.95%,韩国与中国组沿PC1明显分开。PLS-DA显示更清晰的监督分组,VIP分析识别出24项VIP ≥ 1.0的性状,最重要贡献者为平均直径、根茎面积、最大直径、凸包面积(Convex Area)及长根段根长,与单变量结果一致,证实分组由协调的表型结构支持。
3.4. Phenotype-based classification models support origin-associated discrimination
单性状逻辑回归ROC-AUC显示24项性状AUC ≥ 0.90,31项AUC ≥ 0.80。五类分类器利用35项性状的五折交叉验证准确率介于98.79%(XGBoost)至99.60%(SVM),仅1–4例误判。各模型平衡准确率、精确率、召回率、F1值及ROC-AUC均表现优异,证明图像提取的根茎与全根表型在本研究队列中为区分韩中WSG提供了稳定定量的判别依据。
讨论部分指出,分区域(根茎与全根)定义性状使局部冠部形态与整体根系架构得以并行评估,是本研究特征工程的关键贡献。尺寸、粗度相关形态信号(根茎大小、根直径、投影面积、表面积、体积)构成产地判别主因,表明RGB图像定量形态学可作为具生物学解释性的初筛工具,成本低、易推广,可与化学或分子手段互补。作者也承认局限性:样本集需在未来纳入不同栽培年限、采收期、土壤性质、海拔及微气候条件的更广地域样本以验证泛化性;根尖数、固形度等易受细根可见性与分割参数影响,未来可通过标准化成像协议与大数据集提升价值。建议后续整合人参皂苷谱、代谢组学、基因组学及光谱数据构建多模态产地认证与品质评价体系。
结论(翻译): 本研究表明基于RGB图像的根表型分析可提供有助于区分韩国野山参与中国产人参的定量形态学信息。从根茎及全根图像提取的41项性状中有35项在两组间呈稳健差异,说明产地组别分离由广泛的形态学特征而非少数孤立测量值支持。利用这些性状进行五种机器学习模型及分层五折交叉验证的分类评估证实,所提取表型在本分析队列中具有强判别价值。综上,图像衍生的根表型可作为实用且具解释性的WSG产地分类定量基础。