基于平板扫描仪图像分析的稻米碱消值定量预测与可解释性

《Journal of Cereal Science》:Quantitative Prediction and Explainability of Rice Alkali Spreading Value Using Flatbed-Scanning Image Analysis

【字体: 大 中 小 】 时间:2026年09月26日 来源:Journal of Cereal Science 4.3

编辑推荐:

   •平板扫描仪工作流程在61,838粒水稻籽粒中量化了碱膨胀值(ASV) •品种专属验证获得了R2 = 0.9705,MAE = 0.1010 •筛选出的427变量候选LightGBM配置达到了中等级别MAE = 0.1201 •Grad-CAM、TreeSHAP和特征移除方法

  

•平板扫描仪工作流程在61,838粒水稻籽粒中量化了碱膨胀值(ASV)
•品种专属验证获得了R2 = 0.9705,MAE = 0.1010
•筛选出的427变量候选LightGBM配置达到了中等级别MAE = 0.1201
•Grad-CAM、TreeSHAP和特征移除方法提供了互补的解释性分析
•仅使用样本加权未能改善固定基线中等级别的MAE

**引言**

水稻(*Oryza sativa* L.)是全球超过半数人口的主要热量来源,碱膨胀值(ASV)是其烹煮和食用品质的关键指标,被广泛用作糊化温度(GT)的间接衡量指标——GT是烹煮过程中淀粉糊化行为的主要决定因素(Little等,1958;Champagne等,1999)。标准ASV操作流程基于KOH浸泡后籽粒的分散情况,在3至7的有序等级量表上赋予离散评分(GB/T 17891-2017),但该方法是劳动密集型操作,且依赖于主观的人类判断,无法满足现代大规模育种计划中对高通量、客观表型分析的需求(Armstrong等,2022)。随着育种组合规模的不断扩大,人工评分带来的通量瓶颈越来越严重地限制了以品质为导向的选择效率。

为使ASV评估客观化,研究人员探索了几种替代方法。Mariotti等(2010)是最早将平板扫描技术应用于量化籽粒分散情况的先驱之一,他们报告了图像衍生的崩解面积与人工评定的ASV评分之间存在高相关性(r ≈ 0.94)。近红外(NIR)光谱技术也被应用于单粒和批量精米ASV及GT的预测,尽管其校准具有特定的仪器和样本集依赖性(Armstrong等,2022)。可见光扫描与深度学习技术已实现水稻籽粒性状的高通量提取(Lu等,2023),Grad-CAM技术已实现稻米品质缺陷(如垩白度)的可解释定位(Wang等,2022)。然而,先前的ASV图像分析主要依赖传统图像衍生的测量方法(Mariotti等,2010),而更广范围的水稻籽粒视觉系统则主要针对物理缺陷、籽粒性状或品种分类,而非品种专属的有序ASV估计(Lu等,2023;Zia等,2022)。因此,受控成像、有序标签适配建模和可定量检验的可解释性仍有待在自动化ASV量化中实现整合。

从大规模预训练网络(如ConvNeXt(Liu等,2022)和ResNet(He等,2016))中提取的深层卷积特征能够捕获多尺度图像模式,而形态学描述符可直接量化基于图像的ASV评估中使用的宏观籽粒崩解和向外扩散情况(Mariotti等,2010)。因此,这些特征家族被评估为可能具有互补性,而非被假定有益。对于有序标签问题,在神经比较器中评估了CORN(Shi等,2023),而在LightGBM中单独评估了逆频率样本权重。通过固定特征敏感性比较,对其效应进行了经验性评估。

图像级别的随机划分不适用于本多籽粒数据集,因为同一品种的籽粒可能共享基因型和批次特定的视觉特征。如果同一品种的籽粒同时出现在训练和测试分区中,所得到的准确率可能会高估对未见育种材料的泛化能力。因此,我们采用了品种专属的GroupKFold交叉验证,将每个品种的全部49粒籽粒保持在同一折中。将受控平板扫描成像、消融驱动的有序建模和品种专属验证相结合,在一个框架内解决了成像变异、有序标签模糊性和组泄漏问题。

然而,一个基于图像的连续ASV框架能否在品种专属验证下与已建立的检验人员参考标准密切一致并保持可解释性,仍有待充分证明。在此,品种指一个独特的水稻品种、育种品系或杂交材料。我们分析了1,262个品种,每个品种有49粒不同的籽粒排列在一个7×7的托盘中,并组织成七个品种内小组(每组7粒)以便样本处理和汇总(共61,838粒籽粒及相应图像块)。这些籽粒小组是品种内子样本,而非独立的品种级别生物学重复。候选特征家族和学习器的比较仅用于选择单一推荐工作流程。目标包括:(i) 建立受控反射式平板扫描和单粒分割流程;(ii) 在品种专属五折GroupKFold交叉验证下选择并验证一个LightGBM工作流程;以及(iii) 量化与检验人员等级的吻合度,并使用空间重叠度、TreeSHAP汇总和特征移除敏感性测试来评估模型行为。

**章节摘要**

**水稻样品、实验设计与碱膨胀处理**

共从中国水稻研究所实验基地采集了1,262个水稻品种:籼稻(n = 244)、粳稻(n = 514)和杂交品种(n = 504)。此处,"品种"指一个独特的品种、育种品系或杂交材料,是实验和交叉验证的分组单位。每个品种选取49粒不同的精米籽粒,排列在一个7×7的托盘中,并组织成七个品种内小组(每组7粒)以便样本处理和

**成像变异评估**

平板扫描仪流程的图像一致性由两个指标表征:灰度标准差(GS-SD)和背景噪声像素计数,这些指标是对初始成像批次中全部224个品种计算得出的——这是完整的1,262品种数据集中用于成像变异试点评估的随机子集。受控扫描先前已支持基于图像的种子和水稻籽粒表型分析(Duc等,2023;Lu等,2023;Zia等,2022)。在本研究中,两个

**成像重复性与特征可解释性**

灰度离散度与背景噪声像素计数之间的正相关(r = 0.921)表明,在固定反射式扫描协议下,两个试点成像汇总指标呈共变关系。关闭盖子并固定托盘位置减少了明显的环境光和几何变化,但试点设计无法将残余变异分解为扫描仪、玻璃反射和品种外观等组成部分。由于仅评估了一台扫描仪,这些数据表征了设备内的

**结论**

本研究开发了一种连续的、可解释的ASV工作流程,以独立的人工检验为参考,并通过品种专属交叉验证在1,262个水稻品种中进行了验证。

推荐的方法为:以1200 dpi获取反射式平板扫描,随后进行YOLOv7辅助的单粒裁剪,采用427变量候选表示(含折特异性筛选),并通过LightGBM进行预测。在品种专属

**CRediT作者贡献声明**

刘元辉:资源获取、方法学、形式分析、概念构思。楚广:资源获取、调查研究、形式分析、数据管理、概念构思。蒋浩:资源获取、方法学、调查研究、资金获取、数据管理。俞凯:验证、监督、资源获取、方法学、形式分析。俞永红:资源获取、调查研究、形式分析、概念构思。王爱东:可视化、验证、资源获取、方法学、形式分析。方长云:

**数据可用性声明**

原始平板扫描图像、提取的特征数据集和训练模型代码属于正在进行的科研项目的一部分,目前无法公开发布。本手稿及随附补充材料提供了此处报告的汇总性能和敏感性结果。额外的处理数据可向通讯作者申请,但受项目和相关机构限制。

**伦理声明**

本手稿不包含涉及人类或动物受试者的研究。

**利益冲突声明**

作者声明,他们没有已知的竞争性经济利益或个人关系可能会影响本论文中所报告的工作。

**伦理审批与参与同意**

不适用。本研究未涉及人类参与者或动物。

**发表同意**

不适用。

**数据和材料的可获得性**

原始平板扫描图像、提取的特征数据集和训练模型代码属于正在进行的科研项目的一部分,目前无法公开发布。本手稿及随附补充材料提供了此处报告的汇总性能和敏感性结果。额外的处理数据可向通讯作者申请,但受项目和相关机构限制。

**竞争利益**

作者声明,他们没有已知的竞争性经济利益或个人关系可能会影响本论文中所报告的工作。

**生成式人工智能和AI辅助技术声明**

在文稿准备和修订过程中,作者使用了DeepSeek和OpenAI Codex/ChatGPT进行语言编辑、一致性检查和修订文稿草稿的准备。GPT Image 2(OpenAI)仅用于生成图1概念示意图和图文摘要的初始草稿。未使用任何生成式AI工具生成主要实验扫描图像或研究测量数据。所有AI辅助的文字和图形均由作者进行了审阅、修订和验证。

**生成式人工智能和AI辅助技术声明**

在文稿准备和修订过程中,作者使用了DeepSeek和OpenAI Codex/ChatGPT进行语言编辑、一致性检查和修订文稿草稿的准备。GPT Image 2(OpenAI)仅用于生成图1概念示意图和图文摘要的初始草稿。未使用任何生成式AI工具生成主要实验扫描图像或研究测量数据。所有AI辅助的文字和图形均由作者进行了审阅、修订和验证。

**资金**

本工作得到了中国国家自然科学基金(32572448);中国国家重点研发计划项目"南方水稻综合协同增产提质增效技术研发与示范"(2022YFD2300700);生物育种——国家重点研发计划项目(2023ZD04076);浙江省"万人计划"科技创新领军人才项目的资助。

**资金**

本工作得到了中国国家自然科学基金(32572448);中国国家重点研发计划项目"南方水稻综合协同增产提质增效技术研发与示范"(2022YFD2300700);生物育种——国家重点研发计划项目(2023ZD04076);浙江省"万人计划"科技创新领军人才项目的资助。

**竞争利益声明**

作者声明,他们没有已知的竞争性经济利益或个人关系可能会影响本论文中所报告的工作。

**致谢**

一般致谢:作者感谢中国水稻研究所公共实验室提供的技术支持。

李瑞杰 | 王爱东 | 高恒杰 | 秦金华 | 李子秋 | 冯祥谦 | 徐春梅 | 楚广 | 刘元辉 | 俞凯 | 蒋浩 | 方长云 | 俞永红 | 王丹颖 | 张云波 | 陈松
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号