Core Concepts
大豆の水制限ストレスに対する効果的で効率的な自動化された方法を開発し、早期検出と分類を行うことが重要である。
Abstract
本研究は、多様な大豆アクセッションを調査し、高スループットフェノタイピングを使用して大豆の乾燥ストレス症状を迅速に分類するパイプラインを開発した。UAVとセンサーを使用した高スループット時系列フェノタイピングは、植物群落のしおれストレスを分類するために最も有効であった。RECIは、視覚的症状が現れる前に感受性と耐性のある大豆アクセッションを区別することに成功した。この結果は、早期ストレス検出方法論への貢献や育種および生産応用向けの選別苗圃での乾燥応答の迅速な分類に寄与する可能性がある。
Stats
大豆栽培における収量減少率は28%から74%まで変動する。
北米は減少した大豆収量リスクが高い地域である。
1980年代に日本から導入されたPI416937(MG 5)は、現代品種よりもゆっくり枯れていた。
遅い枯れラインは乾燥条件下でも低い収量減少率を示す。
視覚評価法では時間がかかり、作業量が多い。
UAV上のセンサーは高速かつ高解像度であり、育種プログラムに適している。
時間経過と共にキャノピーしおれが進行しやすくなる。
Quotes
"Canopy wilting has become a proxy measure for drought tolerance in soybean breeding efforts."
"We utilized high-throughput time-series phenotyping using UAVs and sensors in conjunction with machine learning (ML) analytics."
"These results can contribute to early stress detection methodologies and rapid classification of drought responses in screening nurseries for breeding and production applications."