Анализ морфометрических и оптических параметров семян подрода cepa (Allium L., Alliaceae) методом цифрового сканирования
https://doi.org/10.26898/0370-8799-2022-2-3
Аннотация
Представлены результаты исследования морфологии семян из подрода Cepa: секции Cepa (Mill.) Prokh. – Allium fistulosum L., A. altaiсum Pall., A. galanthum Kar. & Kir., A. oschaninii O. Fedtsch., A. pskemense B. Fedtsch.; секции Schoenoprasum Dum. – A. altyncoliсum, A. ledebourianum, A. oliganthum, A. schoenoprasum L.; секции Condensatum N. Friesen – A. cоndensatum. Морфологические признаки семян могут быть использованы в качестве дополнительных таксономических показателей в идентификации и различения таксонов в пределах подрода Cepa рода Allium. Семена имели длину 2,74–3,50 мм, ширину 1,33–2,14 мм. Измерение морфометрических и оптических параметров семянок осуществляли путем анализа изображений с помощью программного обеспечения. Цифровые изображения семянок получены с использованием цифрового планшетного сканера HP Scanjet 200, разрешение 600 dpi, формат файлов JPG. Определены морфометрические и оптические параметры семян, в том числе площадь проекции (см2), длина, ширина, периметр, средний размер (мм), средний диаметр Фере, факторы округлости, удлиненности, эллипса, изрезанности (отн. ед.), параметры яркости, тональности, насыщенности цвета (отн. ед.). По результатам исследования составлены ряды распределения видов в порядке убывания по каждому из изученных признаков. В пределах секции Cepa максимальные линейные размеры, периметр и площадь сечения имели семена A. pskemense. Среди представителей секции Schoenoprasum максимальную длину имели семянки A. altyncoliсum. Максимальные ширина, периметр, площадь сечения, средний диаметр Фере семян зафиксированы у A. ledebourianum. В секции Cepa среднее значение RGB в порядке убывания составило ряд: A. pskemense > A. galanthum > A. fistulosum > altaiсum > A. oschaninii. В секции Schoenoprasum этот ряд имеет вид: A. schoenoprasum > A. ledebourianum > A. altyncoliсum > A. oliganthum.
Об авторах
Ф. Б. МусаевРоссия
Мусаев Ф. Б. оглы, доктор сельскохозяйственных наук, ведущий научный сотрудник
143080
пос. ВНИИССОК
ул. Селекционная, д. 14
Московская область
Одинцовский район
Н. С. Прияткин
Россия
кандидат технических наук, старший научный сотрудник, заведующий сектором
Санкт-Петербург
М. И. Иванова
Россия
доктор сельскохозяйственных наук, профессор, заведующая лабораторией
Московская область
А. Ф. Бухаров
Россия
доктор сельскохозяйственных наук, заведующий лабораторией
Московская область
А. И. Кашлева
Россия
кандидат сельскохозяйственных наук, старший научный сотрудник
Московская область
Список литературы
1. Ahmad I., Muhamin A., Naeem Islam M. Realtime specific weed recognition system using histogram analysis, Proc // World academy of science, engineering and technology. 2006. N 16. Р. 145–148.
2. Aitkenhead M. J., Dalgetty I. A., Mullins C. E., McDonald A. J. S., St. Rachan, N. J. C. Weed and crop discrimination using image analysis and artificial intelligence methods // Computers and Electronics in Agriculture. 2003. N 39. Р. 157–171.
3. Karcher D. E., Rechardson M. D. Quantifying turf grass color using digital image analysis // Crop Science. 2003. N 3. Р. 943–951.
4. Aldea M., Frank T. D., Delucia E. H. A method for quantitative analysis for spatially variable physiological processes across leaf surfaces // Photosynthesis Research. 2006. N 90. Р. 161–172.
5. Dana W., Ivo W. Computer image analysis of seed shape and seed color of flax cultivar description // Computers and Electronics in Agriculture. 2008. N 61. Р. 126–135.
6. Musaev F. B., Priyatkin N. S., Shchukina P. A., Ivanova M. I., Jafarov I. H., Nowar M. Geometrical parameters and colour index of chive (Allium schoenoprasum) seed // Research on Crops. 2020. Vol. 21. N 4. Р. 775–782.
7. Мусаев Ф. Б. Цифровая морфометрия семян луковых культур / Ф. Б. Мусаев [и др.] // Овощи России. – 2021. – № 3. – С. 44–48.
8. Kapadia V. N., Sasidharan N., Patil К. Seed Image Analysis and Its Application in Seed Science Research // Advances in Biotechnology and Microbiology. 2017. Vol. 7. Iss. 2. Р. 1–3.
9. Tanabata T., Shibaya T., Hori K., Ebana K., Yano M. Smart Grain: high-throughput phenotyping software for measuring seed shape through image analysis // Plant physiology. 2012. N 4. Р. 1871–1880. DOI: 10.1104/pp.112.205120.
10. Whan A. P., Smith A. B., Cavanagh C. R., Ral J. P. F., Shaw L. M., Howitt C. A. Grain-Scan: a low cost, fast method for grain size and colour measurements // Plant Methods. 2014. N 10. Р. 1. URL: https://plantmethods.biomedcentral.com/articles/10.1186/1746-4811-10-23.
11. Bai X. D., Cao Z. G., Wang Y., Yu Z. H., Zhang X. F., Li C. N. Crop segmentation from images by morphology modeling in the CIE L*a*b color space // Computers and Electronics in Agriculture. 2013. N 99. Р. 21–34. DOI: 10.1016/j.compag.2013.08.022.
12. Zapotoczny P. Discrimination of wheat grain varieties using image analysis and neural networks, Part I, single kernel texture // Journal of Cereal Science. 2011. N 54. Р. 60–68. DOI: 10.1016/j.jcs.2011.02.012.
13. Sankaran S., Wang M., Vandemark G.J. Image-based rapid phenotyping of chickpeas seed size // Eng Agric Environ Food. 2016. N 9. Р. 50–55. DOI: 10.1016/j.eaef.2015.06.001.
14. Huang M., Wang Q. G., Zhu Q. B., Qin J. W., Huang G. Review of seed quality and safety tests using optical sensing technologies // Seed Science and Technology. 2015. N 43. Р. 337–366. DOI: 10.15258/sst.2015.43.3.16.
15. Cervantes E., Martín J. J., Saadaoui E. Updated methods for seed shape analysis // Scientifica. 2016. N 42. P. 1569–1825. DOI: 10.1155/2016/5691825.
16. Roussel J., Geiger F., Fischbach A., Jahnke S., Scharr H. 3D surface reconstruction of plant seeds by volume carving: performance and accuracies // Frontiers in Plant Science. 2016. N 7. P. 745. DOI: 10.3389/fpls.2016.00745.
17. Strange H., Zwiggelaar R., Sturrock C., Mooney S. J., Doonan J. H. Automatic estimation of wheat grain morphometry from computed tomography data // Functional Plant Biology. 2015. N 42. Р. 452–459. DOI: 10.1071/FP14068.
18. Fritsch R. M., Blattner F. R., Gurushidze M. New classification of Allium L. subg. Melanocrommyum (Webb & Berthel) Rouy (Alliaceae) based on molecular and morphological characters // Phyton. 2010. N 49. Р. 145–220.
19. Иванова М. И. Биохимический состав листьев видов Allium L. в условиях Московской области / М. И. Иванова [и др.] // Достижения науки и техники АПК. – 2019. – Т. 33. – № 5. – С. 47–50.
20. Bednorz L., Krzymińska A., Czarna A. Seed morphology and testa sculptures of some Allium L. species (Alliaceae) // Acta Agrobotanica. 2011. Vol. 64 (2). Р. 33–38.
21. Choi H. J., Giussani L. M., Jang C. G., Oh B. U., Cota-Sánchez J. Hugo. Systematics of disjunct northeastern Asian and northern North American Allium (Amaryllidaceae) // Botany. 2012. N 90 (6). Р. 491–508. DOI:10.1139/b2012-031.
22. Лакин Г. В. Биометрия: монография / Г. В. Лакин. – М.: Высшая школа, 1990. – 352 c.
23. Kasajima I. Measuring plant colors // Plant Biotechnology. 2019. N 36. Р. 63–75. DOI: 10.5511/plantbiotechnology.19.0322a.
Рецензия
Для цитирования:
Мусаев Ф.Б., Прияткин Н.С., Иванова М.И., Бухаров А.Ф., Кашлева А.И. Анализ морфометрических и оптических параметров семян подрода cepa (Allium L., Alliaceae) методом цифрового сканирования. Сибирский вестник сельскохозяйственной науки. 2022;52(2):22-31. https://doi.org/10.26898/0370-8799-2022-2-3
For citation:
Musaev F.B., Priyatkin N.S., Ivanova M.I., Bukharov A.F., Kashleva A.I. Analysis of morphometric and optical parameters of seeds of the subgenus cepa (Allium L., Alliaceae) by digital scanning. Siberian Herald of Agricultural Science. 2022;52(2):22-31. https://doi.org/10.26898/0370-8799-2022-2-3