Аннотация результатов, полученных в 2017 году
Структура колоса – один из важнейших признаков злаков, связанный с такими их хозяйственно ценными качествами, как продуктивность, легкость обмолота. Колосья отличаются по форме, размерам, плотности, остистости, цвету и т. д. Оценка характеристик колоса выполняется экспертом на основании визуального анализа колоса и в настоящее время требует существенных затрат времени. Эффективность определения характеристик колосьев можно повысить за счет внедрения компьютерных технологий, организации хранения информации в базах данных, использования алгоритмов машинного обучения для анализа полученной информации. Проект посвящен новому подходу к сбору, хранению и анализу информации о морфометрических характеристиках колоса пшеницы. В результате выполнения первого этапа проекта разработано несколько протоколов получения цифровых изображений колоса. Создана компьютерная информационная система SpikeDroidDB, которая позволяет хранить цифровые изображения колоса, аннотировать их фенотипические характеристики (всего 14 признаков), предоставляет гибкую систему запросов для доступа к данным. В системе SpikeDroidDB для растений взаимосвязанным образом описываются генотип, фенотип, место и условия выращивания. Web-интерфейс системы SpikeDroidDB доступен по адресу http://spikedroid.biores.cytogen.ru/ и позволяет работать с системой как со стационарных компьютеров, так и с мобильных устройств. С использованием SpikeDroidDB произведена оцифровка и аннотация коллекции колосьев гибридов F2 от скрещивания австралийского сорта мягкой пшеницы TripleDirk с образцом KU506 китайской пшеницы Triticum yunnanense. Проведен анализ изменчивости колосьев по форме, длине и ширине. Используя данные, накопленные в системе SpikeDroidDB, мы разработали метод морфометрии колоса пшеницы. Было реализовано несколько вариантов алгоритма автоматического распознавания колоса, которые используют разные модели аппроксимации его формы: профилирование, преобразование Фурье, трапециевидная модель, радиальная модель. При решении задачи классификации колосьев по типу формы колоса (норма, спельта, компакт) и остистости (остистый, безостый) мы использовали несколько методов машинного обучения (логистическую регрессию, случайный лес и метод ближайшего соседа). Результаты показали, что точность определения типа колоса составила 0.59, а остистости – 0.71. Задачи, поставленные на текущем этапе исследований, были успешно выполнены.

Аннотация результатов, полученных в 2018 году
Форма и структура колоса – важнейшие характеристики возделываемых злаков, связанные с такими их хозяйственно ценными качествами, как продуктивность, отсутствие ломкости колоса и легкость обмолота. Для выявления генов, контролирующих данные признаки, необходим сбор и анализ большого количества морфометрических данных, которые в большинстве исследований выполняются экспертами на основании визуального анализа колоса и измерений вручную. Автоматизация этого процесса за счет внедрения технологий анализа цифровых изображений позволит сократить затраты времени на сбор обработку данных. Мы предлагаем метод оценки количественных характеристик колоса на основе анализа 2D изображений, полученных в результате цифровой съемки колоса с помощью двух протоколов, расположенного на столе (в одной проекции) и вертикально на прищепке (в четырех проекциях). Метод позволяет выделить на изображении колос, ости, и оценить их количественные характеристики (площадь на изображении, длину, ширину, округлость и другие параметры). Для описания формы колоса предложено несколько подходов: модели сечений, четырехугольников, радиальная модель. Параметры этих моделей были использованы для предсказания плотности колоса и его типа (спельтоидного, нормы и компактного) методами машинного обучения. Показано, что для изображений в одной проекции (на столе) средняя ошибка предсказания плотности колоса на тестовых данных составила 4.61 (~18%), для параметров, полученных в результате анализа четырех проекций колоса – 3.33 (~13%). При автоматической классификации колоса на три типа наилучшее значение меры F1 для изображений, полученных по протоколу на столе составило 0.78 (логистическая регрессия), а при анализе четырех проекций колоса – 0.85 (случайный лес). Реализация предложенного метода на языке Java, примеры изображений и инструкции для запуска доступны по адресу http://wheatdb.org/werecognize Применение методов количественного цифрового фенотипирования для анализа параметров клубнеобразования диких клубненосных видов картофеля актуально для аннотации коллекций и для отбора оптимального донорного материала в работах по селекции культурного картофеля. На сегодняшний день в литературе не описано методов, позволяющих объективно количественно оценить морфологические параметры клубней дикого картофеля. В настоящей работе был проведен эксперимент по оценке морфологических характеристик клубней диких видов секции Petota Dumort. рода Solanum L. при помощи мобильного приложения SeedCounter, анализирующего изображения объектов, размещенных на стандартном листе бумаги. Двенадцать образцов генотипов из коллекции ВИР, относящихся к девяти диким видам, были выращены в вегетационных сосудах, расположенных в парнике, обтянутом укрывным материалом, в сроки вегетации культурного картофеля (Новосибирская область). Урожай клубней получен с представителей девяти генотипов. Измерена масса клубней с одного растения, урожай каждого растения проанализирован при помощи настольной версии приложения SeedCounter (http://wheatdb.org/seedcounter). Произведен подсчет клубней, для каждого клубня получены следующие характеристики: длина, ширина, площадь проекции на лист бумаги, отношение длины к ширине, округлость, закругленность, шероховатость и компактность. При попарном сравнении девяти видов по перечисленным параметрам были выявлены достоверные различия в 86 % исследуемых пар. На основании показателей отношения длины к ширине и площади проекции клубня предложена формула для вычисления объема урожая клубней с одного куста. Вычисленные значения объема урожая имеют высокую корреляцию со значениями массы урожая с одного куста. Показатель объема урожая предлагается использовать для общей характеристики клубнеобразования дикого картофеля по четырехбалльной шкале (от 0 до 3). В исследуемой группе образцов выявлены генотипы, обладающие нулевым, слабым, средним и высоким клубнеобразованием. Полученные данные частично соответствуют оценке клубнеобразования, проведенной по критериям ВИР. Различие в результатах оценки, вероятно, связано с условиями выращивания материала. Результаты применения метода позволяют рассматривать его как перспективный способ стандартного фенотипирования образцов коллекций диких видов картофеля.