Un equipo de investigación dirigido por el profesor Jiang Ni del Instituto de Genética y Biología del Desarrollo (IGDB) de la Academia China de Ciencias (CAS) propuso un método rentable para la adquisición en campo de imágenes del ángulo de la hoja bandera (FLANG) y desarrolló un modelo de aprendizaje profundo liviano, LeafPoseNet, para una estimación precisa de FLANG.
por Zhang Nannan, Academia China de Ciencias
FLANG es uno de los caracteres clave en el mejoramiento del trigo debido a su importante papel en la arquitectura de la planta, la intercepción de la luz y el potencial de rendimiento. Sin embargo, su medición sigue siendo un obstáculo en el fenotipado de alto rendimiento para el mejoramiento y la gestión del trigo moderno, debido a su dependencia de mediciones manuales, laboriosas y subjetivas.
Para abordar este desafío, los investigadores desarrollaron LeafPoseNet, un modelo de detección de pose basado en puntos clave que detecta automáticamente tres puntos clave: el centro de la hoja bandera (punto L), la unión entre la hoja bandera y el tallo (punto J) y el centro del tallo (punto S), lo que permite el cálculo automatizado de FLANG.
En comparación con los modelos de detección de puntos clave más modernos, LeafPoseNet demuestra un rendimiento superior, alcanzando un error absoluto medio (MAE) de 1,75°, un error cuadrático medio (RMSE) de 2,17° y un coeficiente de determinación (R²) de 0,998. Presenta una localización robusta de puntos clave en diversas formas de hojas y escenarios complejos. Gracias a su arquitectura ligera y alta eficiencia computacional, el modelo se puede implementar fácilmente en teléfonos inteligentes, lo que permite realizar mediciones de campo rápidas y de alto rendimiento.
Los investigadores demostraron la aplicación de LeafPoseNet para medir FLANG en un panel diverso de 221 accesiones de trigo harinero. Mediante un modelo lineal mixto (MLM) para el estudio de asociación de todo el genoma (GWAS), identificaron 10 loci de rasgos cuantitativos (QTL) asociados con FLANG, lo que proporcionó información importante sobre la arquitectura genética de FLANG en el trigo.
Este estudio , publicado en The Crop Journal , proporciona una herramienta útil para la medición en campo de alto rendimiento de FLANG en trigo, lo que facilita el mejoramiento y el análisis genético.
Más información: Qi Wang et al., LeafPoseNet: Un método económico y de alta precisión para estimar el ángulo de la hoja bandera en trigo, The Crop Journal (2025). DOI: 10.1016/j.cj.2025.07.002
