Standard

Определение содержания меланина и антоцианов в зернах ячменя на основе анализа цифровых изображений методами машинного обучения. / Komyshev, E. G.; Genaev, M. A.; Busov, I. D. и др.

в: Vavilovskii Zhurnal Genetiki i Selektsii, Том 27, № 7, 15, 12.2023, стр. 859-868.

Результаты исследований: Научные публикации в периодических изданиях › статья › Рецензирование

Harvard

Komyshev, EG, Genaev, MA, Busov, ID, Kozhekin, MV, Artemenko, NV, Glagoleva, AY, Koval, VS & Afonnikov, DA 2023, 'Определение содержания меланина и антоцианов в зернах ячменя на основе анализа цифровых изображений методами машинного обучения', Vavilovskii Zhurnal Genetiki i Selektsii, Том. 27, № 7, 15, стр. 859-868. https://doi.org/10.18699/VJGB-23-99

APA

Komyshev, E. G., Genaev, M. A., Busov, I. D., Kozhekin, M. V., Artemenko, N. V., Glagoleva, A. Y., Koval, V. S., & Afonnikov, D. A. (2023). Определение содержания меланина и антоцианов в зернах ячменя на основе анализа цифровых изображений методами машинного обучения. Vavilovskii Zhurnal Genetiki i Selektsii, 27(7), 859-868. [15]. https://doi.org/10.18699/VJGB-23-99

Vancouver

Komyshev EG, Genaev MA, Busov ID, Kozhekin MV, Artemenko NV, Glagoleva AY и др. Определение содержания меланина и антоцианов в зернах ячменя на основе анализа цифровых изображений методами машинного обучения. Vavilovskii Zhurnal Genetiki i Selektsii. 2023 дек.;27(7):859-868. 15. doi: 10.18699/VJGB-23-99

Author

Komyshev, E. G. ; Genaev, M. A. ; Busov, I. D. и др. / Определение содержания меланина и антоцианов в зернах ячменя на основе анализа цифровых изображений методами машинного обучения. в: Vavilovskii Zhurnal Genetiki i Selektsii. 2023 ; Том 27, № 7. стр. 859-868.

BibTeX

@article{c496c290d08f481ea11348882ea73232,
title = "Определение содержания меланина и антоцианов в зернах ячменя на основе анализа цифровых изображений методами машинного обучения",
abstract = "Пигментный состав оболочек семян растений влияет на такие важные их свойства, как устойчивость к действию патогенов, прорастание на корню, а также механическая прочность. У ячменя ( Hordeum vulgare L.) темная окраска зерен может быть обусловлена синтезом и накоплением двух групп пигментов. Голубая и фиолетовая окраска зерна связана с синтезом антоцианов. Серую и черную окраску придают пигменты меланины. Данные пигменты могут накапливаться в оболочках зерна независимо либо совместно, поэтому визуально определить, накопление каких именно пигментов придает темный цвет зерна, затруднительно. Для точного определения наличия/отсутствия пигментов используются химические и генетические методы, которые дороги и трудоемки. Поэтому создание нового метода для быстрой оценки наличия определенных пигментов в зерновке является актуальной задачей, решение которой поможет при исследовании механизмов генетического контроля пигментного состава зерна. Настоящая работа посвящена разработке метода оценки пигментного состава зерен ячменя на основе анализа цифровых изображений с помощью алгоритмов компьютерного зрения и машинного обучения. Разработан протокол съемки для получения двумерных цифровых цветных изображений зерен. С использованием данного протокола получено 972 изображения для 108 образцов ячменя. Каждый образец мог содержать пигменты антоцианы и/или меланины. Для точного определения содержания пигментного состава образцов применялись химические методы. Для предсказания пигментного состава зерна на основе изображений было разработано четыре модели, основанных на методах компьютерного зрения и сверточных нейронных сетях различной архитектуры. Лучшую производительность на отложенной выборке показала модель сети U-Net, основанная на топологии EfficientNetB0 (значение параметра «точность» составило 0.821).",
keywords = "barley grains, digital image analysis, machine learning, pigment composition",
author = "Komyshev, {E. G.} and Genaev, {M. A.} and Busov, {I. D.} and Kozhekin, {M. V.} and Artemenko, {N. V.} and Glagoleva, {A. Y.} and Koval, {V. S.} and Afonnikov, {D. A.}",
note = "Комышев Е.Г., Генаев М.А., Бусов И.Д., Кожекин М.В., Артеменко Н.В., Глаголева А.Ю., Коваль В.С., Афонников Д.А. Определение содержания меланина и антоцианов в зернах ячменя на основе анализа цифровых изображений методами машинного обучения // Вавиловский журнал генетики и селекции. – 2023. – Т. 27. - № 7. – С. 859-868. Разработка протокола фенотипирования, алгоритма классификации и тестирования проводилась при финансовой поддержке Российского научного фонда (проект № 22-74-00122, https://rscf.ru/project/22-74-00122/). Для анализа данных использовались вычислительные ресурсы ЦКП «Биоинформатика» при поддержке бюджетного проекта FWNR-2022-0020. Авторы выражают благодарность Е.А. Заварзину и А.И. Ивлевой за участие в обучении моделей нейронных сетей.",
year = "2023",
month = dec,
doi = "10.18699/VJGB-23-99",
language = "русский",
volume = "27",
pages = "859--868",
journal = "Вавиловский журнал генетики и селекции",
issn = "2500-0462",
publisher = "Institute of Cytology and Genetics of Siberian Branch of the Russian Academy of Sciences",
number = "7",

}

RIS

TY - JOUR

T1 - Определение содержания меланина и антоцианов в зернах ячменя на основе анализа цифровых изображений методами машинного обучения

AU - Komyshev, E. G.

AU - Genaev, M. A.

AU - Busov, I. D.

AU - Kozhekin, M. V.

AU - Artemenko, N. V.

AU - Glagoleva, A. Y.

AU - Koval, V. S.

AU - Afonnikov, D. A.

N1 - Комышев Е.Г., Генаев М.А., Бусов И.Д., Кожекин М.В., Артеменко Н.В., Глаголева А.Ю., Коваль В.С., Афонников Д.А. Определение содержания меланина и антоцианов в зернах ячменя на основе анализа цифровых изображений методами машинного обучения // Вавиловский журнал генетики и селекции. – 2023. – Т. 27. - № 7. – С. 859-868. Разработка протокола фенотипирования, алгоритма классификации и тестирования проводилась при финансовой поддержке Российского научного фонда (проект № 22-74-00122, https://rscf.ru/project/22-74-00122/). Для анализа данных использовались вычислительные ресурсы ЦКП «Биоинформатика» при поддержке бюджетного проекта FWNR-2022-0020. Авторы выражают благодарность Е.А. Заварзину и А.И. Ивлевой за участие в обучении моделей нейронных сетей.

PY - 2023/12

Y1 - 2023/12

N2 - Пигментный состав оболочек семян растений влияет на такие важные их свойства, как устойчивость к действию патогенов, прорастание на корню, а также механическая прочность. У ячменя ( Hordeum vulgare L.) темная окраска зерен может быть обусловлена синтезом и накоплением двух групп пигментов. Голубая и фиолетовая окраска зерна связана с синтезом антоцианов. Серую и черную окраску придают пигменты меланины. Данные пигменты могут накапливаться в оболочках зерна независимо либо совместно, поэтому визуально определить, накопление каких именно пигментов придает темный цвет зерна, затруднительно. Для точного определения наличия/отсутствия пигментов используются химические и генетические методы, которые дороги и трудоемки. Поэтому создание нового метода для быстрой оценки наличия определенных пигментов в зерновке является актуальной задачей, решение которой поможет при исследовании механизмов генетического контроля пигментного состава зерна. Настоящая работа посвящена разработке метода оценки пигментного состава зерен ячменя на основе анализа цифровых изображений с помощью алгоритмов компьютерного зрения и машинного обучения. Разработан протокол съемки для получения двумерных цифровых цветных изображений зерен. С использованием данного протокола получено 972 изображения для 108 образцов ячменя. Каждый образец мог содержать пигменты антоцианы и/или меланины. Для точного определения содержания пигментного состава образцов применялись химические методы. Для предсказания пигментного состава зерна на основе изображений было разработано четыре модели, основанных на методах компьютерного зрения и сверточных нейронных сетях различной архитектуры. Лучшую производительность на отложенной выборке показала модель сети U-Net, основанная на топологии EfficientNetB0 (значение параметра «точность» составило 0.821).

AB - Пигментный состав оболочек семян растений влияет на такие важные их свойства, как устойчивость к действию патогенов, прорастание на корню, а также механическая прочность. У ячменя ( Hordeum vulgare L.) темная окраска зерен может быть обусловлена синтезом и накоплением двух групп пигментов. Голубая и фиолетовая окраска зерна связана с синтезом антоцианов. Серую и черную окраску придают пигменты меланины. Данные пигменты могут накапливаться в оболочках зерна независимо либо совместно, поэтому визуально определить, накопление каких именно пигментов придает темный цвет зерна, затруднительно. Для точного определения наличия/отсутствия пигментов используются химические и генетические методы, которые дороги и трудоемки. Поэтому создание нового метода для быстрой оценки наличия определенных пигментов в зерновке является актуальной задачей, решение которой поможет при исследовании механизмов генетического контроля пигментного состава зерна. Настоящая работа посвящена разработке метода оценки пигментного состава зерен ячменя на основе анализа цифровых изображений с помощью алгоритмов компьютерного зрения и машинного обучения. Разработан протокол съемки для получения двумерных цифровых цветных изображений зерен. С использованием данного протокола получено 972 изображения для 108 образцов ячменя. Каждый образец мог содержать пигменты антоцианы и/или меланины. Для точного определения содержания пигментного состава образцов применялись химические методы. Для предсказания пигментного состава зерна на основе изображений было разработано четыре модели, основанных на методах компьютерного зрения и сверточных нейронных сетях различной архитектуры. Лучшую производительность на отложенной выборке показала модель сети U-Net, основанная на топологии EfficientNetB0 (значение параметра «точность» составило 0.821).

KW - barley grains

KW - digital image analysis

KW - machine learning

KW - pigment composition

UR - https://www.scopus.com/record/display.uri?eid=2-s2.0-85181486729&origin=inward&txGid=f8ea8cac1e39e481aa1e8bd4034c1f85

UR - https://elibrary.ru/item.asp?id=56697325

UR - https://www.mendeley.com/catalogue/f4780feb-6ccd-3b2c-a8c3-02e63159b878/

U2 - 10.18699/VJGB-23-99

DO - 10.18699/VJGB-23-99

M3 - статья

C2 - 38500740

VL - 27

SP - 859

EP - 868

JO - Вавиловский журнал генетики и селекции

JF - Вавиловский журнал генетики и селекции

SN - 2500-0462

IS - 7

M1 - 15

ER -

ID: 59731477