Добавленно в избранное
Ошибка!
Вход/Регистрация

Анализ цифровых изображений зерен для определения их пигментного состава

ДИСТАНТ
ПЛОЩАДКА МЦА
Биоинформатика
Сельское хозяйство
Обработка изображений
Компьютерное зрение
Машинное обучение
Классификация
Python

Описание проекта

Цвет оболочки зерен злаков – важный признак, характеризующий содержание пигментов и метаболитов. Наличие пигментов в оболочке влияет на различные технологические свойства зерна: растения с темной окраской зерна являются более холодо- и засухоустойчивыми, а также обладают повышенной устойчивостью к действию патогенов. Такие свойства окрашенных растений связаны с высоким содержанием антиоксидантов, а также с дополнительной механической прочностью оболочек зерна. Темная окраска колоса ячменя может быть обусловлена синтезом и накоплением двух групп пигментов. Голубая и фиолетовая окраска зерна связана с синтезом антоцианов. Серую и черную окраску ячменя обуславливают пигменты меланины. Данные пигменты могут накапливаться в оболочках зерна самостоятельно, либо совместно, поэтому визуально определить, накопление каких именно пигментов обуславливает темный цвет зерна, затруднительно. В исследовании будут использованы семена 125 образцов ячменя с темной окраской оболочек зерна с неизвестным пигментным составом, полученных из коллекции ячменя Всероссийского института генетических ресурсов растений имени Н.И. Вавилова (ВИР), а также 41 образец с известным пигментным составом, определенных при помощи генотипирования и качественных реакций на антоцианы и меланин. Данная коллекция зерен была отфенотипирована по фиксированному протоколу: зерно принадлежащее одному генотипу насыпалось в чашку Петри и фотографировалось. Таким образом было получено несколько тысяч цифровых изображений, на основе которых можно оценить различные цветовые и текстурные характеристики зерен.

На Мастерской участникам предстоит разработать метод оценки пигментного состава зерна ячменя на основе анализа цифровых изображений с помощью алгоритмов компьютерного зрения и машинного обучения.

Требования к участникам

  • Уметь программировать на языке Python на базовом уровне;
  • иметь представление о базовых алгоритмах машинного обучения и компьютерного зрения;
  • желателен опыт работы с библиотеками opencv, sklearn и pytorch.
Задание

Команда проекта

Глаголева Анастасия Юрьевна
Заказчик
Младший научный сотрудник лаборатории молекулярной фитопаталогии, Институт цитологии и генетики СО РАН
Генаев Михаил Александрович
Куратор
к.б.н., старший научный сотрудник Лаборатории эволюционной биоинформатики и теоретической генетики, Институт цитологии и генетики СО РАН
Комышев Евгений Геннадиевич
Куратор
Младший научный сотрудник Cектора биоинформатики и информационных технологий в генетике, Институт цитологии и генетики СО РАН
Генаев Константин Александрович
Куратор
data scientist, компания Expasoft