Graines « exposées » ! Une méthode pour révéler automatiquement les traits morphologiques des graines à partir d’images. – Blog des méthodes
Message fourni par Roberta LC Dayrell
La connaissance de la morphologie des graines est une ressource essentielle pour les praticiens et les scientifiques de diverses disciplines telles que la botanique, l’agriculture, la restauration, la conservation et l’archéologie. Les attributs morphologiques peuvent éclairer les études sur des sujets tels que la dispersion des graines, la prédation, la longévité et la germination. Ces connaissances ont également des applications pratiques, notamment l’identification des semences et les évaluations de la qualité et de la maturité. Mais extraire des informations significatives de ces structures peut être plus délicat qu’il n’y paraît !
Défis de l’analyse morphologique des semences
C’est ce que nous avons découvert lorsque nous avons commencé à rechercher des moyens objectifs et significatifs de décrire les caractéristiques morphologiques des graines d’une variété d’espèces et de familles de plantes. Les mesures manuelles de la taille des graines prennent du temps et fournissent des attributs limités pour communiquer la morphologie des graines. D’autre part, la catégorisation visuelle des graines en fonction de la couleur et de la forme, par exemple, est un processus relativement plus rapide, mais les résultats peuvent être subjectifs, en particulier lorsque les différences entre les graines sont subtiles.
Les méthodes d’analyse d’images offrent une alternative viable pour résoudre le problème du « secret des semences » et obtenir une caractérisation rapide et objective des objets biologiques. Cependant, l’automatisation du processus d’extraction des traits présente des défis. Il est difficile de séparer les graines de l’arrière-plan lorsque l’on travaille avec des objets aux attributs physiques variés. Les différences morphologiques dans les graines font varier les paramètres optimaux, obligeant les utilisateurs à affiner les réglages pour chaque espèce. L’extraction d’informations significatives est également un défi, car la plupart des logiciels ne fournissent que quelques mesures standard ou nécessitent des connaissances en codage.
Optimisation de l’extraction des traits
Pour relever ces défis, nous avons développé une méthode qui consiste en un simple protocole d’acquisition et de traitement d’images couplé à un logiciel open-source appelé Traitre. Le flux de travail pour l’extraction des traits implique la numérisation des graines sur un fond à contraste élevé avec un scanner à plat, la correction des couleurs de l’image, suivie d’une analyse d’image entièrement automatisée avec le logiciel.
Les images numériques sont composées de pixels. Traitre utilise le clustering k-means, un type d’algorithme d’apprentissage automatique non supervisé, pour regrouper des pixels similaires en deux groupes : les graines et l’arrière-plan. C’est pourquoi la numérisation des graines sur un arrière-plan à contraste élevé est cruciale pour s’assurer que l’algorithme regroupe tous ces pixels d’arrière-plan, les séparant efficacement des graines ! Après cette séparation, les graines sont alignées et plusieurs traits morphologiques sont extraits. Ainsi, lorsqu’on leur donne une image de graines avec un fond très contrasté, Traitre fera ce qu’un traître fait de mieux : effectuer des extractions automatiques de traits et « exposer » les graines en donnant leurs précieuses informations.
Traitre a été construit sur Python, mais la bonne nouvelle est qu’aucune connaissance préalable n’est requise de la part des utilisateurs ! Une fois le logiciel installé, il suffit d’entrer quelques commandes de base dans l’invite ou le terminal de l’ordinateur pour extraire les traits. Nous avons soigneusement écrit des instructions d’installation et d’utilisation, alors vérifiez-les ici
Sortie interprétable
Notre article apporte des exemples de la façon dont du traître la sortie peut être utilisée pour améliorer la communication de la morphologie des graines et faire progresser les nouveaux outils d’identification. Nous avons utilisé Traitre‘soutput pour obtenir des couleurs représentatives pour les graines de la famille des Rosacées et pour construire des catégories objectives pour la forme des graines pour Carex espèces. Nous avons également montré comment nous pouvons utiliser les traits extraits pour répondre aux questions évolutives, en évaluant le degré auquel les mesures de couleur sont corrélées avec les relations évolutives entre les espèces de la famille des Asteraceae.
Avancer
Nous espérons que cette méthode contribuera à améliorer la communication et la compréhension de la morphologie des graines tout en ouvrant la voie au développement d’outils d’identification innovants. De plus, il offre des opportunités passionnantes pour explorer la pertinence des traits morphologiques dans les domaines de l’écologie et de l’évolution.