توسعه نرم افزار عمومی برای خوشه بندی ارقام برنج با استفاده از پردازش تصویر و شبکه خودسازمانده (SOM) به منظور ارزیابی تنوع مورفولوژیکی

هدف: این پژوهش با هدف ارزیابی پتانسیل پردازش تصویر دیجیتال و شبکه های عصبی مصنوعی در شناسایی و طبقه بندی ژنوتیپ های برنج بر اساس خصوصیات ریخت شناسی دانه و همچنین معرفی یک نرم افزار کاربردی در این زمینه انجام شد. ژنوتیپ های برنج شامل لاین های Gil۳, IR۳۶۲۵۴۲/۲, Restore۵۰, Domsiah, MusaTarom, GHARIB۳, Gharibsiahryhani, IR۵۰maz, Line۳۰۴, LINE۲۲۹-۲, Nemat, KMP۴۱, DCL, Lebant, IR۶۷۰۱۷, DomsiahSolymandarab, Dashtisard, Hashemi, Dolar, IR۲۴, IR۵۰, line۸۳۱, IR۳۴۴۱, AnbarboElam, CY, Mehr, Line۲۱۳, Fujiminuri, Hasani, Ghasraldashti, TE, Sangtarom, Dasht, line۲۱۶, Vad, IR۶۶۲۳۲۰, Canhopatra, Usen و ۱۷ لاین حاصل از تلاقیAzucina  و Bala بود. ارزیابی تنوع ریخت شناسی گامی اساسی در برنامه های به نژادی و حفظ ذخایر ژنتیکی گیاهی محسوب می شود.مواد و روش ها: دانه های برنج مورد استفاده در این پژوهش در مزرعه تحقیقاتی دانشگاه گنبد کاووس کشت شدند. پس از برداشت، تصاویر دیجیتال از دانه های شلتوک با استفاده از یک اتاقک تصویربرداری استاندارد و دوربین دیجیتال تهیه گردید. سپس با استفاده از نرم افزار MATLAB و الگوریتم های پردازش تصویر، خصوصیاتی نظیر طول، عرض، محیط، مساحت، ضریب گردی و نسبت طول به عرض برای هر دانه استخراج شد. در ادامه، از شبکه عصبی خودسازمانده برای خوشه بندی دانه ها بر اساس این خصوصیات در دو شرایط نرمال و تنش خشکی استفاده گردید.نتایج: نتایج پردازش تصویر نشان داد که این روش قادر به استخراج دقیق خصوصیات هندسی دانه های برنج است. نرم افزار توسعه یافته نیز عملکرد مطلوبی در اندازه گیری این خصوصیات از خود نشان داد. شبکه عصبی خودسازمانده توانست دانه ها را بر اساس ویژگی های ریخت شناسی طول و عرض در گروه های مجزا خوشه بندی نماید. نقشه های خودسازمانده تفاوت های ریخت شناسی بین نمونه های مختلف و همچنین تاثیر شرایط تنش خشکی بر این خصوصیات را به تصویر کشیدند.نتیجه گیری: استفاده از پردازش تصویر به همراه شبکه عصبی خودسازمانده ابزاری کارآمد و غیرمخرب برای ارزیابی تنوع ریخت شناسی و طبقه بندی ژنوتیپ های برنج می باشد. این روش می تواند در برنامه های به نژادی، مدیریت ژرم پلاسم و کنترل کیفیت بذر مورد استفاده قرار گیرد. این رویکرد پتانسیل بالایی برای استفاده در ارزیابی تنوع ژنتیکی، شناسایی ژنوتیپ ها، مطالعات مرتبط با تنش های محیطی و برنامه های به نژادی برنج دارد. نرم افزار توسعه یافته نیز می تواند به عنوان یک ابزار کمکی برای محققان در این زمینه مورد استفاده قرار گیرد. پیشنهاد می شود در تحقیقات آینده، تعداد بیشتری از ویژگی های ریخت شناسی و همچنین ویژگی های رنگی و بافتی در مدل سازی توسط شبکه عصبی خودسازمانده لحاظ شده و ارتباط آن ها با خصوصیات ژنتیکی و زراعی ژنوتیپ های مختلف برنج بررسی گردد.

کلیدواژه ها:

بینایی ماشین ، تنش خشکی ، طبقه بندی ، ویژگی های فنوتیپی