Este proyecto ha sido ejecutado en el laboratorio de Visión Artificial y Vehículos Inteligentes de la Universidad Politécnica de Cartagena (UPCT) en colaboración con profesores y personal del área de genética vegetal de la UPCT. El proyecto ha desarrollado un instrumento de medida que permite cuantificar de manera automática el crecimiento de callos vegetales en placas de Petri mediante técnicas de visión por computador e inteligencia artificial. 

INSTRUMENTO DE MEDIDA DE FENOTIPADO AUTOMATIZADO

El instrumento desarrollado permite la captura imágenes 4K de placas de Petri de 100×100 mm, como se muestra en la Figura 1. Las placas de Petri contienen 16 celdas compartimentadas donde se han depositado 9 semillas por celda sobre substrato de crecimiento. El sistema de medida es capaz de cuantificar el crecimiento de 144 callos (16×9) por placa con un tiempo de procesado de 35 ms por imagen. El hardware de la unidad de procesamiento de imagen dispone de dos procesadores (CPU+GPU) para acelerar las tareas de procesado e inferencia de modelos.  La Figura 1 muestra dos imágenes sin procesar capturadas por el instrumento de fenotipado automatizado sobre dos placas de Petri.

Figura 1. Captura de imágenes de placas de Petri.

El software de captura de imagen, preprocesado de imagen e inferencia, se ha integrado en una interfaz gráfica de usuario amigable como muestra a la Figura 2. La interfaz ha sido  diseña a medida con los miembros de laboratorio de genética vegetal y dota al instrumento de las siguientes características:

1. 1. Configuración de parámetros de almacenamiento, selección de modelos de inferencia y control de cámara . Por ejemplo: rutas de archivos, ganancia, enfoque, tiempo de exposición, parámetros ISO, etc.
   2. Permite la visualizacion de video, el almacenamiento de imágenes, y la posterior carga de imágenes para su visualizado.
   3. Permite llevar a cabo el cálculo de áreas de crecimiento de callos y su exportación a archivos *.xlsx de resultados

Figura 2. Interfaz gráfica de usuario 

Una vez acabado del proceso de adquisición de imágenes de callos vegetales, el software desarrollado permite procesar una imagen especifica o un conjunto de imágenes almacenadas en una carpeta. En cualquiera de los dos casos se realizan cuatro etapas que son: 

Segmentación de la placa de Petri. Mediante algoritmos tradicionales de visión por computador se recorta de la imagen original (Figura 1), obteniendo una imagen resultante con los elementos que forman parte del área de placa de 100×100 mm ( ver Figura 3).

Figura 3. Segmentación de placa de Petri

Calculo de la distribución de callos. Las celdas de la Figura 3, se numeran de izquierda a derecha y de arriba a bajo de 1 a 16, de la misma forma dentro de cada celda los callos se numera de 1 a 9. La colocación manual de las semillas en placa, así como la aleatoriedad del crecimiento de los órganos de los callos, provocan que algunos individuos sobrepasen los límites de las celdas en las que se han confinado (p.e. Figura 3. callos 7.7 o 10.4 ) o se solapen (p.e. Figura 3. callos 1.2, 1,3 y 1.5). Por ese motivo es necesario realizar una identificación dinámica de los individuos y calcular la distribución de cada uno de ellos según las 16 celdas de la placa. La solución de este complejo problema se ha abordado mediante el desarrollo de un modelo de IA supervisado capaz de clasificar los callos y detectar individuos aunque estén solapados. La Figura 4 muestra el cálculo automatizado de la distribución de callos para la imagen de placa de Petri de la Figure 3 producida por el modelo de IA. Esta información de distribución es crucial para anotar los datos de crecimiento de cada individuo en la hoja excel de resultados.

Figura 4. Calculo de distribución de individuos en placa de Petri

Cuantificación del crecimiento. Los resultados obtenidos por la inferencia del modelo de IA son post-procesados mediante algoritmos de visión por computador para extraer el cálculo del área en pixels de cada uno de los callos. La Figura 5 muestra los resultados de cuantificación de crecimiento obtenidos sobre la imagen. Como puede obersevarse el modelo de IA ha sido capaz de resolver el solapamiento de los individuos 1.2, 1.3 y 1.5.

Figura 5. Cuantificación del crecimiento de los callos vegetales

Resultados. La última fase del procesamiento consisten en exportar los resultados a un archivo excel donde quedan plasmados las áreas de cada callo distribuidos por número de placa de Petri (P1,…,Pn) y número de callo por placa (Callus1,…,Callus9). La Figura 6 muestra el formato de la hoja de resultados para la cuantificación de crecimiento del instrumento de fenotipado automatizado. 

Figura 6. Formato de datos para análisis de crecimiento