Machine learning and digital phenotyping for soybean characterization and classification

Abstract

Digital phenotyping has revolutionized the study of plant phenotypic traits, particularly in crops such as soybean (Glycine max (L.) Merr.). Combining digital phenotypic descriptors with machine learning enabled significant methodological advances, increasing the reliability and precision of classifications. Thus, this study aimed to develop a protocol for extracting various phenotypic traits from soybean leaflets, including shape attributes, elliptical Fourier descriptors (EFDs), Haralick texture features, and vegetation indices (VIs). The study also assessed the potential of these traits using several statistical methods and applied machine learning to discriminate the ancestry of the genotypes. The protocol proved effective in facilitating the acquisition of different sets of features for modeling and classification tasks, providing researchers with a robust and versatile framework that can be easily adapted to similar applications. The results indicated that VIs were the most frequent attributes, while EFDs exhibited the least redundancy, highlighting each dataset’s potential to identify genotypic patterns. However, using Random Forest (RF) as a classification method demonstrated high efficiency in handling data, maximizing accuracy and specificity in the developed models. Specifically, texture and shape-related attributes were crucial for successful discrimination. This study concludes that the integrated approach of digital phenotyping and machine learning represents a powerful tool for plant breeding, providing practical solutions to cultivar identification and characterization challenges. Keywords: image-based phenotyping; Fourier descriptors; vegetative indices; Haralick textures; genotypic discrimination.A fenotipagem digital tem revolucionado o estudo de características fenotípicas de plantas, particularmente em culturas como a soja (Glycine max (L.) Merr.). A combinação de descritores fenotípicos digitais com aprendizado de máquina tem possibilitado avanços metodológicos significativos, aumentando a confiabilidade e a precisão das classificações. Este estudo teve como objetivo criar um protocolo para extração de diversas características fenotípicas de folíolos de soja, incluindo atributos de forma, descritores elípticos de Fourier (DEFs), características de textura de Haralick e índices vegetativos (IVs). O estudo também avaliou a potencialidade dessas características através de métodos estatísticos e utilizou aprendizado de máquina para discriminar a ascendência dos genótipos. O protocolo mostrou facilitar a aquisição dos diferentes conjuntos de características para tarefas de modelagem e classificação, oferecendo aos pesquisadores uma estrutura robusta e versátil que pode ser facilmente adaptada a aplicações semelhantes. Os resultados indicaram que os IVs foram os atributos mais frequentes, enquanto os DEFs apresentaram menor redundância, destacando o potencial de cada conjunto de dados para identificar padrões genotípicos. O uso do método de classificação Random Forest (RF) demonstrou alta eficiência no tratamento dos dados, maximizando a acurácia e a especificidade nos modelos desenvolvidos. Especificamente, os atributos relacionados à textura e forma foram cruciais para a discriminação bem-sucedida. Este estudo conclui que a abordagem integrada de fenotipagem digital e aprendizado de máquina representa uma ferramenta poderosa para o melhoramento de plantas, oferecendo soluções práticas para os desafios de identificação e caracterização de cultivares. Palavras-chave: fenotipagem baseada em imagens; descritores de Fourier; índices vegetativos; texturas de Haralick; discriminação genotípica.