Abstract High-throughput genotyping coupled with molecular breeding approaches has dramatically accelerated crop improvement programs. More recently, improved plant phenotyping methods have led to a shift from manual measurements to automated platforms with increased scalability and resolution. Considerable effort has also gone into the development of large-scale downstream processing of the imaging datasets derived from high-throughput phenotyping (HTP) platforms. However, most available tools require some programing skills. We developed PhenoImage – an open-source GUI based cross-platform solution for HTP image processing with the aim to make image analysis accessible to users with either little or no programming skills. The open-source nature provides the possibility to extend its usability to meet user-specific requirements. The availability of multiple functions and filtering parameters provides flexibility to analyze images from a wide variety of plant species and platforms. PhenoImage can be run on a personal computer as well as on high-performance computing clusters. To test the efficacy of the application, we analyzed the LemnaTec Imaging system derived RGB and fluorescence shoot images from two plant species: sorghum and wheat differing in their physical attributes. In the study, we discuss the development, implementation, and working of the PhenoImage . Highlight PhenoImage is an open-source application designed for analyzing images derived from high-throughput phenotyping.

Abstract Water deficit is a major limiting factor for wheat ( Triticum sp.) development and productivity. One approach to increase water stress adaptation in wheat is incorporating novel alleles from the drought-adapted wheat progenitor, wild emmer ( T. turgidum ssp. dicoccoides ). We explored this idea in the context of vegetative growth by examining the phenotypic consequence of a series of wild emmer ( acc . Zavitan) introgressions into elite durum wheat ( cv . Svevo) under water-limited conditions. Using image-based phenotyping we cataloged divergent (from Svevo) growth responses to water stress ranging from high plasticity to high stability among the introgression lines. We identified an introgression line (IL20) that exhibits a highly plastic response to water stress by shifting its root-to-shoot biomass ratio for detailed characterization. By combining genotypic information with root transcriptome analysis, we propose several candidate genes (including a root-specific kinase) that can confer the shoot-to-root carbon resource allocation in IL20 under water stress. Discovery of high plasticity trait in IL20 in response to water stress highlights the potential of wild introgressions for enhancing stress adaptation via mechanisms that may be absent or rare in elite breeding material.

ABSTRACT Accurate measurement of seed size parameters is essential for both: breeding efforts□aimed at□enhancing yields and basic research□focused on discovering genetic components that regulate seed size. To address this need, we have developed an open-source graphical user interface (GUI) software, SeedExtractor that□determines seed size and shape (including area, perimeter, length, width, circularity, and centroid), and seed color with capability to process a large number of images in a time-efficient manner. In this context, our application takes ∼2 seconds for analyzing an image, i.e. significantly less compared to the other tools. As this software is open-source, it can be modified by users□to serve more specific needs. The adaptability of SeedExtractor was demonstrated by analyzing scanned seeds from multiple crops. We further validated the utility of this application by analyzing mature-rice seeds from 231 accessions in Rice Diversity Panel 1. The derived seed-size traits, such as seed length, width, were subjected to genome-wide association analysis. We identified well-known loci for regulating seed length ( GS3 ) and width ( qSW5/GW5 ) in rice, which demonstrated the accuracy of this application to extract seed phenotypes and accelerate trait discovery. In summary, we present a publicly available application that can be used to determine key yield-related traits in crops. HIGHLIGHT SeedExtractor is an open-source application designed to accurately measure seed size and seed color in a time-efficient manner for a wide variety of plant species.

Background: Recent advances in image-based plant phenotyping have improved our capability to study vegetative stage growth dynamics. However, more complex agronomic traits such as inflorescence architecture (IA), which predominantly contributes to grain crop yield are more challenging to quantify and hence are relatively less explored. Previous efforts to estimate inflorescence-related traits using image-based phenotyping have been limited to destructive end-point measurements. Development of non-destructive inflorescence phenotyping platforms could accelerate the discovery of the phenotypic variation in the inflorescence development dynamics and mapping of the underlying genes regulating critical yield components. Results: The major objective of this study is to evaluate the post-flowering development and growth dynamics of inflorescence at high spatial and temporal resolution in rice. For this, we developed the Panicle Imaging Platform (PI-Plat) to comprehend multi-dimensional features of IA in a non-destructive method. We used 11 rice accessions to capture multi-view images of primary panicle on weekly basis after fertilization. These images were used to reconstruct a 3D point cloud of the panicle, which enabled us to extract digital traits such as voxel count and color intensity. We found that voxel count of developing panicles is positively correlated with mature panicle seed number and weight. The 3D-reconstruction-based voxel count from developing panicles projected overall volumes that increased during the grain filling phase, wherein quantification of color intensity estimates the rate of panicle maturation. Conclusions: For harnessing the potential of the existing genetic resources, we need a comprehensive understanding of the genotype-to-phenotype relationship. Low cost sequencing platforms have facilitated high-throughput genotyping, while phenotyping, especially for complex traits, has posed major challenges for crop improvement. PI-Plat offers a 3D reconstruction-based approach for controlled environment studies by using multi-view images to phenotype inflorescence-related traits. The 3D reconstruction-derived traits generated by PI-Plat can be useful to explore the genetic variation for inflorescence traits in crops as the approach does not require destructive sampling and has potential for automation of high-throughput phenotyping.