Optimization of the “Germinator” as a complement for the analysis of seed germination quality in rice (Oryza sativa L.)

• Andrés Hernández-Pridybailo ^[1] ; Ester Vargas-Ramírez ^[1] ; Dessireé Zerpa-Catanho ^[2] ; Marialicia Vega-López ^[1] ; Adonay Zúñiga-Centeno ^[1] ; Luis Orlando Barboza-Barquero ^[1]
  1. [1] Universidad de Costa Rica

     Universidad de Costa Rica

     Hospital, Costa Rica

     
  2. [2] Universidad de Illinois Urbana-Champaign
• Localización: Agronomía Mesoamericana, ISSN-e 2215-3608, ISSN 1021-7444, Vol. 33, Nº. Extra 1, 2022
• Idioma: inglés
• Títulos paralelos:
  • Optimización del “Germinator” como complemento de análisis de calidad germinativa de semillas de arroz (Oryza sativa L.)
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Introducción. El uso de análisis de imágenes digitales con el “Germinator” permite evaluar la germinación de las semillas de forma automática. Además de la germinación máxima, se pueden cuantificar otros parámetros asociados al vigor de forma simultánea. Objetivo. Optimizar el “Germinator” como complemento de análisis automático de calidad germinativa de semillas de arroz. Materiales y métodos. Los experimentos se realizaron en el Centro para Investigaciones en Granos y Semillas (CIGRAS) durante el 2015 al 2018. Se optimizó el paquete de software denominado “Germinator” en la variedad Palmar 18 y después se probó con un panel de 126 muestras de semillas de arroz compuesta por catorce variedades. Se cuantificaron curvas de germinación, los datos obtenidos de forma automática se compararon con conteos manuales de protrusión radicular y con una metodología estandarizada. Además, se realizaron experimentos de envejecimiento acelerado y envejecimiento controlado para mostrar la sensibilidad del método automatizado. Resultados. La relación entre la germinación obtenida de forma automática y la cuantificada de forma manual fue alta (R2= 0,99). La germinación máxima, cuantificada por medio del análisis de imágenes varió de 69 % a 100 % en el panel de 126 muestras. La correlación entre la germinación evaluada mediante imágenes digitales y el método estándar fue de rho (spearman)= 0,34. El “Germinator” permitió cuantificar de forma simultánea otras variables asociadas con el vigor de las semillas, como el parámetro t50, que es el tiempo que la muestra de semillas toma para alcanzar el 50 % de la germinación. Además, el método automático reveló el efecto diferenciado de dos protocolos de envejecimiento. Conclusiones. El uso de análisis de imágenes en arroz permitió evaluar la germinación de forma automática basado en la protrusión radicular y también posibilitó cuantificar otras variables complementarias asociadas al vigor de la semilla (t50).

  • English

    Introduction. The use of digital image analysis with the “Germinator” allows the automatic evaluation of seed germination. In addition to maximum germination, other parameters associated with seed germination vigor can be quantified simultaneously. Objective. To optimize the “Germinator” as a complement for the automatic analysis of seed germination quality in rice. Materials and methods. The experiments were conducted at the Centro para Investigaciones en Granos y Semillas (CIGRAS) from 2015 to 2018. The “Germinator” software package was optimized on the Palmar 18 variety, and then tested with a panel of 126 rice seed samples comprising fourteen varieties. The germination curves were quantified, the automatically acquired data were compared with manual counting based on radical protrusion and a standardized method. Besides, accelerated aging and controlled aging experiments were conducted to show the sensibility of the automatic method. Results. The relationship between germination quantified automatically and quantified manually was high (R2= 0.99). Maximum germination, quantified by image analysis, ranged from 69 % to 100 % in the panel of 126 samples. The correlation between germination assessed by digital images and the standard method was rho (spearman)= 0.34. The “Germinator” allowed the simultaneous quantification of other variables associated with seed vigor, such as the t50 parameter, which is the time the seed lot takes to reach 50 % of the germination. In addition, the automatic method revealed the differential effect of two seed aging protocols. Conclusions. The use of digital image analysis made it possible to evaluate automatically seed germination based on radicle protrusion and also made it possible to quantify other complementary variables associated with seed vigor (t50).