深度融合多角度作物圖像以預(yù)估育種應(yīng)用中的大豆產(chǎn)量

在面向開發(fā)新品種的植物育種項(xiàng)目中，研究者會(huì)依賴產(chǎn)量測(cè)試來指導(dǎo)新品種的選擇和決策。在育種項(xiàng)目中，一個(gè)不可或缺的環(huán)節(jié)是在分布于不同地區(qū)的大量小區(qū)中種植并收獲目標(biāo)作物，這個(gè)環(huán)節(jié)需要分配大量的資金和資源，因而是育種項(xiàng)目的主要經(jīng)濟(jì)負(fù)擔(dān)。在后續(xù)的分析中，為了擴(kuò)大所需的遺傳變異，需要評(píng)估數(shù)以萬計(jì)的基因型的產(chǎn)量。因此，對(duì)產(chǎn)量的準(zhǔn)確測(cè)量或預(yù)測(cè)的需求正推動(dòng)研究人員不斷開發(fā)更先進(jìn)的基因組學(xué)或表型組學(xué)工具。

目前已有一些研究從計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)角度對(duì)作物產(chǎn)量進(jìn)行了預(yù)測(cè)。基于計(jì)算機(jī)視覺的方法主要是面向果樹等體型較大的作物而構(gòu)建，這類作物采集到的圖像背景往往較整潔，且果實(shí)的遮擋也較少；基于機(jī)器學(xué)習(xí)的方法往往是融合高維表型性狀數(shù)據(jù)對(duì)產(chǎn)量進(jìn)行預(yù)測(cè)，或是將天氣和基因型數(shù)據(jù)相結(jié)合來構(gòu)建深度時(shí)間序列注意力模型，然而這些方法難以在各種不同規(guī)模、地區(qū)和作物的育種項(xiàng)目中實(shí)現(xiàn)通用。此外，使用可見光相機(jī)圖像估計(jì)植物的生殖器官和種子產(chǎn)量是一種較少被探索的方向，如果將相機(jī)成像與自動(dòng)化田間機(jī)器人系統(tǒng)相結(jié)合，育種家們將可以直接估算小區(qū)種子產(chǎn)量，以更有效的方式做出育種決策。

近日，Plant Phenomics在線發(fā)表了題為Deep Multiview Image Fusion for Soybean Yield Estimation in Breeding Applications的研究論文。

在該文章中，作者提出了一種適用于大豆豆莢計(jì)數(shù)的機(jī)器學(xué)習(xí)方法，用于根據(jù)田間機(jī)器人采集到的視頻數(shù)據(jù)(Figure 3)對(duì)各基因型種子產(chǎn)量的等級(jí)進(jìn)行預(yù)估。作者使用深度學(xué)習(xí)方法開發(fā)了一個(gè)基于多角度圖像的產(chǎn)量預(yù)估程序，融合不同角度采集的作物圖像以估計(jì)產(chǎn)量(Figure 5)，并對(duì)各基因型排序，最終用于育種決策。文章對(duì)比了程序和人工對(duì)豆莢計(jì)數(shù)和產(chǎn)量估計(jì)的結(jié)果(Figure 6)，證明了所開發(fā)程序的有效性。該文的結(jié)果證明了基于機(jī)器學(xué)習(xí)模型的程序可顯著減少時(shí)間和人力成本，在助力育種決策方面有很好的前景，并有望開辟新的育種方法。

論文鏈接

https://spj.sciencemag.org/journals/plantphenomics/2021/9846470/

——推薦閱讀——

Soybean Root System Architecture Trait Study through Genotypic, Phenotypic, and Shape-Based Clusters

https://spj.sciencemag.org/journals/plantphenomics/2020/1925495/

Plant Phenomics | 通過對(duì)大豆根系的基因、表型及根形進(jìn)行聚類分析來研究根系構(gòu)型特征

Machine Learning-Based Presymptomatic Detection of Rice Sheath Blight Using Spectral Profiles

https://spj.sciencemag.org/journals/plantphenomics/2020/8954085/

Plant Phenomics | 使用光譜特征和機(jī)器學(xué)習(xí)檢測(cè)水稻紋枯病的發(fā)病先兆

About Plant Phenomics

《植物表型組學(xué)》（Plant Phenomics）是由南京農(nóng)業(yè)大學(xué)和美國(guó)科學(xué)促進(jìn)會(huì)（AAAS）合作創(chuàng)辦的英文學(xué)術(shù)期刊，于2019年1月正式上線發(fā)行，是Science合作出版的第二本期刊。采用開放獲取形式，刊載植物表型組學(xué)交叉學(xué)科熱點(diǎn)領(lǐng)域具有突破性科研進(jìn)展的原創(chuàng)性研究論文、綜述、數(shù)據(jù)集和觀點(diǎn)。具體范圍涵蓋高通量表型分析的最新技術(shù)，基于圖像分析和機(jī)器學(xué)習(xí)的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農(nóng)業(yè)實(shí)踐中的表型組學(xué)新應(yīng)用，與植物表型相結(jié)合的分子生物學(xué)、植物生理學(xué)、統(tǒng)計(jì)學(xué)、作物模型和其他組學(xué)研究，表型組學(xué)相關(guān)的植物生物學(xué)等。期刊已被CABI、CNKI、DOAJ、PMC和Scopus數(shù)據(jù)庫(kù)收錄。

說明：本文由《植物表型組學(xué)》編輯部負(fù)責(zé)組稿。
中文內(nèi)容僅供參考，一切內(nèi)容以英文原版為準(zhǔn)。
撰稿：王棟（實(shí)習(xí)）
編輯：張威（實(shí)習(xí)）、鞠笑、
孔敏審核：尹歡