人工智能AI應用于植物表型領域

2024年的諾貝爾獎將人工智能（AI）推向了一個新的高潮。物理學獎和化學獎的獲得者都在人工智能領域做出了開創(chuàng)性的貢獻。約翰·霍普菲爾德和杰弗里·辛頓因在人工神經(jīng)網(wǎng)絡和機器學習方面的奠基性工作而獲得物理學獎。

而在化學獎方面，一半的獎項授予了大衛(wèi)·貝克，以表彰其在計算蛋白質設計方面的貢獻，另一半則授予了丹米斯·哈薩比斯和約翰·喬普，以表彰他們在蛋白質結構預測方面的成就。這些成就不僅展示了AI在基礎科學研究中的巨大潛力，也預示著AI技術將如何更深入地融入人類生活和科學研究的各個方面。

水稻穗葉語義分割與表型參數(shù)提取

麥穗實例分割

例如，慧諾瑞德公司的高通量植物表型平臺TraitDiscover，結合了先進的視覺成像、大數(shù)據(jù)分析和人工智能技術，實現(xiàn)了全自動、高通量的植物表型測量。通過結合深度學習模型，如PhenoMG-YOLO和PhenoEL-Net，可以實現(xiàn)對植物目標的高效檢測和語義分割，從而精確提取前景和穗葉等關鍵特征。

基于目標檢測的種子/果蔬計數(shù)與表型參數(shù)提取

此外，慧諾瑞德公司于今年1月份推出的開源表型小程序OpenPheno，集合了多種植物表型檢測算法，已發(fā)布了多個功能模塊，包括籽�？挤N、麥穗檢測、穗葉夾角檢測、麥穗考種、冠層測量、番茄考種等。這些模塊結合了機器視覺和人工智能技術，如改進的YOLOv8模型等，用于植物目標檢測和語義分割，精確提取籽粒、果蔬前景、穗葉等關鍵特征，從而實現(xiàn)麥穗檢測、穗葉夾角計算和果蔬的形態(tài)參數(shù)獲取。