Plant Phenomics 綜述 | 利用人工智能進(jìn)行根系結(jié)構(gòu)成像分析的最新進(jìn)展

根是獲取水分和養(yǎng)分以維持和支持植物生長和錨定所必需的部位。然而，直到最近幾十年，它們在表型和植物育種中的研究少于地上性狀。在現(xiàn)代，根系形態(tài)和根系構(gòu)型等性狀已被認(rèn)為是“第二次綠色革命”中創(chuàng)造更多更高品質(zhì)食品的重要性狀。為了解決RSA和其他根系研究的不足，人們正在研究新技術(shù)，以滿足通過根系性狀改善植物的日益增長的需求，并克服目前在穩(wěn)定產(chǎn)量方面停滯不前的遺傳進(jìn)展。
 

2024年4月，Plant Phenomics 在線發(fā)表了美國USDA等單位題為The State of the Art in Root System Architecture Image Analysis Using Artificial Intelligence: A Review的綜述論文。該綜述系統(tǒng)總結(jié)了RSA研究的起源、應(yīng)用、挑戰(zhàn)和未來方向的概要。
 

研究人員首先介紹了植物根系的重要性：根部不僅提供機(jī)械支撐，還是水、養(yǎng)分的主要獲取器官，有助于改善土壤結(jié)構(gòu)。培育特定根型的作物可提高糧食安全和農(nóng)業(yè)可持續(xù)性。植物育種中，根部特性的重要性常被忽視。但根部的隱藏特質(zhì)影響作物性狀的培育。如何觀察、量化和解釋根部結(jié)構(gòu)成為育種努力和高通量表型研究的挑戰(zhàn)。隨后介紹了根系獲取方法包括破壞性和非破壞性兩種。破壞性方法如根系采集，最為侵入和破壞，但可進(jìn)行三維可視化。非破壞性技術(shù)如根窗技術(shù)可進(jìn)行時間序列分析，觀察生長習(xí)性。雖然非破壞性技術(shù)不損傷植物，但存在采樣不全、技術(shù)局限等問題，因此采用AI技術(shù)輔助分析根系圖像的綜合方法日益受到關(guān)注。還介紹了利用人工智能（AI）和機(jī)器學(xué)習(xí)（ML）技術(shù)進(jìn)行根系圖像分析具有很強(qiáng)的優(yōu)勢。ML技術(shù)的靈活性和可擴(kuò)展性推動其在以往無關(guān)領(lǐng)域和主題中的應(yīng)用。ML在植物育種中的應(yīng)用已成為改善植物表型學(xué)的關(guān)鍵因素，但還面臨著一系列挑戰(zhàn)。最后，對未來研究進(jìn)行了分析與展望。
 

圖1 單子葉植物和雙子葉植物的根系。根和芽鱗片被夸大的細(xì)節(jié)。直根在一些文獻(xiàn)中也稱為胚根和初生根
 

圖2 RSA研究過程的ML使用苜蓿根圖像。一般步驟包括圖像捕獲，預(yù)處理，分割/特征提取，模型訓(xùn)練，模型調(diào)整，模型驗證和模型識別
 

圖3 涉及牙根成像的被引用AI研究文獻(xiàn)的網(wǎng)絡(luò)圖

在本文中，作者討論了RSA研究，成像技術(shù)和ML技術(shù)的應(yīng)用，交叉點和重要性如何推進(jìn)植物根系研究。作者相信，鑒于ML和CV建模最近取得的重大成就，隨著研究人員在自己的研究中深入研究這些障礙，ML和CV建模在準(zhǔn)確性，預(yù)測能力和計算速度方面都會增長，先進(jìn)的成像技術(shù)與改進(jìn)的ML技術(shù)和模型相結(jié)合的未來是有希望的。

論文鏈接：

https://doi.org/10.34133/plantphenomics.0178

——推薦閱讀——

Panicle-Cloud: An Open and AI-Powered Cloud Computing Platform for Quantifying Rice Panicles from Drone-Collected Imagery to Enable the Classification of Yield Production in Rice

https://spj.science.org/doi/10.34133/plantphenomics.0105

Plant Phenomics | Panicle-Cloud: 一種基于開放式人工智能的稻穗云計算平臺

Hyperspectral Remote Sensing for Phenotyping the Physiological Drought Response of Common and Tepary Bean

https://doi.org/10.34133/plantphenomics.0021

Plant Phenomics | 基于高光譜遙感的大豆和花菜豆生理干旱響應(yīng)的表型研究

加入作者交流群

掃碼添加小編微信，拉您進(jìn)入《植物表型組學(xué)》作者交流群，群內(nèi)不定期開展作者分享會、�？�發(fā)布會等高質(zhì)量活動。

添加小編微信，備注姓名+單位+PP，加入作者交流群

About Plant Phenomics

《植物表型組學(xué)》（Plant Phenomics）是由南京農(nóng)業(yè)大學(xué)和美國科學(xué)促進(jìn)會（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。采用開放獲取形式，刊載植物表型組學(xué)交叉學(xué)科熱點領(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。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DOAJ、Scopus、PMC、EI和SCIE等數(shù)據(jù)庫收錄�？祁Ｎò睯CR2022影響因子為6.5，位于農(nóng)藝學(xué)、植物科學(xué)、遙感一區(qū)。2023年中科院期刊分區(qū)位于農(nóng)林科學(xué)大類一區(qū)。2020年入選中國科技期刊卓越行動計劃高起點新刊項目。

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：王孟達(dá)（南京農(nóng)業(yè)大學(xué)）
編輯：張婕（上海交通大學(xué)）
審核：孔敏、王平