人工智能（Artificial Intelligence, AI）是21世紀最火熱的技術之一，其重要分枝計算機視覺技術更是在各行各業得到了廣泛的應用。在農業領域，基于計算機視覺的植物表型技術，正逐步嵌入農業產業鏈各個環節中。

得益于基因組學、表型組學和人工智能的蓬勃發展，以及國家對“種源”的核心戰略訴求，AI育種成為近年來的一個熱詞。

育種，是在給定的環境條件下，選擇各種表型指標（產量、品質、抗性）最優的基因型材料的過程。AI育種，就是利用人工智能技術幫助育種家加速育種材料篩選的進程，這里面既包括了基因型大數據的分析、預測，也包括表型大數據的分析、預測，實質上是希望借助人工智能的各種神經網絡，加速“萬一挑一”、“大海里撈針”的過程。

自從2014年開始有人將深度學習和植物表型工作結合以來，AI以快速嵌入了植物表型的各個領域。而植物表型又被認為是制約現代農業發展的最大瓶頸之一。

在育種工作中，仍有大量表型工作在采用傳統的“用牙咬、用眼瞪、用手摸”的方式進行。隨著生物育種技術在我國的逐步放開，各種分子生物學、基因組技術的介入，育種將正式進入新紀元。分子手段輔助產生的海量育種材料，也都需要進行從室內到田間、從單株到群體的表型測量。我們有這么多人手進行表型測量嗎？傳統表型測量方式能跟上生物育種的步伐嗎？答案肯定是否定的。這就需要高通量表型技術的介入。

育種的核心是產量、品質、抗性，這三者都屬于植物表型指標。利用AI輔助的植物表型測量，加速育種篩選過程，是AI育種能起作用的理想路徑。試舉兩例如下。

案例1  AI賦能玉米考種

對于全球第一大糧食作物、同時也是商業化程度最高的育種作物——玉米——而言，收獲后的果穗和籽粒考種，是玉米育種中最枯燥乏味、最耗費時間的步驟之一，但又絕對不可或缺！

傳統的人工考種存在用工多、效率低、誤差大、測量指標少等缺點。利用AI技術為考種賦能，可以大大提高效率和準確度，降低人為干擾，大大加速育種篩選的效率。

多光能數字化玉米考種機iMaize^®是基于AI技術對玉米的整穗、截面和籽粒進行考種的系統，能夠自動測量穗數、穗長、穗寬、穗周長、穗投影面積、禿尖長、禿尖比例、行數、行粒數、穗粒數、粒寬、粒厚、粒長、籽粒面積、籽粒數等指標。

該系統功能強大、性價比高，是大規模玉米考種的不二選擇，已經在數十家育種單位得到成功應用，大大提高了考種效率。
 

 

案例2  AI賦能田間表型測量

所有的育種，最終都要落實到田間群體測試。實驗室是完成不了整個育種流程的。田間測試過程，也就是植物表型測量的過程。

 

田間植物表型測量可以分為便攜式、定點式、固定范圍移動式（軌道式）、大范圍移動式（步行車）和無人機測量等多種方式。綜合自動化程度、測量精度、商業化程度和可靠性而言，軌道式高通量表型平臺是目前最適合普及的田間表型平臺之一，很重要的一個特性就是育種家可用。

 

要保障育種家可用，就是說不要讓育種家去操心自動化的問題，不要讓育種家去操心海量表型視覺數據分析的問題，而是讓育種家聚焦于分析后的表型性狀數據的深入挖掘，聚焦于育種問題本身。
 

軌道式高通量田間表型平臺

 

從海量表型視覺數據（可見光、熱成像等的二維成像，三維點云，高光譜數據cube等）到形成表格化的性狀數據，不嵌入AI技術幾乎是不可能的。在這方面，慧諾瑞德公司的TraitDiscover平臺已經做的不錯，實現了數據可為育種家、農學家、生物學家所用。

 

如果沒有AI，而是讓育種家將精力耗費到這些海量多源、多維視覺數據的分析上，哪里還有足夠的精力解決育種本身的問題呢？

 

AI已來，我們應該張開懷抱擁抱AI，讓這項酷炫的技術嵌入各行各業為我們服務。

 

植物表型本身就是一個跨學科領域，自帶AI基因。而植物表型服務的對象就是育種和種植。AI通過植物表型賦能育種，是AI育種的重要發展方向之一。讓我們用表型之“瞳”，賦農業之“慧”。