了解玉米（Zea maysL.）的表型可塑性是当前作物持续改良的重大挑战。测量遗传、环境因素和管理措施（如氮肥施用量（GxExM））对作物性能的相互作用既耗时又昂贵，也是持续提高产量的主要瓶颈。本文证明了一种新的自主机器人平台，能够在玉米冠层内以高通量、低成本和高容量收集生物学相关和通常测量的表型，现在已经成为现实。使用了多个TerraSentia自主地面机器人，这些机器人由EarthSense公司开发，使用一套来自美国和加拿大142个独特研究领域的近20万个实验单元的低成本传感器，历时五年采集数据。由EarthSense公司开发的新型计算机视觉和机器学习算法分析了这些冠层内的多传感器数据，以在每个季节的多个时间点提供经过地面验证的植物高度、穗高、茎直径和叶面积指数。本文展示了机器人以高精度和可靠性测量这些表型，其规模足以在功能上解剖几种环境中基因型和氮率之间的相互作用。结果表明，行内自主田间机器人有望增加对玉米研究中GxExM相互作用的理解，并减少植物表型所需的人类劳动量。

图1  (A)一个TerraSentia机器人在一个典型的玉米育种实验小区中，玉米行间距为0.76 m。(B)机器人在美国和加拿大的操作地点。(C)典型研究试验地点的航拍图像，显示玉米地块以柱状和范围排列。每个实验小区通常是5.3到9.3米长，有两个间隔0.76米的行。(D)地点数量，按收集日期划分的地点数量，有视频的实验单位数量，以及至少有一个特征交付的实验单位数量。

图2  吐丝后不久植物冠层性状采集。分析了三个性状，方差分析表明了主效应和相互作用的显著性水平(A)。每个性状在每个植物密度处理下的值与LAI (n=321) (B)、株高（n=384） (C)和茎粗（n=371） (D)的标准误差一起被报告。

图3  来自管理土壤环境的机器人表型分析能够评估玉米对氮的反应。(A) 2023年7月25日在伊利诺伊州厄巴纳3个重复小区采集的44个玉米杂交种叶面积指数（LAI）的氮素响应。(B) 2022年和2023年两季机器人多次采集性状与人工测定穗高和株高与氮素利用效率组成性状之间的相关性。(C) 2022年由机器人采集的性状预测的秸秆生物量与人工测量的秸秆生物量之间的回归关系。

图4  数据收集于2021年7月6日在印第安纳州和7月22日在内布拉斯加州进行的农场多氮多杂交试验。(A)南印第安纳州一个农民田地的多氮处理布局。不同颜色的施氮量分别为0、67、134、202和269 kg N hm -1，可作为种植时的全施或分施。每个实验条的长度提供参考。(B) A所示的田间试验和内布拉斯加州类似设计试验的叶面积指数和粮食产量。籽粒产量（p值< 0.001）和叶面积指数（p值为0.0085）的拟合性状响应在两个地点间均存在显著差异。(C)回归分析表明，施氮处理的叶片面积指数与籽粒产量、印第安纳州和内布拉斯加州的杂交平均值之间存在较强的线性关系（R2 0.89， p值< 0.001）。

图5  (A)机器人叶面积指数（LAI）， (B)机器人株高（PHT）， (C) 2022年在Hensal, Harriston和Ashworth, Ontario附近进行的商业化育种前试验报告的联合谷物产量。(D) LAI（在出丝后2周测得最大LAI，在R5生长期测得生长季末剩余LAI）、株高和籽粒产量的主成分分析。