在当今数字化与智能化飞速发展的时代，科技正以前所未有的速度改变着我们的生活与工作方式，农业领域也不例外。植物表型分析作为现代植物科学、农业以及生物技术的关键环节，对于推动这些领域的发展具有不可替代的重要性。然而，传统的植物表型分析方法存在着诸多局限性，如人工手动测量不仅耗时费力，而且容易受到人为因素的干扰，导致数据的准确性和可靠性大打折扣；而现有的计算工具又往往需要专业的编程技能、高性能的硬件设备以及基于个人电脑的操作环境，这使得许多非专业人士、资源有限的用户以及在田间工作的技术人员难以企及。但值得庆幸的是，随着科技的不断进步，一款名为OpenPheno 的小程序应运而生，它犹如一缕春风，为植物表型分析领域带来了全新的变革。6月2日，国际知名学术期刊《Plant Methods》发表的论文《OpenPheno: An Open-Access, User-Friendly, and Smartphone-Based Software Platform for Instant Plant Phenotyping》对这一技术做了详细介绍。
OpenPheno小程序码
OpenPheno 是一个开放获取、用户友好且基于智能手机的免费软件平台，由慧诺瑞德（PhenoTrait）公司宏表型实验室（MetaPheno Laboratory）开发，于2024年1月份发布。它以微信小程序为载体，为植物表型分析提供了一种即时、便捷的解决方案。该平台的设计理念是让使用者仅凭一部智能手机，便能够轻松、高效地对植物性状进行表型分析，极大地降低了植物表型分析的门槛，使其不再局限于专业人士和资源充裕的实验室环境，而是真正走向了大众，走向了田间地头。OpenPheno小程序的表型算法主要由宏表型实验室、西北农林科技大学、华中科技大学、山东农业大学等团队提供。
微信搜“OpenPheno“即可调用小程序
OpenPheno无需用户购买昂贵的专业设备或安装复杂的软件，利用云计算的强大能力，用户可以随时随地通过智能手机获取高性能的表型分析服务。无论是田间地头还是实验室里，只需打开微信小程序，拍摄植物图像并上传，即可在短时间内获得精准的分析结果。
该平台支持多种植物的图像分析，涵盖了从种子到成熟植株的各个生长阶段。更令人振奋的是，OpenPheno鼓励开发者贡献新的算法工具，不断丰富平台的功能。这意味着，随着时间的推移，OpenPheno将能够满足更广泛的研究需求，为植物表型分析社区注入源源不断的创新活力。
OpenPheno兼容安卓和苹果两大主流操作系统，确保了不同用户群体都能无障碍地使用。其简洁直观的用户界面，让即使是没有技术背景的用户也能轻松上手。通过简单的几步操作，用户就能完成从图像拍摄到结果获取的全过程，极大地降低了表型分析的难度。
OpenPheno 平台目前集成了多种功能强大的工具，涵盖了从种子到成熟植株各个生长阶段的表型分析需求，其中包括 SeedPheno、WheatHeadPheno、LeafAnglePheno、SpikeletPheno、CanopyPheno、TomatoPheno 和 CornPheno 等。这些工具各具特色，分别针对不同的植物性状和分析需求，为用户提供了一系列精准的分析功能，如种子大小和数量分析、小麦麦穗检测、穗叶夹角测量、小穗计数、冠层结构分析、番茄果实测量以及玉米果穗测量等。
SeedPheno是一个自动化的种子分析工具，能够高效地处理和分析种子图像，提取种子的形态学信息。它的工作流程主要分为两个阶段：图像预处理和形态学分析。首先，通过硬币检测确定比例尺因子，然后利用YOLO v8目标检测模型识别种子区域。该模型经过多种种子类型（如玉米、大豆、红豆、绿豆、南瓜籽、西瓜籽和咖啡豆等）的训练，能够准确识别不同颜色和形状的种子。接下来，系统使用OTSU方法对种子进行分割，提取种子的轮廓并进行实例标记。在形态学分析阶段，SeedPheno可以提取种子数量、长度、宽度、周长、面积和长宽比等参数，并提供单位转换功能，确保结果易于理解和应用。使用SeedPheno时，建议将种子放置在黑色背景上，从顶部拍摄，并在图像中放置硬币作为比例尺参考。
WheatHeadPheno是为田间麦穗计数分析而开发的系统，主要分为图像预处理和形态学分析两个阶段。它通过识别麦穗、进行形态校正和定量计数等步骤，从输入图像中提取小麦的尺寸（长度和宽度）和数量。系统通过识别矩形标记进行标准化验证，从而通过空间校准估算亩产量。最终输出包括小麦数量、麦穗长度、麦穗宽度和产量等关键农艺参数。
（三）LeafAnglePheno：小麦穗叶夹角测量助手
LeafAnglePheno是用于测量小麦旗叶与茎之间角度的工具，这对于分析小麦形态和推进育种工作至关重要。该工具分为两个部分：小麦器官识别和旗叶角度计算。首先，通过检测叶片、茎和穗的模块处理小麦图像，提取关键点的中心坐标（茎基部、穗尖和叶片节点）。然后，通过这些关键点之间的向量计算旗叶角度。为了获得准确的小麦检测结果，需要在纯色背景上拍摄小麦图像。
（四）SpikeletPheno：小麦小穗分析专家
SpikeletPheno是针对成熟小麦小穗的识别和形态学分析而设计的工具。它采用CBAM-UNet模型，结合卷积块注意力模块（CBAMs）增强的UNet框架，从背景中分割出小麦小穗。通过凸包方法、距离变换和分水岭算法解决小穗之间的粘连问题，从而实现小穗的识别和计数。接下来，使用RANSAC算法拟合每个小穗的主轴，并识别其中心点。通过多项式回归计算小麦穗轴，并最终使用Zhang-Suen细化算法提取沿轴分布的小穗骨架。使用时，用户只需将小麦穗放置在黑色背景之间，确保侧视方向，并使用至少1200万像素的智能手机相机从顶部拍摄图像。
CanopyPheno用于植物冠层的分析，其工作流程包括目标检测和语义分割。首先，使用YOLO v8模型识别植物冠层区域，然后使用K-Net模型提取植物冠层的掩膜。训练数据集包含来自各种绿色植物（如水稻、小麦、大豆、玉米、生菜和烟草）的大量冠层图像。接下来，通过形状和颜色提取分析植物的特征，并计算冠层长度、宽度、紧凑度、面积、绿色比例等参数。使用时，只需从顶部拍摄目标植物的图像，暗色背景可以提高识别效果。
TomatoPheno是用于自动化番茄果实分析的工具。首先，将输入图像转换为HSV颜色空间，以最大化番茄与背景之间的颜色差异。然后，设置每个通道（H、S、V）的上下限以提取番茄前景区域。接下来，进行掩膜提取以识别番茄区域，并进行轮廓提取和实例标记以实现分割。如果检测到硬币，则通过轮廓检查确定比例尺因子，并将其纳入测量中。系统计算关键参数，包括番茄数量、宽度、直径、周长、面积和单位转换。使用时，建议从顶部拍摄番茄图像，最好使用暗色背景以提高检测精度。
（七）CornPheno：玉米果穗表型分析的创新利器
CornPheno是用于玉米果穗表型分析的工具，能够在实验室和田间环境中准确高效地进行玉米表型分析。其工作流程分为两个主要阶段：玉米籽粒检测和行特征提取。首先，使用坐标回归网络Point quEry Transformer（PET）进行玉米籽粒检测。然后，从标记的玉米籽粒中提取额外特征。使用主成分分析（PCA）和K-means进行籽粒分割、聚类和匹配，最终获得总玉米籽粒数、行数和每行籽粒数。与传统的基于机器的玉米种子表型分析方法相比，CornPheno引入了基于智能手机的解决方案，显著降低了运营成本，并能够在开放田间环境中进行图像采集。其云基础的开放访问架构进一步支持复杂深度学习算法的执行，无需本地计算负担，使实时表型分析成为可能。这是第一个通过完全移动和可访问的平台在开放环境中实现实时玉米表型分析的系统，代表了使高质量农业工具更广泛可用的重要一步。
OpenPheno的出现，不仅仅是为了解决表型分析的技术难题，更是为农业科技创新注入了新的动力。它将先进的计算机视觉技术和移动互联网相结合，为植物科学研究和育种工作提供了一个高效、便捷、低成本的解决方案。通过快速获取精准的表型数据，研究人员可以更好地进行基因型与表型之间的关联分析，加速优良品种的选育进程，从而提高农业生产的效率和质量。
此外，OpenPheno的开放性和社区驱动的模式，也为全球的农业科技工作者提供了一个交流合作的平台。开发者可以将自己的研究成果转化为实际应用，分享给更广泛的用户群体；用户则可以根据自身需求选择合适的工具。
如果您乐意参与OpenPheno，让更多人体验您的算法，可以联系我们合作。代码提交流程：提交测试样例，包含3-5组的输入输出数据对；提交模型文件，优先提交onnx格式模型，如使用原生权重，需同步提供模型加载代码及依赖环境说明；提交标准化的预测接口，包含必要的预处理和后处理逻辑；如下图所示：
慧诺瑞德公司实习生/华中科技大学人工智能与自动化学院本科生胡天齐为论文第一作者；慧诺瑞德/宏表型实验室/慧诺云谱韩志国博士为论文通讯作者。西北农林科技大学吴婷婷副教授、华中科技大学陆昊副教授和山东农业大学刘平教授团队为OpenPheno和本文做出了重要贡献。西北农林科技大学硕士研究生申鹏、宏表型实验室算法工程师张勇帅和张佳菲、华中科技大学本科生李欣和山东农业大学硕士研究生夏天真参与了算法开发工作，张勇帅和张佳菲开发了OpenPheno小程序。本研究得到了慧诺基金、湖北省自然科学基金（2024AFB566）、中央引导地方项目（2024ZY-CGZY-19）、山东省重点研发计划（2022LZGCQY0022023TZXD004和2021LZGC013）等项目的资助。
