人工智能助力玉米考种


发布时间:

2023-03-02

来源:

植物表型圈

作者:

PhenoTrait

本文是由韩志国博士在南北学苑微信群的值日文章。
 
各位老师好!今天是2023年2月28日,我是慧诺瑞德公司(PhenoTrait)的韩志国,代表30小组(继往开来)值日。30小组由组长张闯,组员姚金元、王佐惠、田冰川、陈永欣、王喜庆、张闯、武越峰、韩志国、赵宝旺、陈琛、姚金元、彭绪冰、安红卫和付超组成。今天我想给大家分享一下人工智能如何助力玉米考种。
 
人工智能(Artificial Intelligence, AI)是21世纪最火热的技术之一,其重要分枝计算机视觉技术更是在各行各业得到了广泛的应用。在农业领域,基于计算机视觉的植物表型技术,正逐步嵌入农业产业链各个环节中。得益于基因组学、表型组学和人工智能的蓬勃发展,以及国家对“种源”的核心战略诉求,AI育种成为近年来的一个热词。
 
育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程。AI育种,就是利用人工智能技术帮助育种家加速育种材料筛选的进程,这里面既包括了基因型大数据的分析、预测,也包括表型大数据的分析、预测,实质上是希望借助人工智能的各种神经网络,加速“万里挑一”、“大海里捞针”的过程。
 
在育种工作中,仍有大量表型工作在采用传统的“用牙咬、用眼瞪、用手摸”的方式进行。随着生物育种技术在我国的逐步放开,各种分子生物学、基因组技术的介入,育种将正式进入新纪元。分子手段辅助产生的海量育种材料,也都需要进行从室内到田间、从单株到群体的表型测量。我们有这么多人手进行表型测量吗?传统表型测量方式能跟上生物育种的步伐吗?答案肯定是否定的。
 
玉米是我国重要的粮食和饲料作物,选育优良的品种是生产优质、高产玉米的重要措施。玉米考种是玉米育种的一个重要环节,考种主要有果穗考种和籽粒考种。玉米果穗性状可以分为几何性状、数量性状和颜色性状。几何性状有果穗长、宽、周长、体积、表面积、秃尖长以及穗粒厚、宽等。数量性状有行粒数、穗行数、总粒数等。传统果穗表型性状主要通过人手动测量和统计分析,耗时耗力,主观性强,误差大,精度难以保证。玉米籽粒有尺寸、形状、粒色以及籽粒重量性状,测量籽粒性状时一般采用人工先脱粒、再测量的方法,其效率低、人力成本耗费严重,且破坏了原始样本,使整穗性状无法追溯。上述问题大大限制了玉米育种的进程,因此如何快速、高效、准确、低成本、无损的完成玉米果穗及籽粒考种是困扰玉米育种工作者的难题。
 
近年来,随着计算机视觉和图像处理技术的发展,为解决这一难题提出了新的解决方案。计算机视觉是一门研究如何使机器“看”的科学,更进一步的说,是指用摄影机和计算机代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图像处理,用计算机处理成为更适合人眼观察或传送给仪器检测的图像。基于计算机视觉研究的理论和技术,研究人员能够建立从图像或者多维数据中获取“信息”的人工智能系统,具有无损性和高效性,能够大大增加作物表型信息获取的规模和通量,因此计算机视觉技术在农业生产已有了广泛的应用。其一般流程是先基于形状和颜色特征识别图像中样品,区分样品与杂质,然后利用数字图像分析计算样品的各项形态参数,以进行样品的检测与分级。
 
基于拍照进行玉米考种可以用于种质资源的检测。目前计算机视觉技术已经成功的应用于农业生产的诸多领域,为计算机视觉技术应用于玉米果穗和籽粒性状信息的提取提供了理论支持,使得开发一种高通量、快速、客观性强、经济、无损的玉米果穗和籽粒表型信息提取系统成为可能。
 

尽管市面上已经存在数款玉米考种机,但大多价格昂贵,超过了绝大多数玉米育种家的承受能力,且基本没有同时具备果穗、截面和籽粒考种功能的技术,为此我们团队和智种网同仁合作,花费两年时间开发了一款性价比非常高的数字化玉米考种机iMaize。

 

 
iMaize是基于AI技术对玉米的整穗、截面和籽粒进行考种系统,能够自动测量穗数、穗长、穗宽、穗周长、穗投影面积、秃尖长、秃尖比例、行数、行粒数、穗粒数、粒宽、粒厚、粒长、籽粒面积、籽粒数等指标。iMaize包括硬件系统和配套软件系统,都具备自主知识产权。
 
iMaize的主要功能特性
  • 同时具备整穗、截面和籽粒考种功能;
  • 整穗考种指标:穗数、穗长、穗宽、穗周长、穗投影面积、行数、行粒数、粒宽、粒厚、穗粒数、秃尖长、秃尖比例,允许人工输入穗型;
  • 截面考种指标:截面数、穗粗、轴粗、粒宽、粒长,允许人工输入轴色;
  • 资料考种指标:籽粒数、粒长、粒宽、籽粒面积,允许人工输入籽粒类型、籽粒颜色;
  • 扫码、拍照、分析的流程化作业;
  • 带尺寸标定功能,允许用户定期标定;
  • 数据文件包括单张图片的平均数据,也包括每张图片中的单个果穗、截面和籽粒的详细数据。

     

在所有基于计算机视觉技术的量化分析上,尺寸标定是一个看上去很小但影响很大的事。我们设计了一个非常简单的表达系统,让使用者自己那个积木或尺子即可进行标定,让使用者自己确信测量的尺寸是准确的。

 

 

 

这里放一些考种实例供大家参考。

 

果穗考种-图1

 

果穗考种-2

 

截面考种-1

 

截面考种-2

 

籽粒考种-1

 

籽粒考种-2

 

籽粒考种-3

 
为了验证籽粒计数准确性,取1000粒籽粒,分成10包,每包100粒(人工精准计数)。取第一包平铺到iMaize样品盘里,进行籽粒考种;然后用手随意搅动籽粒并平铺,考种;再次用手随意搅动籽粒并平铺,考种。取第2包籽粒加到样品盘里,如上重复考种三次。随后再添加第3-10包籽粒,并分别考种三次。如此获得100到1000粒籽粒的三次重复考种,最后得出的考种准确性为98.14%
 

 

该技术已经在国内数十家单位得到了成功应用。群内老师如有需求,可以与智种网或我们联系。

 
最后,祝各位老师工作顺利,23年顺风顺水培育出更多好品种。
 

韩志国,慧诺瑞德公司

 

 
扩展阅读

植物表型AIoT 打造未来农业数智基座

慧诺瑞德荣登2022未来农业食品百强榜——种业创新Top20

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!
如何建设高通量植物表型平台
慧诺表型方案助推农业“换芯”
慧科研、慧育种、慧种田——慧聚改变的力量

推荐新闻

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。