人口压力和气候变化是人类在21世纪所面临的两个重要挑战。未来全球人口预计将继续呈指数增长，并在2050年高达98亿。由温室气体排放引发的气候变化可能是未来最大的威胁，因为它会导致极端天气、加剧干旱和物种灭绝等。在这种不利情况下，粮食产量需要大大增加，且仅增加粮食产量还不够，在育种中还需要在完成目标的同时兼顾食品安全和环境保护。

人工育种技术的发展，是过去的一个多世纪中粮食产量大增的主要原因。育种的主要目标是利用复杂性状的遗传变异，提高生长性能并优化资源利用。植物育种涉及基因组学和表型组学，需要研究在给定环境中基因组的表达。目前，植物育种中的主要瓶颈是在各种不同的环境条件下，评估数百个品系，尽管已实现了对基因组的常规化分析，高通量表型分析仍是一项艰巨的任务。实现高通量表型分析，进一步实现自动化表型测量，可加快人工选育的进程。

机器人技术、电子技术和计算机科学的不断发展，为表型分析领域的发展提供了更多的可能性：主观、费时且常常具有破坏性的人工数据采集已被小型、性价比更高的传感器、数码相机、手机、无人机和质谱仪等取代，难点则在于开发更先进的分析工具，从海量的表型数据中提取有价值的信息。

在与水果育种相关的表型分析中，形态性状是一个重要的考虑点，因为外观会影响消费者的购买意愿。通常，形态性状是由手动或半自动的方式获得的，因此可以使用数字图像处理和完全自动化的分析方法，实现性价比更高的水果形态评估。

近日，Plant Phenomics在线发表了西班牙农业基因组学研究中心(CRAG)Laura M. Zingaretti题为《Automatic Fruit Morphology Phenome and Genetic Analysis: An Application in the Octoploid Strawberry》的研究论文。

在该文中，作者提出了一种自动化的方法，用于对草莓内部和外部图像中提取出的形态性状进行全面的表型和基因型分析。该方法对图像进行分割、分类和标记(Figure 1)，并提取线性(面积、周长、圆形度等)和多元的(傅里叶椭圆分量等)结构特征，并使用自动编码器获取内部颜色特征，使输出图像更平滑。此外，文中还提出了一种变分自动编码器，能够自动检测可能性最大的底层性状数量，还使用贝叶斯模型估计了所有性状的加性效应和显性效应(Figure 2，3)。结果表明，正如预期那样，结构性状是可以遗传的;有趣的是，大多数性状的显性变异高于加性组成部分(Figure 7)。简而言之，该文表明了水果的形状和颜色性状能够以快速、自动化的方式被评估，并且具有一定的遗传性。文中算法还可应用于其他水果的分析中，相关代码已在文章的GitHub(https://github.com/lauzingaretti/DeepAFS)中开源提供。

Figure 1: Workflow for automatic segmentation and label recognition from strawberry images: (a) feature extraction; (b) feature preprocessing and database generation.

Figure 2: Data analysis workflow.

Figure 3: Autoencoder architectures: (a) architecture of convolutional autoencoder applied to the internal fruit images; (b) architecture of convolutional variational autoencoder applied to external fruit.

Figure 7: Estimation of additive (h2a, in pink) and dominance (h2d, in green) variance fractions for measured traits.

来源：

Laura M. Zingaretti,1 Amparo Monfort,1,2 and Miguel Pérez-Enciso. Automatic Fruit Morphology Phenome and Genetic Analysis: An Application in the Octoploid Strawberry . Plant Phenomics . https://doi.org/10.34133/2021/9812910.