为了提高植物育种效率，需要实现自动化表型测量。由于水果外观影响消费者偏好，因此水果形态与其育种息息相关。通常情况下，研究人员通过手动或半自动获得果实形态表，但是目前可以通过采用完全自动化的程序进行果实形态评估，而数字图像为实现这一目的提供了机会。本文提出了一个自动化pipeline，从内部和外部草莓图像中提取形态学性状的综合表型和遗传分析。

草莓图像自动分割与标签识别的工作流程

首先，对图像进行分割、分类和标注，提取构象特征，包括线性(面积、周长、高度、宽度、圆度、形状描述符、高宽比)和多元(Fourier椭圆分量和广义Procrustes)统计量。接着，使用AutoEncoder平滑图像，获得内部颜色模式。此外，我们开发了一个变分自动编码器来自动检测最可能的潜在形状数量。最后，利用贝叶斯模型估计所有性状的加性和显性效应。正如预期的那样，构象特征显然是可遗传的。有趣的是，大多数性状的显性方差都高于加性方差。综上所述，本文证明了可以快速、自动进行果实形状和颜色评估，并且具有中等遗传力。虽然本文只研究了草莓的种类，但该算法也可以应用于其他水果。

在k=2的潜在空间中，使用变分自动编码器结合k-均值生成图像

四种草莓的三种颜色的估计百分比

来源：

L.M.Zingaretti, A.Monfort, M.Pérez-Enciso. Automatic fruit morphology phenome and genetic analysis: An application in the octoploid strawberry. bioRxiv. doi:https://doi.org/10.1101/2020.11.09.374744.