目前植物育种计划中的一个瓶颈是在不同环境条件下对数百个品系进行评估。植物育种涉及基因组学和表型组学，虽然现有技术可以常规且廉价地扫描基因组，但高通量表型表征仍然是一项困难的任务。因此，需要自动化表型测量技术来加快人工选择的步伐，这也是精准农业的主要目标之一。

　　自动化表型测量有助于提高植物育种效率，许多水果育种项目会比较关注表型中的形态特征，因为这会影响消费者的购买偏好。通常这些形态特征是手动或半自动获得的，而现在我们可以使用完全自动化的程序来增强水果形态评估，数字图像技术就为此提供了一个经济高效的机会。本文提出了一套用于对从内部和外部草莓图像中提取的形态特征进行全面的表型和遗传分析的自动化分析技术，这套技术可以对图像进行分段、分类和标记，并提取图像特征，包括线性和多变量统计等。内部颜色图案通过使用自动编码器来平滑图像。此外，本研究还开发了一个变分自动编码器来自动检测最可能出现的底层形状数。贝叶斯模型用于估计所有性状的加性和显性效应。正如预想，图像特征是可遗传的。有趣的是，大多数性状的显性方差都高于加性方差。总的来说，本研究发现水果的形状和颜色可以快速自动评估，并且是中等遗传的。如GitHub存储库所示，该算法可以应用于其他水果。

　　图1 草莓图像自动分割和标签识别的工作流程：(a)特征提取;(b) 特征预处理和数据库生成

　　图2 数据分析工作流程。输入是图1中分割的内部和外部水果图像。外部图像通过不同的标准和机器学习方法(包括深度学习)用于线性和多维形状分析，内部图像用于预测内部水果部分的颜色模式。利用系谱或DNA标记信息，使用贝叶斯线性模型估测每个提取的形态和颜色表型的加性和显性遗传成分。

　　图3 在k=2的潜在空间中，使用变分自动编码器结合k均值生成的图像：(a)来自“elongated-like”簇的图像;(b)来自“globose-like”星团的图像。

　　图4 四种草莓中三种参考颜色的预测百分比。

　　来源：Laura M. Zingaretti, Amparo Monfort, Miguel Pérez-Enciso. Automatic fruit morphology phenome and genetic analysis: an application in the octoploid strawberry. Plant phenomics, 2021, 14. https://doi.org/10.34133/2021/9812910

　　编辑：张玉