AI育种，从这里起步

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“万一挑一”、“大海里捞针”的过程。

自从2014年开始有人将深度学习和植物表型工作结合以来，AI以快速嵌入了植物表型的各个领域。而植物表型又被认为是制约现代农业发展的最大瓶颈之一。

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。这就需要高通量表型技术的介入。

育种的核心是产量、品质、抗性，这三者都属于植物表型指标。利用AI辅助的植物表型测量，加速育种筛选过程，是AI育种能起作用的理想路径。试举两例如下。

案例1  AI赋能玉米考种

对于全球第一大粮食作物、同时也是商业化程度最高的育种作物——玉米——而言，收获后的果穗和籽粒考种，是玉米育种中最枯燥乏味、最耗费时间的步骤之一，但又绝对不可或缺！

传统的人工考种存在用工多、效率低、误差大、测量指标少等缺点。利用AI技术为考种赋能，可以大大提高效率和准确度，降低人为干扰，大大加速育种筛选的效率。

多光能数字化玉米考种机iMaize^®是基于AI技术对玉米的整穗、截面和籽粒进行考种的系统，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。

该系统功能强大、性价比高，是大规模玉米考种的不二选择，已经在数十家育种单位得到成功应用，大大提高了考种效率。
 

 

案例2  AI赋能田间表型测量

所有的育种，最终都要落实到田间群体测试。实验室是完成不了整个育种流程的。田间测试过程，也就是植物表型测量的过程。

 

田间植物表型测量可以分为便携式、定点式、固定范围移动式（轨道式）、大范围移动式（步行车）和无人机测量等多种方式。综合自动化程度、测量精度、商业化程度和可靠性而言，轨道式高通量表型平台是目前最适合普及的田间表型平台之一，很重要的一个特性就是育种家可用。

 

要保障育种家可用，就是说不要让育种家去操心自动化的问题，不要让育种家去操心海量表型视觉数据分析的问题，而是让育种家聚焦于分析后的表型性状数据的深入挖掘，聚焦于育种问题本身。
 

轨道式高通量田间表型平台

 

从海量表型视觉数据（可见光、热成像等的二维成像，三维点云，高光谱数据cube等）到形成表格化的性状数据，不嵌入AI技术几乎是不可能的。在这方面，慧诺瑞德公司的TraitDiscover平台已经做的不错，实现了数据可为育种家、农学家、生物学家所用。

 

如果没有AI，而是让育种家将精力耗费到这些海量多源、多维视觉数据的分析上，哪里还有足够的精力解决育种本身的问题呢？

 

AI已来，我们应该张开怀抱拥抱AI，让这项酷炫的技术嵌入各行各业为我们服务。

 

植物表型本身就是一个跨学科领域，自带AI基因。而植物表型服务的对象就是育种和种植。AI通过植物表型赋能育种，是AI育种的重要发展方向之一。让我们用表型之“瞳”，赋农业之“慧”。