人工智能高通量測定與數(shù)據(jù)提取系統(tǒng)CucumberAI助力創(chuàng)新識別黃瓜性狀
Plant Phenomics | 南京農(nóng)業(yè)大學(xué)開發(fā)人工智能創(chuàng)新識別黃瓜性狀系統(tǒng)
黃瓜（Cucumis sativus L.）是深受消費者青睞的重要蔬菜作物，具有較高的營養(yǎng)、經(jīng)濟價值。近年來育種家和分子生物學(xué)家在黃瓜果實外觀品質(zhì)形成的遺傳與調(diào)控方面取得了很多突破，但是黃瓜果實外觀性狀絕大多數(shù)為復(fù)雜的數(shù)量性狀，由于傳統(tǒng)鑒定方法在測量精度、測量準(zhǔn)確性和測量效率等方面的局限性，大部分的關(guān)鍵遺傳位點未能獲得解析。因此，探索一種高精度、實時、快速的黃瓜果實外觀的鑒定測量技術(shù)，對于提高黃瓜果實育種改良效率以及完善瓠果果實發(fā)育模型都有重要意義。
2024年6月27日， Plant Phenomics 在線發(fā)表了南京農(nóng)業(yè)大學(xué)園藝學(xué)院黃瓜遺傳育種團隊和人工智能學(xué)院薛衛(wèi)副教授團隊合作完成的 CucumberAI: Cucumber fruit morphology identification system based on artificial intelligence的研究論文，該論文發(fā)表一個黃瓜果實外觀性狀高通量測定與數(shù)據(jù)提取系統(tǒng)——CucumberAI。
圖1 CucumberAI流程
CucumberAI是第一個完整獲取黃瓜性狀的pipeline。圖像識別策略替代了傳統(tǒng)方法中的性狀分級方式，所有的性狀都實現(xiàn)了數(shù)據(jù)化描述，對于復(fù)雜的性狀而言，鑒定的結(jié)果更加的精準(zhǔn)。由人工智能輔助的高通量數(shù)據(jù)采集方法將為未來黃瓜果形基因挖掘，自動化采收和采后分級提供有力的技術(shù)支撐。
南京農(nóng)業(yè)大學(xué)人工智能學(xué)院薛衛(wèi)副教授為第一作者，園藝學(xué)院李季教授為本文通訊作者，園藝學(xué)院研究生丁海峰、孟佳霖（已畢業(yè)）、王詩友，人工智能學(xué)院研究生金濤、劉佐共同參與了該研究。南京農(nóng)業(yè)大學(xué)馬秀鵬教授參與了論文的撰寫。該研究得到國家自然科學(xué)面上項目、中央高�；究蒲袠I(yè)務(wù)費項目和江蘇省優(yōu)勢學(xué)科建設(shè)項目的資助。
通訊作者與團隊簡介
南京農(nóng)業(yè)大學(xué)黃瓜遺傳改良與種質(zhì)創(chuàng)新團隊是作物遺傳與種質(zhì)創(chuàng)新利用國家重點實驗室的組成部分，近年來以黃瓜、甜瓜等蔬菜作物為主要研究對象，在種質(zhì)資源收集與創(chuàng)新、目標(biāo)性狀解析與定向改良、育種新方法和新品種培育等方面開展了深入研究。團隊成員主持多項國家自然科學(xué)基金重點項目和面上項目以及國家重點研發(fā)計劃子課題等國家及省部級項目，在Advanced Science、Plant Journal、Horticulture Research 等期刊發(fā)表SCI論文200余篇，獲得教育部技術(shù)發(fā)明獎一等獎1項、教育部自然科學(xué)獎二等獎1項、農(nóng)業(yè)部中華農(nóng)業(yè)科技獎一等獎1項、江蘇省科學(xué)技術(shù)二等獎1項。培育出黃瓜鮮食型、水果型、加工型等系列新品種15個，獲得國家發(fā)明專利10余項，國際專利1項。薛衛(wèi)副教授團隊長期從事人工智能與農(nóng)業(yè)交叉學(xué)科研究。在利用人工智能進行基因和蛋白序列編碼與功能預(yù)測、堆肥腐熟預(yù)測、梨樹病害檢測和根系構(gòu)型分析等方面取得了系列進展和突破，相關(guān)成果在Brief Bioinform、Bioresour Technol、Biomed Res Int等國際權(quán)威雜志發(fā)表研究論文25篇，獲授權(quán)/受理國家發(fā)明專利8件，軟著19套。
論文鏈接：
https://doi.org/10.34133/plantphenomics.0193
——推薦閱讀——
Toward Real Scenery: A Lightweight Tomato Growth Inspection Algorithm for Leaf Disease Detection and Fruit Counting
https://doi.org/10.34133/plantphenomics.0174
Plant Phenomics | 加拿大麥吉爾大學(xué)聯(lián)合江蘇省農(nóng)科院提出面向真實世界的番茄植株葉片健康和果實監(jiān)測輕量算法
FCOS-LSC: A Novel Model for Green Fruit Detection in a Complex Orchard Environment
https://doi.org/10.34133/plantphenomics.0069
Plant Phenomics | FCOS-LSC: 針對復(fù)雜果園中綠色果實的檢測模型加入作者交流群
掃碼添加小編微信，拉您進入《植物表型組學(xué)》作者交流群，群內(nèi)不定期開展作者分享會、�？l(fā)布會等高質(zhì)量活動。
《植物表型組學(xué)》（Plant Phenomics）是由南京農(nóng)業(yè)大學(xué)和美國科學(xué)促進會（AAAS）合作創(chuàng)辦的英文學(xué)術(shù)期刊，于2019年1月正式上線發(fā)行。采用開放獲取形式，刊載植物表型組學(xué)交叉學(xué)科熱點領(lǐng)域具有突破性科研進展的原創(chuàng)性研究論文、綜述、數(shù)據(jù)集和觀點。具體范圍涵蓋高通量表型分析的最新技術(shù)，基于圖像分析和機器學(xué)習(xí)的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農(nóng)業(yè)實踐中的表型組學(xué)新應(yīng)用，與植物表型相結(jié)合的分子生物學(xué)、植物生理學(xué)、統(tǒng)計學(xué)、作物模型和其他組學(xué)研究，表型組學(xué)相關(guān)的植物生物學(xué)等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數(shù)據(jù)庫收錄�？祁Ｎò睯CR2022影響因子為7.6，位于農(nóng)藝學(xué)、植物科學(xué)、遙感一區(qū)。2023年中科院期刊分區(qū)位于農(nóng)林科學(xué)大類一區(qū)。2020年入選中國科技期刊卓越行動計劃高起點新刊項目、2024年入選江蘇科技期刊卓越行動計劃領(lǐng)軍期刊項目。
說明：本文由《植物表型組學(xué)》編輯部負責(zé)組稿。
中文內(nèi)容僅供參考，一切內(nèi)容以英文原版為準(zhǔn)。
排版：趙慶澤（南京農(nóng)業(yè)大學(xué)）
審核：孔敏、王平
