玉米(Zea mays L.)是世界上最重要的食物來源之一，幾個(gè)世紀(jì)以來一直是植物遺傳學(xué)和表型研究的主要目標(biāo)之一。玉米生長(zhǎng)過程中各種形態(tài)表型性狀的觀察和分析對(duì)遺傳育種研究至關(guān)重要。通常大量的樣本產(chǎn)生了大量的高分辨率圖像數(shù)據(jù)。隨著高通量植物表型平臺(tái)在玉米育種試驗(yàn)中的應(yīng)用日益廣泛，需要能夠自動(dòng)識(shí)別玉米植物的視覺表型特征并對(duì)圖像數(shù)據(jù)集進(jìn)行批處理的軟件工具。


在計(jì)算機(jī)視覺和植物科學(xué)之間的邊界上，我們利用基于卷積神經(jīng)網(wǎng)絡(luò)的高級(jí)深度學(xué)習(xí)方法來增強(qiáng)玉米表型分析的工作流程。本文介紹了玉米圖像分析軟件，它是一個(gè)支持玉米表型一鍵分析的集成應(yīng)用程序，嵌入了多種功能:(1)投影，(2)顏色分析，(3)節(jié)間長(zhǎng)度，(4)高度，(5)莖直徑，(6)葉片計(jì)數(shù)。該軟件以玉米的RGB圖像為輸入，提供了用戶友好的圖形交互界面，可快速計(jì)算葉鞘點(diǎn)檢測(cè)和葉片分割等多項(xiàng)重要表型特征。在葉計(jì)數(shù)函數(shù)中，預(yù)測(cè)值與實(shí)際值之差的平均值和標(biāo)準(zhǔn)差分別為1.60和1.625。


Maize-IAS易于使用，既不需要計(jì)算機(jī)視覺專業(yè)知識(shí)，也不需要深度學(xué)習(xí)。該系統(tǒng)集成了所有批處理功能，實(shí)現(xiàn)了在大數(shù)據(jù)集上記錄、測(cè)量和定量分析玉米生長(zhǎng)性狀的自動(dòng)化和勞動(dòng)密集型任務(wù)。證明了該技術(shù)和軟件對(duì)于基于圖像的植物研究的效率和潛在能力，這也證明了在農(nóng)業(yè)和植物科學(xué)中實(shí)現(xiàn)人工智能技術(shù)的可行性和能力。

來源：Plant Methods.Maize-IAS: a maize image analysis software using deep learning for high-throughput plant phenotyping.Shuo Zhou, Xiujuan Chai, Zixuan Yang, Hongwu Wang, Chenxue Yang & Tan Sun.
原文鏈接：https://plantmethods.biomedcentral.com/articles/10.1186/s13007-021-00747-0