玉米(Zea mays L.)是世界上最重要的食物來源之一，幾個世紀以來一直是植物遺傳學和表型研究的主要目標之一。玉米生長過程中各種形態表型性狀的觀察和分析對遺傳育種研究至關重要。通常大量的樣本產生了大量的高分辨率圖像數據。隨著高通量植物表型平臺在玉米育種試驗中的應用日益廣泛，需要能夠自動識別玉米植物的視覺表型特征并對圖像數據集進行批處理的軟件工具。


在計算機視覺和植物科學之間的邊界上，我們利用基于卷積神經網絡的高級深度學習方法來增強玉米表型分析的工作流程。本文介紹了玉米圖像分析軟件，它是一個支持玉米表型一鍵分析的集成應用程序，嵌入了多種功能:(1)投影，(2)顏色分析，(3)節間長度，(4)高度，(5)莖直徑，(6)葉片計數。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，可快速計算葉鞘點檢測和葉片分割等多項重要表型特征。在葉計數函數中，預測值與實際值之差的平均值和標準差分別為1.60和1.625。


Maize-IAS易于使用，既不需要計算機視覺專業知識，也不需要深度學習。該系統集成了所有批處理功能，實現了在大數據集上記錄、測量和定量分析玉米生長性狀的自動化和勞動密集型任務。證明了該技術和軟件對于基于圖像的植物研究的效率和潛在能力，這也證明了在農業和植物科學中實現人工智能技術的可行性和能力。

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