人工智能高通量測(cè)定與數(shù)據(jù)提取系統(tǒng)CucumberAI助力創(chuàng)新識(shí)別黃瓜性狀

Plant Phenomics | 南京農(nóng)業(yè)大學(xué)開(kāi)發(fā)人工智能創(chuàng)新識(shí)別黃瓜性狀系統(tǒng)

黃瓜（Cucumis sativus L.）是深受消費(fèi)者青睞的重要蔬菜作物，具有較高的營(yíng)養(yǎng)、經(jīng)濟(jì)價(jià)值。近年來(lái)育種家和分子生物學(xué)家在黃瓜果實(shí)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(shí)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(cè)量精度、測(cè)量準(zhǔn)確性和測(cè)量效率等方面的局限性，大部分的關(guān)鍵遺傳位點(diǎn)未能獲得解析。因此，探索一種高精度、實(shí)時(shí)、快速的黃瓜果實(shí)外觀的鑒定測(cè)量技術(shù)，對(duì)于提高黃瓜果實(shí)育種改良效率以及完善瓠果果實(shí)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(tuán)隊(duì)和人工智能學(xué)院薛衛(wèi)副教授團(tuán)隊(duì)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(gè)黃瓜果實(shí)外觀性狀高通量測(cè)定與數(shù)據(jù)提取系統(tǒng)——CucumberAI。

圖1 CucumberAI流程

CucumberAI用于全面、快速、準(zhǔn)確鑒定黃瓜性狀。為黃瓜定量分析、遺傳育種提供關(guān)鍵支撐。研究主要進(jìn)展包括（a）相比于現(xiàn)有研究，建立了一套系統(tǒng)的、更全面的黃瓜性狀體系與計(jì)算模型，包含形狀指標(biāo)、表面特征指標(biāo)和果肉指標(biāo)三大類，外形分級(jí)、瓜把形狀、瓜尖形狀、果瘤密度、瓜斑紋特征、表面光滑度和心腔特征7子類，共51個(gè)性狀特征參數(shù)，其中首次定義的參數(shù)達(dá)到32個(gè)，（b）首次提出量化果瘤、瓜斑紋類型，以及心室計(jì)量指標(biāo)，（c）果實(shí)表面光滑度對(duì)黃瓜定價(jià)至關(guān)重要，而常用的衡量指標(biāo)瓜棱深度和瓜刺瘤大小極難獲取。CucumberAI創(chuàng)造性地提出了一個(gè)基于深度學(xué)習(xí)的算法流程，得出一組量化光滑度的指標(biāo)。（d）基于圖像處理技術(shù)和深度學(xué)習(xí)算法，構(gòu)建性狀檢測(cè)算法架構(gòu)，骨架提取與優(yōu)化流程有效解決了黃瓜外表毛刺、扭曲等骨架多余分支、曲折及兩端缺失的問(wèn)題，為瓜體分割以及其他形狀參數(shù)計(jì)算的精確性提供了有力的保證。相比于已有研究準(zhǔn)確分割出更多黃瓜部位，這對(duì)檢測(cè)出所有黃瓜性狀至關(guān)重要，以及（e）形成完整的黃瓜圖像數(shù)據(jù)集，為更廣泛的研究提供基礎(chǔ)。

通訊作者與團(tuán)隊(duì)簡(jiǎn)介
南京農(nóng)業(yè)大學(xué)黃瓜遺傳改良與種質(zhì)創(chuàng)新團(tuán)隊(duì)是作物遺傳與種質(zhì)創(chuàng)新利用國(guó)家重點(diǎn)實(shí)驗(yàn)室的組成部分，近年來(lái)以黃瓜、甜瓜等蔬菜作物為主要研究對(duì)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(kāi)展了深入研究。團(tuán)隊(duì)成員主持多項(xiàng)國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目和面上項(xiàng)目以及國(guó)家重點(diǎn)研發(fā)計(jì)劃子課題等國(guó)家及省部級(jí)項(xiàng)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(jiǎng)一等獎(jiǎng)1項(xiàng)、教育部自然科學(xué)獎(jiǎng)二等獎(jiǎng)1項(xiàng)、農(nóng)業(yè)部中華農(nóng)業(yè)科技獎(jiǎng)一等獎(jiǎng)1項(xiàng)、江蘇省科學(xué)技術(shù)二等獎(jiǎng)1項(xiàng)。培育出黃瓜鮮食型、水果型、加工型等系列新品種15個(gè)，獲得國(guó)家發(fā)明專利10余項(xiàng)，國(guó)際專利1項(xiàng)。薛衛(wèi)副教授團(tuán)隊(duì)長(zhǎng)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(jìn)行基因和蛋白序列編碼與功能預(yù)測(cè)、堆肥腐熟預(yù)測(cè)、梨樹(shù)病害檢測(cè)和根系構(gòu)型分析等方面取得了系列進(jìn)展和突破，相關(guān)成果在Brief Bioinform、Bioresour Technol、Biomed Res Int等國(guó)際權(quán)威雜志發(fā)表研究論文25篇，獲授權(quán)/受理國(guó)家發(fā)明專利8件，軟著19套。

論文鏈接：
‍https://doi.org/10.34133/plantphenomics.0193‍

說(shuō)明：本文由《植物表型組學(xué)》編輯部負(fù)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