По мере увеличения численности населения планеты и удвоения потребности в белке современным селекционерам приходится и дальше оптимизировать структуру растений сои и урожайность с растения для современных систем земледелия, основанных на механизации.
Традиционные методы в селекции используют неточную визуальную оценку и трудоемкий ручной сбор отдельных растений. При этом многие важные характеристики растений для современных систем земледелия трудно измерить с помощью современных селекционных инструментов, особенно те, которые связаны со сложными физиологическими, структурными и экологическими взаимодействиями.
Попытки точно измерить эти признаки часто требуют передовых технологий или очень трудоемких методов. Поэтому доцент UTokyo Вэй Го намерен «открыть новую эру феномики растений, основанной на искусственном интеллекте (ИИ), для этих ценных, но труднодоступных признаков».
Его лаборатория объединилась с исследователем сои в NARO доктором Акито Кагой для разработки конвейера захвата изображений и анализа ИИ. Их технология позволяет гораздо более точно и быстро измерять урожайность отдельного растения, структуру растения и локализацию семян с помощью легко получаемых полевых фотографий или видео. Исследование опубликовано в журнале Plant Phenomics, релиз - в TransSpread.
Как говорит профессор Вэй Го, «большинство сельскохозяйственных приложений с использованием искусственного интеллекта, повышающих эффективность, требуют дорогостоящих воздушных или роботизированных платформ, в то время как наша гораздо более дешевая система может использоваться селекционерами сои с весьма скромными финансовыми ресурсами».
Кандидат на получение степени доктора наук UTokyo Тан Ли разработал новый конвейер анализа изображений, который может автоматически обрабатывать и оценивать количество и пространственное распределение семян сои на растении в поле. Конвейер анализа изображений с глубоким обучением, называемый Multi Scale Attention Network (MSAnet), использует механизм многомасштабного внимания для помощи в подсчете семян.
Ли пояснил, что «самым сложным аспектом проектирования MSANet было обнаружение только переднего плана с минимальными вычислительными ресурсами». После сосредоточения внимания на переднем плане и создания тепловых карт распределения семян, различные задачи выполняются на изображениях с повышенной дискретизацией, затем изображения подвергаются понижению дискретизации, сопоставляются с соседними изображениями, и применяется функция потерь для повышения достоверности оценки.
Наконец, алгоритм плотности ядра используется для обнаружения и подсчета семян, с более точными результатами, чем любой другой существующий конвейер. Затем можно создать простые для интерпретации графики, показывающие вертикальное распределение семян на отдельных растениях, которые могут использоваться селекционерами для оценки различных ранее недоступных признаков потенциальных новых сортов или проведения генетического анализа этих новых признаков.
Селекционеры сои могут использовать эту новую технологию для прямого отбора лучших сортов для конкретных систем земледелия или для генетического анализа с целью выявления генетических областей генома сои, контролирующих вертикальную локализацию семян, архитектуру и высоту растения.
По словам доктора Каги, «MSANet облегчит селекцию по самой низкой позиции семян, что является важным признаком для современной машинной уборки урожая, который каждый селекционер хочет количественно оценить, но который ранее невозможно было измерить в высокопроизводительном конвейере».
Селекционеры теперь могут быстро определять потенциальные новые сорта с идеальным сочетанием признаков. «Я рад видеть, что технология оценки вертикального распределения семян, которую мы предложили, была признана селекционером доктором Кагой, и я с нетерпением жду ее применения в реальном производстве», - сказал Ли.
Источник: TransSpread.
Заглавное фото: Медведева Анна, AgroXXI.ru.