Plant Phenomics | 南京農業(yè)大學開發(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家在黃瓜果實外觀品質形成的遺傳與調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)為復雜的數(shù)量性狀，由于傳統(tǒng)鑒定方法在測量精度、測量準確性和測量效率等方面的局限性，大部分的關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，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)表了南京農業(yè)大學園藝學院黃瓜遺傳育種團隊和人工智能學院薛衛(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用于全面、快速、準確鑒定黃瓜性狀。為黃瓜定量分析、遺傳育種提供關鍵支撐。研究主要進展包括（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算模型，包含形狀指標、表面特征指標和果肉指標三大類，外形分級、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個性狀特征參數(shù)，其中首次定義的參數(shù)達到32個，（b）首次提出量化果瘤、瓜斑紋類型，以及心室計量指標，（c）果實表面光滑度對黃瓜定價至關重要，而常用的衡量指標瓜棱深度和瓜刺瘤大小極難獲取。CucumberAI創(chuàng)造性地提出了一個基于深度學習的算法流程，得出一組量化光滑度的指標。（d）基于圖像處理技術和深度學習算法，構建性狀檢測算法架構，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題，為瓜體分割以及其他形狀參數(shù)計算的精確性提供了有力的保證。相比于已有研究準確分割出更多黃瓜部位，這對檢測出所有黃瓜性狀至關重要，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。

通訊作者與團隊簡介
南京農業(yè)大學黃瓜遺傳改良與種質創(chuàng)新團隊是作物遺傳與種質創(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，在種質資源收集與創(chuàng)新、目標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，獲得教育部技術發(fā)明獎一等獎1項、教育部自然科學獎二等獎1項、農業(yè)部中華農業(yè)科技獎一等獎1項、江蘇省科學技術二等獎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業(yè)交叉學科研究。在利用人工智能進行基因和蛋白序列編碼與功能預測、堆肥腐熟預測、梨樹病害檢測和根系構型分析等方面取得了系列進展和突破，相關成果在Brief Bioinform、Bioresour Technol、Biomed Res Int等國際權威雜志發(fā)表研究論文25篇，獲授權/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

說明：本文由《植物表型組學》編輯部負責組稿。
中文內容僅供參考，一切內容以英文原版為準。
排版：趙慶澤（南京農業(yè)大學）
審核：孔敏、王平