2024年的諾貝爾獎將人工智能（AI）推向了一個新的高潮。物理學(xué)獎和化學(xué)獎的獲得者都在人工智能領(lǐng)域做出了開創(chuàng)性的貢獻。約翰·霍普菲爾德和杰弗里·辛頓因在人工神經(jīng)網(wǎng)絡(luò)和機器學(xué)習(xí)方面的奠基性工作而獲得物理學(xué)獎。

而在化學(xué)獎方面，一半的獎項授予了大衛(wèi)·貝克，以表彰其在計算蛋白質(zhì)設(shè)計方面的貢獻，另一半則授予了丹米斯·哈薩比斯和約翰·喬普，以表彰他們在蛋白質(zhì)結(jié)構(gòu)預(yù)測方面的成就。這些成就不僅展示了AI在基礎(chǔ)科學(xué)研究中的巨大潛力，也預(yù)示著AI技術(shù)將如何更深入地融入人類生活和科學(xué)研究的各個方面。

水稻穗葉語義分割與表型參數(shù)提取

麥穗實例分割

例如，慧諾瑞德公司的高通量植物表型平臺TraitDiscover，結(jié)合了先進的視覺成像、大數(shù)據(jù)分析和人工智能技術(shù)，實現(xiàn)了全自動、高通量的植物表型測量。通過結(jié)合深度學(xué)習(xí)模型，如PhenoMG-YOLO和PhenoEL-Net，可以實現(xiàn)對植物目標(biāo)的高效檢測和語義分割，從而精確提取前景和穗葉等關(guān)鍵特征。

基于目標(biāo)檢測的種子/果蔬計數(shù)與表型參數(shù)提取

此外，慧諾瑞德公司于今年1月份推出的開源表型小程序OpenPheno，集合了多種植物表型檢測算法，已發(fā)布了多個功能模塊，包括籽�？挤N、麥穗檢測、穗葉夾角檢測、麥穗考種、冠層測量、番茄考種等。這些模塊結(jié)合了機器視覺和人工智能技術(shù)，如改進的YOLOv8模型等，用于植物目標(biāo)檢測和語義分割，精確提取籽粒、果蔬前景、穗葉等關(guān)鍵特征，從而實現(xiàn)麥穗檢測、穗葉夾角計算和果蔬的形態(tài)參數(shù)獲取。