ИИ-инструмент автоматизирует измерение плодов растений для селекции лучших культур

Рабочий процесс. (A) Пример входного изображения с увеличенным фрагментом, показывающим пример стручка. (B) Результат работы нейросети на примере входных данных, вместе с примером сгенерированной маски. (C) Полученные характеристики из сгенерированной маски; слева показана длина (синяя, осевая линия) и максимальный диаметр (красная, поперечная линия) наложенные на маску, а справа — 3D-визуализация стручка, основанная на значениях диаметра по его длине. Всего конвейер обработал 2099 образцов, представляющих 362 линии, выдав 332 194 независимо измеренных стручка. Автор: GigaScience (2024). DOI: 10.1093/gigascience/giae123

Ученые Аберистуитского университета разрабатывают новые инструменты искусственного интеллекта, которые автоматически измеряют семена и семенные коробочки растений для выведения лучших сортов сельскохозяйственных культур.

Исследование, проведенное учеными из Института биологических, экологических и сельских наук и факультета компьютерных наук университета, демонстрирует возможности целевого применения искусственного интеллекта для повышения качества наших культур. Работа опубликована в журнале GigaScience.

Традиционные способы записи характеристик плодов растений, таких как их форма и размер, очень трудоемки, отнимают много времени и подвержены человеческим ошибкам.

Исследователи решили эту проблему с помощью нового инструмента на базе ИИ, который анализирует изображения для распознавания семенных коробочек и их точного измерения.

Новый инструмент может измерять ряд характеристик, включая длину стручка, ширину, площадь и объем, которые влияют на урожайность и, следовательно, на рентабельность.

Исследование связывает эти физические характеристики с конкретными генетическими регионами, влияющими на форму и размер стручка, помогая ученым точно определять гены.

Выявление этих генов помогает ученым лучше понять, как растения растут и развиваются. Такие открытия предоставляют ценные цели для селекции сельскохозяйственных культур, делая возможным улучшение таких признаков, как урожайность, форма и устойчивость.

Эти новые инструменты ИИ в принципе могут быть применены к плодам любых растений, и исследователи тестировали их на семенах многих культур, включая рапс, капусту и даже злаки, такие как овес, ячмень и пшеница.

Киран Аткинс, аспирант и руководитель проекта из IBERS Аберистуитского университета, заявил: «Инструменты ИИ, подобные разработанному нами, имеют потенциал революционизировать то, как мы можем создавать новые сорта сельскохозяйственных культур. Это действительно меняет правила игры. Наш алгоритм собрал данные о более чем 300 000 отдельных плодов, что подчеркивает возможности глубокого обучения как надежного инструмента для фенотипирования очень больших популяций».

«Одним из самых захватывающих аспектов этой работы является то, насколько доступным она делает крупномасштабное фенотипирование. Устраняя технические и временные барьеры, глубокое обучение позволяет большему числу исследователей изучать признаки растений в масштабах, которые раньше были непрактичны. Речь идет об открытии новых возможностей для открытий и инноваций в науке о растениях».

Профессор Джон Дунан, директор Национального центра феноменики растений, добавил: «Результаты демонстрируют, что глубокое обучение ИИ может предоставлять данные с качеством и точностью, необходимыми для генетического анализа и селекции. Это показывает, как передовая визуализация и ИИ могут преобразовать то, как мы связываем форму растения с генетической функцией.

«Изначально мы разрабатывали инструменты для небольшого сорного растения, которое часто используется в качестве модели в лабораториях по всему миру, но очень похожие подходы прекрасно работают на капустных культурах. Это важный шаг к масштабируемому, насыщенному данными фенотипированию, которое не только ускоряет исследования, но и поддерживает более прогнозируемые подходы к улучшению сельскохозяйственных культур».

Команда сделала свой инструмент MorphPod доступным в интернете, что позволяет исследователям по всему миру воспроизводить или адаптировать систему для использования с другими видами растений.

Больше информации: Киран Аткинс и др., Раскрытие силы ИИ для фенотипирования морфологии плодов у Arabidopsis, GigaScience (2024). DOI: 10.1093/gigascience/giae123

Источник: Aberystwyth University