农作物科学家希望改变辛苦的传统监测方法

农作物科学家希望改变辛苦的传统监测方法

━━━━

10年前，一些农作物科学家以同样的方式种植了同样的植物。他们种植了相同的品种，遵循严格的生长机制，但收获的植物形形色色，叶子大小、外皮细胞密度和代谢能力都各不相同。光照水平和植物处理方面的微小差异使植物的物理性状或表型组发生了巨大变化。

虽然基因组测序价格暴跌，检验植物的生物指示更容易了，但对于植物是如何在特定环境中遵循这些指示的，研究人员的了解却较为滞后。荷兰斯赫拉芬赞德的PhenoKey公司的业务发展总监巴斯•范•艾尔特（BasvanEerdt）表示：“对许多育种工作者来说，主要瓶颈是获得与遗传能力相一致的表型评价。”

育种工作者希望能够通过观察作物的生长情况，了解一种植物（最好是一种作物）是否正常生长，以及它如何对当地的气候条件做出反应。现在，随着价格更低廉的传感器和更强大的人工智能算法的出现，研究人员正在逐步接近这一目标。他们希望作物年产量提高1.3%能成为像摩尔定律一样的规律。

这项工作的主要技术仍然是光学成像。研究人员正在开发软件，使种植者能够使用智能手机摄像头来量化作物的某些表型。他们还将一系列航空航天和生物医学物理领域的精密成像技术应用到该领域。北卡罗来纳州和荷兰的育种工作者正在使用无人机和配有高光谱、荧光灯和层析成像传感器的温室来量化作物的更多表型组。

高光谱成像可以提示潜在的昆虫危害。磁共振成像（MRI）可以检测种子吸收水分时的微小水滴，在种子发芽和其他生长阶段对其进行追踪。正电子发射断层扫描（PET）可以让研究人员透过土壤观察到花的球茎，并使植物根系的布局可视化。

2005年至2015年，欧盟在植物表型研究基础设施方面花费了2.5亿欧元（约3亿美元），美国农作物巨头和政府机构以及先正达、拜耳等主要的育种公司在该研究上的花费也高达数百万。

这株植物被喷洒了除草剂，其叶子没有明显的损伤。但测量叶绿素荧光的扫描结果表明，该植物进行光合作用的能力已经受到影响。

以往，评估一个新的作物品种需要育种人员观察试验田中的每一株植物，做详细的记录，并针对下一轮育种对所有植物进行分级。“这实际上是我们所做的试验中的限制因素，”荷兰瓦赫宁根大学及研究中心的机器人专家、业务开发人员里克•范•德•泽德（RickvandeZedde）说，“成本不是最大的问题，关键是需要大量的时间。”

相反，PhenoKey对数千张试验作物的图片进行注释，通过添加标签来识别花蕾数量和叶子形状等特征。该公司利用这些注释训练其人工智能软件识别特定植物的特征。范•艾尔特说，几年前他曾提出一个案例，一家育种公司花费了不到50人工时就改进了图像分析算法，使其能够在满是植物的温室中检测兰花芽，准确率高达95%，所花费的时间大约是人工检测这些植物所需时间的1/20。

2018年，范•德•泽德获得了2200万欧元的资金，用于建立新的荷兰国家表型研究设施，此类设施全球为数不多，但总数量也在逐渐增加。

范•艾尔特表示，最终目标是将自动表型与基因组自动筛选结合起来。他说：“如果你对你的基因组的工作原理有深入的了解，并且有一个预测表型结果的模型，那么理论上，你就有可能预测出你的作物会是什么样子。”