Учёные используют машинное обучение для автоматизации исследований растений
Ботаники могут быстро отслеживать признаки (фенотипы) сотен или тысяч растений с помощью автоматизированных камерных систем. Исследователи из Института Солка ускорили фенотипирование растений ещё больше, применив алгоритмы машинного обучения для анализа трёхмерных форм ветвей и листьев. Исследование, опубликованное в Plant Physiology 7 октября 2019 года, может помочь лучше количественно оценивать реакцию растений на изменение климата, генетические мутации и другие факторы.
Что сделали учёные:
- Разработали набор инструментов для решения общих задач фенотипирования.
- Использовали метод 3-D лазерного сканирования для захвата структуры растений. Данные представляют собой 3-D облако точек, детально отображающее поверхность растения.
- Обучили алгоритмы машинного обучения на 54 растениях томата и табака, выращенных в различных условиях. Исследователи вручную обозначали листья и побеги, после чего программа научилась распознавать эти признаки автоматически.
Что умеет программа:
- Отделять стебли от листьев (точность 97.8%).
- Подсчитывать листья и определять их размер.
- Определять схему ветвления растения.
Значение и перспективы:
- Технология ускоряет и упрощает высокопроизводительное фенотипирование, которое вручную очень трудоёмко.
- Подход ранее использовался в беспилотных автомобилях, но его применение к растениям является новым.
- Текущая версия может не работать на всех типах растений. Учёные планируют доработать её для работы с растениями от лиан до деревьев, а также для анализа корней.
- Инструмент может помочь в решении задач сельского хозяйства, таких как увеличение урожайности и улучшение секвестрации углерода.
Программное обеспечение будет выпущено как open-source для использования другими исследователями.