Новая характеристика вертикального распределения семян для селекции сои

По мере роста населения и удвоения спроса на белок селекционерам необходимо оптимизировать архитектуру растений сои и урожайность с одного растения для современных систем земледелия.

Традиционные методы используют неточную визуальную оценку и трудоёмкий ручной сбор отдельных растений. Многие важные для современного сельского хозяйства признаки растений сложно измерить существующими методами, особенно связанные со сложными физиологическими, структурными и средовыми взаимодействиями.

Попытки точного измерения этих признаков часто требуют сложных технологий или крайне трудоёмких методов. Столкнувшись с этими вызовами для будущего производства продовольствия, доцент Университета Токио Вэй Го намерен «открыть новую эру искусственного интеллекта (ИИ) в феномике растений для этих ценных, но труднодоступных признаков».

С этой целью его лаборатория объединилась с исследователем сои из NARO д-ром Акито Кагой для разработки конвейера захвата изображений и анализа ИИ. Их метод позволяет гораздо точнее и быстрее измерять урожайность с одного растения, архитектуру растения и локализацию семян с помощью легко получаемых полевых фотографий или видео. Исследование опубликовано в журнале Plant Phenomics.

Как говорит проф. Вэй Го: «Большинство приложений ИИ для повышения эффективности в сельском хозяйстве требуют дорогих аэро- или роботизированных платформ, в то время как наша гораздо более дешёвая система может использоваться селекционерами сои с очень скромными финансовыми ресурсами».

Аспирант Университета Токио Тан Ли разработал новый конвейер анализа изображений, который может автоматически обрабатывать и оценивать количество и пространственное распределение семян сои на растении в поле. Конвейер анализа изображений на основе глубокого обучения, названный Multi Scale Attention Network (MSAnet), использует механизм многоуровневого внимания для подсчёта семян.

Ли говорит: «Самым сложным аспектом проектирования MSANet было обнаружение только переднего плана с минимальными вычислительными ресурсами». После фокусировки внимания на переднем плане и создания тепловых карт распределения семян различные задачи выполняются на увеличенных изображениях, затем изображения уменьшаются, сопоставляются с соседними и применяется функция потерь для повышения достоверности оценки.

Наконец, для локализации и подсчёта семян используется алгоритм ядерной плотности, дающий более точные результаты, чем любой другой существующий конвейер. Затем можно создавать легко интерпретируемые графики, показывающие вертикальное распределение семян на отдельных растениях. Селекционеры могут использовать их для оценки множества ранее недоступных признаков у потенциальных новых сортов или для генетического анализа этих новых признаков.

Селекционеры сои могут использовать эту новую технику для прямого отбора лучших сортов для конкретных систем земледелия или для генетического анализа с целью идентификации генетических регионов генома сои, контролирующих вертикальную локализацию семян, архитектуру и высоту растения.

По словам д-ра Каги: «MSANet облегчит селекцию на низкое положение семян — важный признак для современной машинной уборки, который каждый селекционер хочет количественно оценить, но который ранее не поддавался измерению в высокопроизводительном конвейере».

Теперь селекционеры могут быстро идентифицировать потенциальные новые сорта с идеальной комбинацией признаков. «Я рад, что предложенное нами вертикальное распределение семян получило признание селекционера д-ра Каги, и с нетерпением жду его применения в реальном производстве», — сказал Ли.