玉米(Zea mays L.)是世界上最重要的食物来源之一，几个世纪以来一直是植物遗传学和表型研究的主要目标之一。玉米生长过程中各种形态表型性状的观察和分析对遗传育种研究至关重要。通常大量的样本产生了大量的高分辨率图像数据。随着高通量植物表型平台在玉米育种试验中的应用日益广泛，需要能够自动识别玉米植物的视觉表型特征并对图像数据集进行批处理的软件工具。


在计算机视觉和植物科学之间的边界上，我们利用基于卷积神经网络的高级深度学习方法来增强玉米表型分析的工作流程。本文介绍了玉米图像分析软件，它是一个支持玉米表型一键分析的集成应用程序，嵌入了多种功能:(1)投影，(2)颜色分析，(3)节间长度，(4)高度，(5)茎直径，(6)叶片计数。该软件以玉米的RGB图像为输入，提供了用户友好的图形交互界面，可快速计算叶鞘点检测和叶片分割等多项重要表型特征。在叶计数函数中，预测值与实际值之差的平均值和标准差分别为1.60和1.625。


Maize-IAS易于使用，既不需要计算机视觉专业知识，也不需要深度学习。该系统集成了所有批处理功能，实现了在大数据集上记录、测量和定量分析玉米生长性状的自动化和劳动密集型任务。证明了该技术和软件对于基于图像的植物研究的效率和潜在能力，这也证明了在农业和植物科学中实现人工智能技术的可行性和能力。

来源：Plant Methods.Maize-IAS: a maize image analysis software using deep learning for high-throughput plant phenotyping.Shuo Zhou, Xiujuan Chai, Zixuan Yang, Hongwu Wang, Chenxue Yang & Tan Sun.
原文链接：https://plantmethods.biomedcentral.com/articles/10.1186/s13007-021-00747-0