《The Plant Phenome Journal》:High-throughput phenotyping for the prediction and quantification of flower-related traits in sugarcane
编辑推荐:
本研究针对甘蔗育种中亲本花期难以同步的挑战,开发了一种基于无人机影像和人工智能的高通量表型(HTP)策略。研究人员利用植被指数(VIs)和数字模型衍生的指标,结合卷积神经网络(CNN)和人工神经网络(ANN)等机器学习(ML)方法,成功实现了对开花检测、花期预测以及早晚花响应分类的准确分析。其中CNN开花检测准确率达84%,ANN分类模型精度达0.87,ML回归模型对旗叶出现和开花天数的预测R2可达0.51–0.52。该研究证明了HTP结合AI技术在加速甘蔗花性状数据采集与分析、支持高效育种决策方面的重要潜力。
甘蔗是全球重要的糖料和生物能源作物,但其育种工作面临一个长期存在的难题:不同基因型的亲本植株开花时间往往不同步,这严重阻碍了有效的杂交育种。传统上,育种家需要每天在田间进行人工观察,记录开花相关性状,如开花天数(DTF)、旗叶出现天数(DTFL)以及花序数量等。这种方法不仅劳动强度大、耗时费力,而且受环境和个人经验影响,难以在大型育种项目中规模化应用。与此同时,随着测序成本下降,基因型数据获取已变得相对容易,但精准、高效的表型数据(Phenotypic data)采集却成为限制育种进展的主要瓶颈。为了突破这一困境,研究人员将目光投向了高通量表型(High-throughput phenotyping, HTP)技术,特别是结合无人机遥感与人工智能的方法,以期实现甘蔗花性状的快速、客观、定量化评估。
这项研究发表在The Plant Phenome Journal上,旨在开发一套完整的HTP工作流程,用于预测和量化甘蔗的花相关性状。研究人员在巴西的试验田种植了154个甘蔗基因型,利用搭载RGB(Red, Green, Blue)相机的无人机,在植株(Plant cane, PC)和第一代宿根(First ratoon, FR)两个生长季节进行了系统性的航拍,获取了大量影像数据。通过对这些影像进行处理,生成正射影像图(Orthomosaics),并计算了冠层覆盖度(Canopy Cover, CC)、过量绿度指数(Excess Greenness, EXG)、株高(Plant Height, PH)和植株体积(Plant Volume, PV)等指标。随后,他们构建了多种机器学习管道进行分析,包括用于开花检测的卷积神经网络(Convolutional Neural Network, CNN)、用于区分早花(Early-flowering, EF)和晚花(Late-flowering, LF)响应的人工神经网络多层感知器(Multilayer Perceptron, MLP)分类模型,以及用于预测开花天数的多种回归模型(如随机森林、XGBoost、岭回归、套索回归等)。
为了开展研究,作者团队运用了几个关键技术方法:首先是无人机遥感数据采集与处理,使用DJI Mavic 3 Enterprise无人机在特定参数下飞行,获取高分辨率RGB影像,并通过Agisoft Metashape软件生成正射影像图和数字模型。其次是表型指标提取,利用地理信息系统软件(QGIS)从正射影像中计算出植被指数(VIs)和结构指标(如CC, EXG, PH, PV)。第三是机器学习与深度学习模型构建与应用,包括使用基于YOLO框架改进的CNN模型进行花序检测与计数,使用MLP分类器对基因型进行早/晚花分类,以及使用多种回归算法预测开花相关性状。研究样本来源于巴西巴伊亚州塞拉格兰德的IAC甘蔗育种站,包含154个基因型,种植在增广区组设计中。
3.1 ANOVA和描述性分析
对田间数据的分析表明,在PC和FR季节,分别有94.1%和92.21%的基因型开花。FR的开花时间整体上比PC稍晚。开花天数(DTF)和旗叶出现天数(DTFL)在PC和FR中均表现出显著的基因型间差异。从正射影像数据库中推断出的开花时间(DTF_Ortho)与田间观测值高度相关,表明通过遥感影像评估花期是可行的。
3.2 重复力和遗传力
田间测量性状的广义遗传力(H2)从中等到高(0.45至0.93),其中DTF和DTFL的遗传力最高。通过正射影像评估的DTF_Ortho也表现出很高的遗传力,接近田间数据。对植被指数和指标的重复力分析显示,在开花季节(5月至6月),CC的重复力高于EXG,且所有指标在此期间的变异较大,表明此时是采集HTP数据的合适时机。
3.3 指标/植被指数的选择
通过主成分分析(Principal Component Analysis, PCA)和Spearman相关热图评估了指标间的多重共线性。PCA降低了数据维度,并筛选出用于后续机器学习模型的关键特征。最终,为PC选择了17个特征(来自CC和EXG),为FR选择了41个特征(来自CC, EXG, PH, PV)。
3.4 机器学习分类模型
使用多层感知器(MLP)分类模型,仅基于CC和EXG指标,就能以较高的准确度区分早花和晚花基因型。在PC上,模型曲线下面积(AUC)为0.86,准确率为0.87,马修斯相关系数(MCC)为0.60。在FR上,即使加入了PH和PV指标,模型性能(AUC=0.75, MCC=0.42)略低于PC,这表明CC和EXG对于开花响应分类可能更为关键。
3.5 机器学习回归预测模型
比较了多种回归模型对开花相关性状的预测能力。在PC上,XGBoost模型对DTF和DTFL的预测效果最佳(R2分别为0.48和0.51)。在FR上,XGBoost对DTF预测最好(R2=0.52),而岭回归(Ridge)对DTFL预测最好(R2=0.48)。对于开花计数和开花强度等性状,正则化线性模型(如Lasso, Ridge)的表现优于树集成模型。这表明,针对不同的性状,需要选择最合适的机器学习算法。
3.6 田间观测与正射影像观测的DTF比较
田间观测的DTF与从正射影像数据库中判读的DTF_Ortho之间存在强相关性。在PC上,调整后R2为0.85,均方根误差(RMSE)为4.04;在FR上,调整后R2为0.62,RMSE为6.82。这证实了利用正射影像数据库远程监测花期的可行性和准确性。
3.7 观测花计数与计算机视觉技术的比较
训练的CNN模型在开花检测任务中达到了84%的准确率和76.8%的mAP@0.5。模型预测的花序数量与田间实际计数在开花初期(花序稀疏时)相关性最高(调整R2=0.72)。但随着花期推进,花序密度增加、重叠加剧,检测和计数变得困难,相关性下降(盛花期R2最低为0.25)。整个花期的平均相关性为调整R2=0.46,RMSE=13.80。这表明该模型在开花初期是有效的辅助计数工具,但在高密度条件下面临挑战。
在结论与讨论部分,研究强调了HTP策略对于甘蔗花性状研究的革命性意义。传统依赖人工的田间调查方法效率低下,而无人机结合AI提供了一种可扩展的替代方案。研究发现,基于正射影像的花期评估与田间数据高度一致,且具有高遗传力,可用于大规模监测。植被指数和结构指标,特别是CC和EXG,是预测开花响应的有效特征。机器学习模型,尤其是正则化线性模型,在预测某些开花性状上表现优异。深度学习模型在开花检测和初期计数方面展现出潜力,但其精度受花序密度和环境影响。这项研究为甘蔗育种项目提供了一个强大的工具集,能够加速花性状数据的收集与分析,帮助育种家更高效地选择亲本、实现花期同步,从而推动甘蔗品种的遗传改良。未来,将高通量表型数据与基因组数据结合,进行全基因组关联分析和基因组选择,有望进一步加快育种周期,提升甘蔗育种的整体效率。