根據世界銀行的數據，到2025年，地球上將有80億人。為了維持這一人口，我們需要智慧農業(yè)來幫助我們實現每公頃種植更多的糧食。視覺技術將幫助我們實現這一目標。

幾個世紀以來，農民一直在培育口味好、耐逆、高產的植物品種。視覺技術的一種——下一代測序技術——利用熒光成像技術來探索和理解基因組，大大改善了育種過程�？茖W家使用諸如基因修飾和編輯之類的技術來實現特定的性狀，例如改善口感、大小、抗性或產量等。

但是，大自然也不是善茬。育種者必須找出基因在其生長環(huán)境中的表達方式。為此，他們使用表型分析來測量植物的不同部分（包括顏色、莖粗、高度和葉角等），旨在將這些性狀與植物內的特定基因相關聯(lián)。

育種家根據色卡比對來確定施加氮肥的量

（Trends Plant Sci.,2019, 24, 10）

視覺傳感器和機器學習正在打破植物表型的瓶頸

 植物育種和表型并不是新鮮事。1856年一個叫孟德爾的人就通過表型闡明了遺傳學的核心問題。但遺憾的是，直到最近測量植物表型的過程仍然十分繁瑣。“目前，所有植物的特征都是由人類來衡量的，因此是主觀的”，Agricomseeds的莉亞·帕雷德斯·薩爾托斯說。

科學家，育種家和其他技術嫻熟的操作員用手測量植物性狀，這是一個緩慢/昂貴且不精確的過程，通常被稱為表型瓶頸。實際上，完成一個新的植物品種可能需要長達10年的時間。

視覺技術是采集、分析、過濾（噪音）、顯示或分發(fā)視覺數據的任何技術。它通常利用計算機視覺、機器學習或人工智能。視覺數據包括圖片、視頻、熱圖像、X射線圖像、高光譜圖像、LiDAR等等。

令人興奮的是，視覺技術正在改變表型，打破瓶頸，驅動我們進入下一代植物育種。相機和傳感器技術的進步正在通過多種成像傳感器（包括多角度、2D、3D、RGB、熒光、近紅外（NIR）、熱紅外和高光譜）實現更快，更可靠的室內表型分析。

這些技術正在快速使表型過程自動化，從而使育種者不僅可以獲取更快，更準確的表型數據，還可以檢查不可見的植物性狀，例如葉片含水量和光合作用效率。

自動化表型中使用的成像傳感器的選擇范圍從局部性狀（例如葉色和高度）到生理性狀（例如光合作用效率）

（LDV資本洞察， 2020）

表型的未來

育種過程在計算機上開始，其中需要對單個基因進行分析和編輯。一旦植物開始在溫室中生長，表型過程就會開始。

機器學習算法將這些數據與基因組數據相關聯(lián)，使育種者可以快速了解其遺傳修飾在與生長環(huán)境結合時如何轉化為實際植物性狀。隨著數據可用性的增長，即使在仍處于生長狀態(tài)的情況下，該技術也可以使育種者更好地預測完全成熟的植物的性狀。

很多育種都在較大的溫室中進行，我們已經在部署的初始階段看到了該技術。在較小的溫室中，這里種植的種子更加專業(yè)，除軟件和數據分析流程開發(fā)外，其推廣主要取決于設備成本而不是人工成本。

表型的第二階段在田間進行，可以在標準環(huán)境下評估在戶外商業(yè)種植的植物。將自動表型帶入現場會帶來一系列挑戰(zhàn)，包括很多的非標準化育種數據。

在未來五年中，我們希望看到企業(yè)家在這一領域繼續(xù)創(chuàng)新，并期望新興的初創(chuàng)公司將開始改善植物育種過程。在接下來的10到20年中，邊緣計算、機器人技術、無人機和遙感技術將為田間育種提供大量的表型數據。下一代測序技術（NGS）與自動表型結合，將對價值4200億美金的全球商業(yè)種子市場產生重大影響，并幫助提供足夠的食物來養(yǎng)活全世界。

作者：Leah Oppenheimer，哥倫比亞商學院MBA