视觉技术驱动下一代育种
根据世界银行的数据，到2025年，地球上将有80亿人。为了维持这一人口，我们需要智慧农业来帮助我们实现每公顷种植更多的粮食。视觉技术将帮助我们实现这一目标。
几个世纪以来，农民一直在培育口味好、耐逆、高产的植物品种。视觉技术的一种——下一代测序技术——利用荧光成像技术来探索和理解基因组，大大改善了育种过程。科学家使用诸如基因修饰和编辑之类的技术来实现特定的性状，例如改善口感、大小、抗性或产量等。
但是，大自然也不是善茬。育种者必须找出基因在其生长环境中的表达方式。为此，他们使用表型分析来测量植物的不同部分（包括颜色、茎粗、高度和叶角等），旨在将这些性状与植物内的特定基因相关联。
育种家根据色卡比对来确定施加氮肥的量
（Trends Plant Sci.,2019, 24, 10）
视觉传感器和机器学习正在打破植物表型的瓶颈
植物育种和表型并不是新鲜事。1856年一个叫孟德尔的人就通过表型阐明了遗传学的核心问题。但遗憾的是，直到最近测量植物表型的过程仍然十分繁琐。“目前，所有植物的特征都是由人类来衡量的，因此是主观的”，Agricomseeds的莉亚·帕雷德斯·萨尔托斯说。
科学家，育种家和其他技术娴熟的操作员用手测量植物性状，这是一个缓慢/昂贵且不精确的过程，通常被称为表型瓶颈。实际上，完成一个新的植物品种可能需要长达10年的时间。
视觉技术是采集、分析、过滤（噪音）、显示或分发视觉数据的任何技术。它通常利用计算机视觉、机器学习或人工智能。视觉数据包括图片、视频、热图像、X射线图像、高光谱图像、LiDAR等等。
令人兴奋的是，视觉技术正在改变表型，打破瓶颈，驱动我们进入下一代植物育种。相机和传感器技术的进步正在通过多种成像传感器（包括多角度、2D、3D、RGB、荧光、近红外（NIR）、热红外和高光谱）实现更快，更可靠的室内表型分析。
这些技术正在快速使表型过程自动化，从而使育种者不仅可以获取更快，更准确的表型数据，还可以检查不可见的植物性状，例如叶片含水量和光合作用效率。
自动化表型中使用的成像传感器的选择范围从局部性状（例如叶色和高度）到生理性状（例如光合作用效率）
（LDV资本洞察， 2020）
表型的未来
育种过程在计算机上开始，其中需要对单个基因进行分析和编辑。一旦植物开始在温室中生长，表型过程就会开始。
机器学习算法将这些数据与基因组数据相关联，使育种者可以快速了解其遗传修饰在与生长环境结合时如何转化为实际植物性状。随着数据可用性的增长，即使在仍处于生长状态的情况下，该技术也可以使育种者更好地预测完全成熟的植物的性状。
很多育种都在较大的温室中进行，我们已经在部署的初始阶段看到了该技术。在较小的温室中，这里种植的种子更加专业，除软件和数据分析流程开发外，其推广主要取决于设备成本而不是人工成本。
表型的第二阶段在田间进行，可以在标准环境下评估在户外商业种植的植物。将自动表型带入现场会带来一系列挑战，包括很多的非标准化育种数据。
在未来五年中，我们希望看到企业家在这一领域继续创新，并期望新兴的初创公司将开始改善植物育种过程。在接下来的10到20年中，边缘计算、机器人技术、无人机和遥感技术将为田间育种提供大量的表型数据。下一代测序技术（NGS）与自动表型结合，将对价值4200亿美金的全球商业种子市场产生重大影响，并帮助提供足够的食物来养活全世界。
作者：Leah Oppenheimer，哥伦比亚商学院MBA
