鄧若玲，潘威杰，王志琪，黃旭楠，楊秀麗，齊 龍

（華南農(nóng)業(yè)大學(xué)工程學(xué)院，廣東 廣州 510642）

0 引言

農(nóng)作物如水稻是我國(guó)最主要的糧食作物，常年種植面積約3 000 萬(wàn)hm2，總產(chǎn)量近2 億t，是全國(guó)超過(guò)一半的人口的主食[1-3]。因此，提高農(nóng)作物產(chǎn)量對(duì)我國(guó)乃至全世界都是非常重要的。先進(jìn)的作物育種技術(shù)可以提高作物基因的改良率，從而更加容易培育出高產(chǎn)的優(yōu)質(zhì)農(nóng)作物[4,5]。然而，無(wú)論是進(jìn)行作物功能基因解析還是品種改良，都需要獲取農(nóng)作物的大量表型性狀參數(shù)，因?yàn)檫@些參數(shù)既有助于弄清楚表型性狀與不同基因之間的相關(guān)性，也能夠直觀地反映出作物生長(zhǎng)的情況以用于品種的篩選[6]。作物表型性狀參數(shù)按照作物生長(zhǎng)時(shí)期劃分，可以分為生長(zhǎng)發(fā)育期表型性狀參數(shù)（如株高、分蘗、綠葉面積、生物量、葉片數(shù)等）和成熟期表型性狀參數(shù)（如有效穗數(shù)、穗長(zhǎng)、總粒數(shù)、實(shí)粒數(shù)、粒長(zhǎng)、粒寬、千粒重等）[7-10]。作物成熟期表型性狀參數(shù)與作物的產(chǎn)量、品質(zhì)直接相關(guān)，是最重要的作物表型性狀參數(shù)，也是最直接反映作物育種水平的指標(biāo)[11]。作物成熟期表型性狀參數(shù)的獲取過(guò)程也叫作物考種，傳統(tǒng)的作物考種過(guò)程主要靠人工來(lái)完成，耗費(fèi)的勞動(dòng)力和時(shí)間資源非常多，而且測(cè)量精度和效率往往不能滿足現(xiàn)代作物育種研究的需求。

近年來(lái)，隨著信息技術(shù)、新一代人工智能技術(shù)與現(xiàn)代農(nóng)業(yè)的深度融合，智慧農(nóng)業(yè)領(lǐng)域應(yīng)運(yùn)而生。智慧農(nóng)業(yè)是指將物聯(lián)網(wǎng)感知、云計(jì)算、大數(shù)據(jù)分析、人工智能等技術(shù)應(yīng)用到農(nóng)業(yè)生產(chǎn)過(guò)程中進(jìn)一步提升生產(chǎn)效率的一種現(xiàn)代農(nóng)業(yè)模式。近年來(lái)，育種專(zhuān)家也提出將智慧農(nóng)業(yè)的相關(guān)技術(shù)運(yùn)用到農(nóng)作物育種領(lǐng)域的建議，提高育種信息準(zhǔn)確性和時(shí)效性，豐富育種信息數(shù)量和類(lèi)型，加快育種信息分析速度和效率。因此，基于智慧農(nóng)業(yè)領(lǐng)域的相關(guān)技術(shù)，研發(fā)出可靠的作物表型性狀觀測(cè)設(shè)備來(lái)輔助育種人員快速、準(zhǔn)確地獲悉作物表型特征信息具有重要的意義。

1 國(guó)內(nèi)外相關(guān)技術(shù)發(fā)展現(xiàn)狀和趨勢(shì)

作物表型觀測(cè)技術(shù)與設(shè)備不僅可以為作物表型性狀的獲取提供科學(xué)統(tǒng)一的標(biāo)準(zhǔn)，而且具有巨大的商業(yè)價(jià)值。國(guó)內(nèi)外已經(jīng)有許多研究機(jī)構(gòu)和公司率先投入到該領(lǐng)域并取得了一定的研究成果。接下來(lái)，將對(duì)作物表型觀測(cè)技術(shù)與設(shè)備的國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行介紹。

1.1 國(guó)外作物表型觀測(cè)技術(shù)與裝備研究現(xiàn)狀

隨著信息技術(shù)日益發(fā)展，國(guó)際上已經(jīng)有不少研究機(jī)構(gòu)開(kāi)發(fā)出了作物表型觀測(cè)設(shè)備，并投入實(shí)際應(yīng)用。比利時(shí)的 CropDesign 公司，是世界上最早開(kāi)展作物表型觀測(cè)技術(shù)相關(guān)研究的機(jī)構(gòu)，其開(kāi)發(fā)的作物表型性狀監(jiān)測(cè)工廠TraitMill，能實(shí)現(xiàn)作物表型特征的大規(guī)模自動(dòng)化分析，并已成功應(yīng)用于水稻增產(chǎn)、抗逆基因篩選等[12]。德國(guó)著名的作物表型觀測(cè)設(shè)備公司LemnaTec 所研發(fā)的Scanalyzer系列設(shè)備[13]，如圖1 所示，包括臺(tái)式作物表型分析系統(tǒng)Scanalyzer PL、實(shí)驗(yàn)室型作物表型分析平臺(tái)Scanalyzer HTS、溫室型3D 作物表型分析平臺(tái)Scanalyzer 3D 和野外型作物表型監(jiān)測(cè)平臺(tái)Scanalyzer Field。Scanalyzer PL 和Scanalyzer HTS 適合對(duì)小型樣品進(jìn)行測(cè)量；Scanalyzer 3D 是一套全自動(dòng)、高通量成像系統(tǒng)，通過(guò)3 個(gè)可變焦相機(jī)并結(jié)合樣本旋轉(zhuǎn)裝置，對(duì)作物進(jìn)行3D 成像與分析，可跟蹤作物的成長(zhǎng)過(guò)程，明確作物表型和生理功能之間的關(guān)系，已成功應(yīng)用于玉米和擬南芥的定向育種；Scanalyzer Field 用于精準(zhǔn)地監(jiān)測(cè)野外作物的生長(zhǎng)和健康狀況。荷蘭著名基因公司KeyGene 搭建了一個(gè)商業(yè)化的大型作物表型觀測(cè)工廠PhenoFab，該工廠把一個(gè)巨大的溫室用作作物表型觀測(cè)研究的平臺(tái)，利用專(zhuān)門(mén)設(shè)計(jì)的傳送裝置，將作物有序地送至成像暗房中進(jìn)行成像，其成像模塊主要包括可見(jiàn)光成像、近紅外成像和熒光成像，可以獲得作物表型、體內(nèi)水分分布和生理狀態(tài)的數(shù)字化圖像，從不同角度對(duì)作物的性狀特征進(jìn)行選擇和鑒定，極大地提高了育種工作的效率和質(zhì)量[14]。在澳大利亞成立的作物表型組學(xué)實(shí)驗(yàn)室Australian Plant Phenomics Facility，其建設(shè)資金超過(guò)5 000 萬(wàn)美金，所擁有的兩個(gè)作物表型研究平臺(tái)已經(jīng)成功應(yīng)用于谷物鹽脅迫研究、作物抗旱性和抗（硼）毒性研究、谷物生物量精準(zhǔn)建模和預(yù)測(cè)、根系發(fā)育研究等[15]。荷蘭PhenoSpex 公司專(zhuān)門(mén)為田間高通量作物表型觀測(cè)設(shè)計(jì)了FieldScan 系統(tǒng)，該系統(tǒng)以作物激光三維掃描測(cè)量?jī)xPlantEye 為核心，并集成多種傳感器，可在復(fù)雜光照環(huán)境條件下，獲取作物生長(zhǎng)狀況[16]。

圖1 Scanalyzer系列設(shè)備Fig.1 Scanalyzer series equipments

此外，美國(guó)旱地農(nóng)業(yè)研究中心開(kāi)發(fā)高通量FBP(field-based phenotyping) 平臺(tái)[17]，該平臺(tái)由多個(gè)傳感器組成，允許同時(shí)測(cè)量3 個(gè)帶寬的棉花植株冠層高度、溫度和光譜反射率，如圖2 所示。該平臺(tái)實(shí)時(shí)運(yùn)動(dòng)的GPS 能提供2 cm 以下的定位精度。試驗(yàn)表明，該FBP 平臺(tái)幾乎能夠達(dá)到所需的高吞吐量水平。

圖2 棉花植株田間表型平臺(tái)Fig.2 Cotton plant field phenotype platform

2013 年，德國(guó)奧斯納布呂克應(yīng)用科學(xué)大學(xué)開(kāi)發(fā)了針對(duì)小谷物植株的牽引式多傳感器表型平臺(tái)[18]，如圖3 所示。該平臺(tái)集成了各種光學(xué)傳感器（如光幕成像、3D 飛行時(shí)間相機(jī)、激光距離傳感器、高光譜成像以及彩色成像），以收集植物的光譜和形態(tài)信息。該平臺(tái)的開(kāi)發(fā)包括：機(jī)械設(shè)計(jì)，用于數(shù)據(jù)收集和數(shù)據(jù)處理的系統(tǒng)架構(gòu)，集成系統(tǒng)的表型程序，來(lái)自現(xiàn)場(chǎng)試驗(yàn)的結(jié)果以進(jìn)行數(shù)據(jù)質(zhì)量評(píng)估，以及用于工廠高度確定的校準(zhǔn)結(jié)果，作為平臺(tái)應(yīng)用程序的量化示例。

圖3 BreedVision表型平臺(tái)Fig.3 BreedVision phenotyping platform

2014 年，美國(guó)亞利桑那大學(xué)馬里科帕農(nóng)業(yè)中心開(kāi)發(fā)了一種新穎的田間動(dòng)態(tài)性狀表型分析系統(tǒng)[19]，如圖4 所示。該系統(tǒng)帶有4 組傳感器，可同時(shí)測(cè)量4 行相鄰行的冠層高度、反射率和溫度，從而能夠以0.84 hm2/h 的速率收集表型數(shù)據(jù)。作者對(duì)2011年在亞利桑那州馬里科帕（Maricopa）種植的25 個(gè)皮馬棉（Gossypium barbadense L.）品種進(jìn)行了系統(tǒng)性能評(píng)估。將田間種植的植物在澆水和缺水的條件下灌溉，在7 月和8 月的3 天的不同時(shí)間進(jìn)行測(cè)量。結(jié)果顯示，冠層高度、歸一化植被指數(shù)和溫度的測(cè)量均顯示了品種之間的巨大差異，以及品種與水分狀況和一天中不同時(shí)間的預(yù)期相互作用。冠層高度的廣義遺傳力（H2）最高（H2=0.86～0.96），其次是對(duì)環(huán)境更為敏感的歸一化差異植被指數(shù)（H2=0.28～0.90）和溫度（H2=0.01～0.90）性狀。作者還發(fā)現(xiàn)，系統(tǒng)獲得的值與航空影像和手動(dòng)表型方法的值之間存在很強(qiáng)的一致性（R2=0.35～0.82）。綜上所述，這些結(jié)果證實(shí)了表型系統(tǒng)具有能夠快速、準(zhǔn)確地測(cè)量多個(gè)性狀的能力。

圖4 一種新穎的田間動(dòng)態(tài)性狀表型分析系統(tǒng)Fig.4 A novel system for phenotyping dynamics traits in the field

由上述可知，國(guó)外的這些作物表型觀測(cè)設(shè)備大多都集成了自動(dòng)控制、光學(xué)成像、數(shù)字圖像處理、數(shù)據(jù)分析及自動(dòng)管理等先進(jìn)技術(shù)，可以實(shí)現(xiàn)作物自動(dòng)輸送，表型性狀參數(shù)自動(dòng)提取和表型數(shù)據(jù)自動(dòng)管理。但以上大多數(shù)研究機(jī)構(gòu)對(duì)作物表型性狀的觀測(cè)僅僅是在作物某個(gè)生長(zhǎng)時(shí)期的某一段時(shí)間，并不會(huì)對(duì)全生育期表型性狀進(jìn)行觀測(cè)。而在不同的生長(zhǎng)時(shí)期，作物的表型性狀會(huì)發(fā)生顯著變化，具有多樣性，所以上述表型觀測(cè)設(shè)備只能獲取作物生長(zhǎng)發(fā)育期表型性狀參數(shù)，并不能滿足對(duì)作物成熟期表型性狀參數(shù)的提取需求。另外，不同國(guó)家、不同組織的育種人員所需要研究的作物品種和所需要提取的表型性狀參數(shù)不盡相同，使得表型觀測(cè)設(shè)備需要按照具體用戶的實(shí)際需求進(jìn)行定制，導(dǎo)致這些設(shè)備的售價(jià)都非常昂貴而且系統(tǒng)維護(hù)難度很高，不利于在我國(guó)實(shí)際應(yīng)用中進(jìn)行推廣。

1.2 國(guó)內(nèi)作物表型觀測(cè)技術(shù)與裝備研究現(xiàn)狀

圖5 Crop 3D平臺(tái)Fig.5 Crop 3D platform

我國(guó)作物表型觀測(cè)技術(shù)整體上相對(duì)于歐美發(fā)達(dá)國(guó)家而言水平較低并且發(fā)展較慢，許多公司處于對(duì)國(guó)外先進(jìn)作物表型觀測(cè)技術(shù)和設(shè)備的引進(jìn)和代理的階段[20]。例如，上海澤泉科技[21]、北京慧諾瑞德公司分別與多家國(guó)際知名的科研設(shè)備生產(chǎn)商達(dá)成了代理協(xié)議，共同為我國(guó)農(nóng)業(yè)科研、育種和生產(chǎn)領(lǐng)域提供產(chǎn)品和系統(tǒng)解決方案。近些年，國(guó)內(nèi)部分科研院所和農(nóng)業(yè)院校開(kāi)始重視作物表型觀測(cè)技術(shù)研究和科研團(tuán)隊(duì)建設(shè)，并取得了階段性進(jìn)展。Crop 3D 作為國(guó)內(nèi)首套作物三維表型監(jiān)測(cè)系統(tǒng)，如圖5 所示，由中國(guó)科學(xué)院植物研究所研發(fā)，其集成了激光雷達(dá)、高分辨率相機(jī)、多光譜和熱成像儀4 種傳感器，采用“sensor-to-plant”的工作方式，在240 s 內(nèi)可完成20 m2面積的作物掃描[22]。其中，激光雷達(dá)獲取的點(diǎn)云數(shù)據(jù)能夠提供毫米級(jí)精度的表型結(jié)構(gòu)信息，在作物葉傾角、葉面積密度、葉面積指數(shù)、作物三維體積等三維結(jié)構(gòu)參數(shù)提取方面有明顯的優(yōu)勢(shì)；高分辨率影像提供了群體水平完整的冠層覆蓋信息，為作物三維重建提供了豐富的紋理信息；高光譜圖像通過(guò)拼接、校正、勻色等處理，提供了高空間分辨率的植被指數(shù)，可應(yīng)用于作物長(zhǎng)勢(shì)、作物生理狀態(tài)評(píng)估；熱成像儀提供了作物冠層溫度的全天候監(jiān)測(cè)，可實(shí)時(shí)地反映作物在生長(zhǎng)脅迫下的生理狀態(tài)，為作物表型和生理生態(tài)等研究提供了充分的支持。華中農(nóng)業(yè)大學(xué)作物遺傳改良國(guó)家重點(diǎn)實(shí)驗(yàn)室的水稻表型組研究團(tuán)隊(duì)研發(fā)了一種稻?？挤N系統(tǒng)[3]，如圖6 所示。該考種系統(tǒng)采用單色線陣列相機(jī)進(jìn)行稻粒圖像在線采集，采用多級(jí)皮帶機(jī)構(gòu)輸運(yùn)稻粒，并利用伺服線性風(fēng)選裝置分離實(shí)空粒，能夠分析稻?？偭?shù)、實(shí)粒數(shù)、空粒數(shù)和千粒重。不過(guò)該考種系統(tǒng)的稻粒輸運(yùn)裝置未能很好地避免稻粒黏連和稻粒重疊等現(xiàn)象產(chǎn)生，降低了圖像分析結(jié)果的準(zhǔn)確度，而且它的風(fēng)選裝置不能穩(wěn)定地對(duì)不同品種的實(shí)空粒進(jìn)行分離，遇到新的水稻品種就需要人工反復(fù)調(diào)節(jié)風(fēng)力大小。另外，該系統(tǒng)沒(méi)有稻穗脫粒功能，還不能實(shí)現(xiàn)水稻考種的全自動(dòng)化，不利于在實(shí)際考種中推廣使用。

圖6 稻?？挤N系統(tǒng)Fig.6 Rice grain size measurement system

2011 年，華中科技大學(xué)段凌鳳研發(fā)了一臺(tái)自動(dòng)評(píng)估水稻產(chǎn)量相關(guān)性狀的工程樣機(jī)，該樣機(jī)能評(píng)估每穗粒數(shù)、每穗實(shí)粒數(shù)、粒長(zhǎng)、粒寬以及千粒重性狀[23]，如圖7 所示。該樣機(jī)所有評(píng)估的產(chǎn)量性狀的平均絕對(duì)百分比誤差均小于5%，并且每24 h 連續(xù)工作日的效率約為1 440 株植物。2013 年，該團(tuán)隊(duì)的黃成龍研究了基于風(fēng)選法的水稻數(shù)字化考種系統(tǒng)，并首次研制了一臺(tái)單株水稻脫粒儀[24]。該系統(tǒng)采用的單色線陣列相機(jī)具有9 600 Hz 最大行頻，可以滿足在線采集的需求。該團(tuán)隊(duì)用伺服線性風(fēng)選裝置來(lái)分離癟粒，首次實(shí)現(xiàn)了考種過(guò)程的全自動(dòng)化。但該系統(tǒng)存在脫粒效果差，需針對(duì)不同品種反復(fù)調(diào)節(jié)碾壓力，操作繁瑣等缺點(diǎn)。脫粒儀存在枝干大量殘留，谷粒黏連和谷粒殘留等不足，這給圖像處理增加了難度。此外，黃成龍也研發(fā)了能自動(dòng)測(cè)量稻穗長(zhǎng)度的“Smart-PL”系統(tǒng)[25]。但該系統(tǒng)需人工擺放稻穗，不符合現(xiàn)代智能農(nóng)業(yè)的發(fā)展需求。

圖7 華中科技大學(xué)開(kāi)發(fā)的工程樣機(jī)Fig.7 Engineering prototype developed by Huazhong University of Science and Technology

2019 年，揚(yáng)州大學(xué)的WU WEI 建立了基于Faster R-CNN 的深度學(xué)習(xí)模型和線性回歸模型，并比較秈稻和粳稻在不同圖像采集設(shè)備和多種穗形之間兩種方法的計(jì)數(shù)準(zhǔn)確性，最后的精度分別為99%和96%[26]。試驗(yàn)得出結(jié)論，深度學(xué)習(xí)模型比線性回歸模型需要更多的時(shí)間，如果考慮時(shí)間成本，建議使用線性回歸模型來(lái)計(jì)算每穗的米粒數(shù)，否則，深度學(xué)習(xí)模型將是優(yōu)化準(zhǔn)確性的最佳選擇。2019 年，南京林業(yè)大學(xué)的NI CHAO 提出了一種玉米自動(dòng)檢測(cè)機(jī)，如圖8 所示，該機(jī)器由硬件和軟件兩部分組成[27]。軟件部分使用ResNet 卷積神經(jīng)網(wǎng)絡(luò)檢測(cè)玉米粒，408 張測(cè)試圖像的精度為98.2%。

圖8 玉米粒自動(dòng)檢測(cè)機(jī)Fig.8 Schematic of automatic maize-inspection machine

上海交通大學(xué)設(shè)計(jì)了一種田間機(jī)器人用于測(cè)量水稻性狀[28]，如圖9 所示。該機(jī)器人配備機(jī)械手模塊和視覺(jué)系統(tǒng)，通過(guò)記錄生長(zhǎng)階段幼苗位置信息來(lái)定位對(duì)象。通過(guò)模仿人類(lèi)動(dòng)作如推開(kāi)相鄰的水稻、展開(kāi)稻穗和摩擦水稻，設(shè)計(jì)了3 種操縱器，包括水稻分離操縱器、測(cè)高操縱器和穗擴(kuò)張操縱器，以減少重疊。此外，作者結(jié)合3 種操縱器，引入了3 個(gè)成像傳感器，包括CCD 攝像機(jī)、結(jié)構(gòu)化光傳感器和激光傳感器，以定量測(cè)量表型。結(jié)果表明，水稻分離機(jī)械手隔板可到達(dá)空間為1.6×10-3m3，測(cè)高機(jī)械手有效運(yùn)動(dòng)為1 300 mm，穗擴(kuò)張機(jī)械手最大工作面積為32 500 mm2。試驗(yàn)結(jié)果與手動(dòng)測(cè)量一致，表明該研究設(shè)計(jì)了一種有效且可靠的用于高通量獲取水稻表型性狀的方法。

圖9 用于測(cè)量水稻性狀的田間機(jī)器人Fig.9 Field robot for measuring rice traits

由上述可知，目前國(guó)內(nèi)作物表型觀測(cè)技術(shù)相關(guān)研究尚處于起步階段，自主研制的作物表型觀測(cè)設(shè)備較少而且現(xiàn)有的作物表型觀測(cè)設(shè)備存在諸多技術(shù)問(wèn)題。隨著現(xiàn)代育種技術(shù)的不斷發(fā)展，我國(guó)的水稻育種工作者對(duì)國(guó)內(nèi)作物表型觀測(cè)技術(shù)的發(fā)展充滿了期待并提出了新的要求。為了打破國(guó)外技術(shù)壁壘，避免高昂的設(shè)備購(gòu)置費(fèi)用，很有必要研發(fā)一套具有自主知識(shí)產(chǎn)權(quán)的全自動(dòng)高精度的作物考種系統(tǒng)來(lái)促進(jìn)國(guó)內(nèi)水稻育種技術(shù)研究的進(jìn)一步發(fā)展。

2 預(yù)期的應(yīng)用前景

隨著國(guó)內(nèi)人口增加，我國(guó)糧食需求也在不斷增長(zhǎng)。為了保證糧食供應(yīng)充足，近年來(lái)我國(guó)政府加大了對(duì)農(nóng)業(yè)研究的投入。研究作物智慧表型測(cè)量技術(shù)是一系列適應(yīng)糧食安全、符合我國(guó)作物育種發(fā)展方向和滿足省工省時(shí)的市場(chǎng)化經(jīng)濟(jì)需要的技術(shù)；研發(fā)作物智能表型平臺(tái)機(jī)能對(duì)作物產(chǎn)量相關(guān)表型性狀參數(shù)進(jìn)行全自動(dòng)高通量解析，克服傳統(tǒng)人工測(cè)量方法所存在的缺陷，提高作物表型測(cè)量的效率和準(zhǔn)確度，有效地打破國(guó)外表型觀測(cè)技術(shù)壁壘，推動(dòng)國(guó)內(nèi)作物育種研究的進(jìn)一步發(fā)展。開(kāi)展作物育種研究可提供有力的科學(xué)工具，促進(jìn)作物功能基因解析和品種改良研究，具有廣闊的應(yīng)用前景。