受疫情影響，上周舉行的美國(guó)植物表型會(huì)議Phenome 2020并沒(méi)有來(lái)自中國(guó)大陸的代表。Phenome會(huì)議歷來(lái)是國(guó)際植物表型圈最棒的會(huì)議之一，為了更好的與國(guó)內(nèi)植物表型圈同仁分享會(huì)議進(jìn)展，我們邀請(qǐng)到幾位海外華人代表談一下他們的參會(huì)感想。今天來(lái)分享的是愛(ài)荷華州立大學(xué)的蓋倞堯博士。

美國(guó)植物表型會(huì)議Phenome是美國(guó)表型組學(xué)的頂級(jí)會(huì)議，由北美植物表型網(wǎng)絡(luò)NAPPN，美國(guó)植物生物學(xué)協(xié)會(huì)ASPB，以及國(guó)際植物表型網(wǎng)絡(luò)IPPN共同舉辦。
 

Phenome聚焦于解決植物表型學(xué)數(shù)據(jù)測(cè)量、數(shù)據(jù)處理、生物建模等問(wèn)題，提供了一個(gè)跨界、跨專(zhuān)業(yè)的高層次交流平臺(tái)。本次會(huì)議注冊(cè)者約270人（數(shù)據(jù)來(lái)自注冊(cè)處工作人員），來(lái)自學(xué)術(shù)界以及工業(yè)界，專(zhuān)業(yè)涵蓋植物學(xué)、生物學(xué)、統(tǒng)計(jì)、計(jì)算機(jī)、工程等各個(gè)方向。各行各業(yè)的專(zhuān)家學(xué)者們?cè)谶@里互相交流自己的研究和想法，以尋求合作、激發(fā)新的靈感、以及展望學(xué)科的未來(lái)。
 

這是我第一次參加Phenome。我是一名農(nóng)業(yè)工程方向的博士生，主要的研究方向是機(jī)器人在農(nóng)業(yè)方向的應(yīng)用，近兩年才參與到表型測(cè)量機(jī)器人的研發(fā)中。這次我們實(shí)驗(yàn)室四個(gè)人駕車(chē)從美國(guó)中部的Iowa出發(fā)，帶著我們組研發(fā)的自動(dòng)表型測(cè)量機(jī)器人PhenoBot3.0，一路向西開(kāi)了三天，穿過(guò)大山和荒漠，到達(dá)Arizona。會(huì)場(chǎng)在寬敞明亮的Tucson Convention Center，主會(huì)場(chǎng)只有一個(gè)，用于所有的演講talks，主會(huì)場(chǎng)外的走廊以及大廳用來(lái)放置海報(bào)posters以及展覽exhibitions。鑒于我的專(zhuān)業(yè)以及背景，我比較關(guān)注的研究是關(guān)于數(shù)據(jù)的采集以及（圖像）處理方向，以下是我關(guān)于本次會(huì)議的幾點(diǎn)感想：
 

機(jī)器視覺(jué)是高通量表型測(cè)量的最熱選擇
 

因?yàn)槠浞墙佑|、采集速度快的特性，基于機(jī)器視覺(jué)的表型測(cè)量是當(dāng)下的研究熱點(diǎn)。該類(lèi)方法通過(guò)圖像處理的方式，從圖像中提取結(jié)構(gòu)、材質(zhì)等特征，進(jìn)而提取出植物的形態(tài)、病理等表型數(shù)據(jù)。本次大會(huì)中的研究大多以植物的圖像作為原始數(shù)據(jù)。圖像數(shù)據(jù)形式多種多樣，在這次會(huì)議中出現(xiàn)的圖像形式有：RGB彩色圖像、多光譜圖像、高光譜圖像，以及由雙目視覺(jué)、X光、核磁共振（MRI）等重建出的三維點(diǎn)云等。其中多光譜以及高光譜出現(xiàn)的最多，用于疾病監(jiān)測(cè)、干旱脅迫等研究，某種程度上表現(xiàn)了當(dāng)前植物學(xué)的研究空白與趨勢(shì)。RGB圖像以及三維點(diǎn)云多用作植物的形態(tài)表型測(cè)量，例如根系（by Dr. Camilo Valdes, Florida International University）、花序（by Dr. Mao Li, Donald Danforth Plant Science Center）、玉米莖桿（by Lirong Xiang, Iowa State University）、玉米穗（by Cedar Warman, Oregon State University）等。也有一些研究采用非主流的傳感器，例如使用探地雷達(dá)測(cè)量根系體積（by Dr. Ursula Ruiz-Vera, University of Illinois）、使用激光陣列計(jì)算玉米根數(shù)（by Dr. Lie Tang, Iowa State University）。
 

表型測(cè)量平臺(tái)、傳感器百花齊放
 

高通量、高質(zhì)量表型測(cè)量平臺(tái)以及傳感器的研發(fā)一直是植物表型組學(xué)的研究熱點(diǎn)。該類(lèi)平臺(tái)以及傳感器旨在為后續(xù)表型分析提供大量、高質(zhì)量的植物信息。表型測(cè)量平臺(tái)可分為室內(nèi)、室外兩大類(lèi)，室內(nèi)平臺(tái)有環(huán)境可控的大型設(shè)施Controlled Environment Phenotyping Facility (CEPF)（from Purdue University），更多的是小型的，比如用于根系測(cè)量的（by Dr. Larry York, Noble Research Institute）, 以及多光譜圖像采集的Pathoviewer（from Ghent University）。
 

Controlled Environment Phenotyping Facility (CEPF)，普渡大學(xué)（Purdue University）圖像來(lái)源：https://ag.purdue.edu/plantsciences/greenhouse-conveyer-belt-could-advance-food-production-address-looming-global-food-crisis/
 

 
Pathoviewer，根特大學(xué)（Ghent University），圖像來(lái)源：https:///watch?v=sr7mWssVtFg

室外測(cè)量平臺(tái)以無(wú)人機(jī)平臺(tái)為主。無(wú)人機(jī)平臺(tái)因其高效，快速、易操作的特點(diǎn)而廣受歡迎。該類(lèi)平臺(tái)可搭載激光雷達(dá)、彩色相機(jī)、多光譜相機(jī)等傳感器，主要用于田內(nèi)作物高度分析、產(chǎn)量估計(jì)、光譜分析等。另一類(lèi)測(cè)量平臺(tái)為地面機(jī)器人平臺(tái)，用于近距離采集圖像，或采集無(wú)法使用空中平臺(tái)觀測(cè)到的特征信息。例如由我們湯烈教授課題組（Dr. Lie Tang’s lab, Iowa State University）研發(fā)的自主機(jī)器人PhenoBot 3.0，可在標(biāo)準(zhǔn)30英寸間距的玉米行間自主導(dǎo)航，并通過(guò)安裝在自平衡桿上的多組帶閃光燈的雙目視覺(jué)相機(jī)，從側(cè)面拍攝玉米在各高度的形態(tài)表型。另外一個(gè)例子是亞利桑那州的大型室外表型測(cè)量設(shè)施，使用安裝在龍門(mén)架上的多種傳感器（彩色、高光譜、三維等）采集植物信息。
 

PhenoBot 3.0，愛(ài)荷華州立大學(xué)湯烈教授團(tuán)隊(duì)（Dr. Lie Tang’s lab, Iowa State University）

德州農(nóng)工（Texas A&M University）以及亞利桑那大學(xué)（University of Arizona）探究了使用地面機(jī)器人作為控制點(diǎn)（robotic ground control point），以提供無(wú)人機(jī)航拍圖像一個(gè)位置參考以及光譜相機(jī)的亮度標(biāo)定參考，進(jìn)而提高數(shù)據(jù)的精度。我認(rèn)為這是一個(gè)很有前景的研究方向，以后空中以及地面平臺(tái)應(yīng)該結(jié)合成一個(gè)系統(tǒng)，發(fā)揮各自在表型測(cè)量上的優(yōu)點(diǎn)并彌補(bǔ)各自的短處，以提高系統(tǒng)在表型測(cè)量以及農(nóng)業(yè)生產(chǎn)上的效率。
 

傳感器方面，對(duì)于室內(nèi)表型測(cè)量，可選傳感器很多。但對(duì)于田間表型測(cè)量，因環(huán)境不可控，可選傳感器并不多。本次在演講以及展覽中出現(xiàn)了一些新的傳感器，其中用于室內(nèi)的多以提高通量、質(zhì)量為主。用于室外的多以提高在復(fù)雜環(huán)境下的質(zhì)量為主，比如我們課題組的PhenoStereo（by Lirong Xiang, Iowa State University）使用雙目視覺(jué)配合閃光燈以保證在不同光照條件下的三維點(diǎn)云重建質(zhì)量。在用于高粱莖稈半徑的自動(dòng)測(cè)量中達(dá)到了毫米級(jí)的測(cè)量精度。

PhenoStereo 帶閃光燈的近程雙目視覺(jué)相機(jī)，愛(ài)荷華州立大學(xué)湯烈教授團(tuán)隊(duì)（Dr. Lie Tang’s lab, Iowa State University）

深度學(xué)習(xí)潛力仍待開(kāi)發(fā)

近幾年大熱的深度學(xué)習(xí)無(wú)疑為植物表型數(shù)據(jù)處理提供了新的方法，在這次會(huì)議上可見(jiàn)一斑。深度學(xué)習(xí)主要被用于植物圖像處理的多種方面，例如病蟲(chóng)害監(jiān)測(cè)（by Dr. Yu Jiang, Connell University），圖像分割預(yù)處理（by Michael Nagle, Oregon State University），作物目標(biāo)檢測(cè)跟蹤（by Le Wang, Iowa State University）等。但是深度學(xué)習(xí)的一個(gè)缺點(diǎn)是需要大量人工標(biāo)定的訓(xùn)練數(shù)據(jù)支持。一些研究旨在探究如何減少人工標(biāo)定工作量，比如使用自動(dòng)生成的標(biāo)定數(shù)據(jù)（by Dr. Michael Beck, University of Winnipeg），使用主動(dòng)學(xué)習(xí)（by Koushik Nagasubramanian, Iowa State University）等。而且深度學(xué)習(xí)在處理大數(shù)據(jù)（不僅限于圖像）上的潛力值得開(kāi)發(fā)。

根系表型測(cè)量，圖像采集與處理方法需要突破

根系對(duì)植物的重要性毋庸置疑，會(huì)議中有大量關(guān)于根系的植物學(xué)研究。但根系的表型數(shù)據(jù)采集與分析仍是一大難題�，F(xiàn)階段大多數(shù)采集根系圖像的方法需要將植物挖出土壤并清理，然后使用相機(jī)、掃描儀等采集根系的二位投影圖，或者使用X光、MRI等生成三維模型。該類(lèi)方法在挖取過(guò)程中可能會(huì)損傷根部，很耗時(shí)，且無(wú)法保持根毛（Root hair）的完整性。愛(ài)荷華州立大學(xué)研發(fā)的透明土Transparent soil（by Ashley Paulsen, Iowa State University）提供了一個(gè)新的解決思路。深度學(xué)習(xí)在三維根系模型處理方面仍有很大研究空間。

以上是我對(duì)會(huì)議內(nèi)容的幾點(diǎn)感想。我很高興這次能來(lái)參會(huì)，在會(huì)上認(rèn)識(shí)了很多大牛和朋友，很有幸地給大家展示了我們的工作和成果，收獲了很多肯定與建議，也讓我對(duì)表型組學(xué)這個(gè)方向有了更深刻的了解。很遺憾明年的Phenome沒(méi)有了，那就希望在ASABE年會(huì)上能看到更多關(guān)于表型的研究吧。
 

蓋倞堯，本科畢業(yè)于中國(guó)科學(xué)技術(shù)大學(xué)，現(xiàn)于愛(ài)荷華州立大學(xué)農(nóng)業(yè)生物系統(tǒng)工程系湯烈教授課題組攻讀博士學(xué)位（2016-2020）。研究方向主要為人工智能和機(jī)器人技術(shù)在農(nóng)業(yè)中的應(yīng)用，在農(nóng)業(yè)機(jī)器人系統(tǒng)研發(fā)、機(jī)器視覺(jué)、自動(dòng)導(dǎo)航、植物表型測(cè)量等方面有豐富的科研經(jīng)驗(yàn)。主要研究成果有基于機(jī)器視覺(jué)的面向有機(jī)綠色農(nóng)業(yè)的智能除草機(jī)器人，及用于田間玉米表型測(cè)量的自主地面機(jī)器人（PhenoBot 3.0）。

擴(kuò)展閱讀：

海外華人談Phenome 2020之愛(ài)荷華州立大學(xué)鄭子豪

海外華人談Phenome 2020之Danforth Center李茂

海外華人談Phenome 2020之普度大學(xué)楊揚(yáng)

國(guó)際植物表型網(wǎng)絡(luò)IPPN介紹和入會(huì)指南

植物表型資訊兩周年目錄匯總

植物表型資訊2019年1-12月目錄匯總

植物表型資訊2020年1-2月目錄匯總