随着基因组学和DNA测序技术的快速发展，植物表型已成为提高作物产量的瓶颈。基于此背景，中国农业大学种子科学与技术研究中心联合智农云芯(AgriBrain)研发了一款简单易用、兼具高通量表型提取和种质检测的软件AIseed。

01

成果简介

AIseed操作简单，仅需三步便可快速提取54个表型特征，例如单个种子的形态、颜色和纹理特征。在进行表型特征分析时，软件会自动将每个种子进行编号，以方便进一步的种质评估或籽粒检测。此外，AIseed功能还包括种质检测和预测模块(基于机器学习或深度学习模型)，例如种子净度检测、活力检测和纯度鉴定。

AIseed操作界面

通过一系列实验，本文证实了AIseed在从图像中提取各种大小植物种子的表型特征和种质检测方面具有较高的性能。软件可以从背景中自动分割种子图像并进行分析，同时具有速度快和精度高的特点。相较于其它种子检测软件，AIseed提取的表型特征数量更多，能够适用于所有主流机器学习和深度学习模型评估预测，可将无损种质检测从建模级别提升到实际应用级别。

AIseed性能测试

该研究成果为提高作物田间产量、加速育种提供了重要的方法指导。中国农大涂柯玲博士为论文第一作者，中国农大孙群副教授和智农云芯首席技术官王漭为共同通讯作者。

02

研究内容

(1)特征提取：本研究选择了几种不同大小的植物种子，如桔梗、黄芩、水稻、小麦和玉米种子来测试软件表型提取功能。首先使用扫描仪获取RGB图像，点击运行按钮即可获取种子的54个表型特征，包括每个种子的形态、颜色和纹理特征，以及样本的计数、平均值、标准差、最小值、上下四分位数、中值、最大值和变异系数等，软件自动将这些表型数据生成在Excel文件中，并同时生成各自的带有编号的分割图像。

AIseed分析的不同作物的种子原始和分析后的种子图像，分析后图像显示了分割效果和种子编号

(2)净度检测：该实验从一个低纯度黄芩种子批次中随机抽取个样品，包括个纯种子和个杂质种子，将获得的样本图像在AIseed上进行分析，得到54个表型特征用于分析和区分纯/杂质种子。使用RF算法建立种子净度检测模型，通过AIseed的添加模型功能，对额外的61个测试样品进行分析，并将测试结果可视化。

使用AIseed软件从纯黄芩种子和杂质中提取54个表型特征

(3)活力检测：选用不同活力的玉米种子粒，将其分为最终发芽率在90%以上的高活力系和最终发芽率在90%以下的低活力系。测试方法同净度测试，获得54个表型特征，使用RF算法训练为活力测试模型。

AIseed可视化种子清晰度和活力测试结果

(4)纯度鉴定：使用扫描仪获得粒种子(来自9个京科批次)和粒非京科种子的种子图像，然后将RGB图像与VGG16网络相结合，建立了一种全新的广义京科玉米种子真伪检测模型。

AIseed可视化种子纯度测试结果

03

结论

AIseed是对各种大小植物种子的机器视觉图像进行高通量分析的高效工具。使用AIseed系统可简单准确地生成54个表型特征，为种质分析提供支持。当我们将这些特征与机器学习算法相结合进行建模时，它可以有效分离不同品质的种子，以实现种质测试，如种子净度、活力和品种纯度检测。可将这些建立的模型导入AIseed的种质检测与预测模块中，实现真正的无损、高效的种质评估与可视化，加速种子的高通量在线无损检测，为研究人员、育种人员和加工人员提供更好的选择。

AIseed在分析RGB种子图像时的流程示意图

论文链接：