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。科學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。

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，使育種者可以快速了解其遺傳修飾在與生長環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，除軟件和數據分析流程開發外，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，可以在標準環境下評估在戶外商業種植的植物。將自動表型帶入現場會帶來一系列挑戰，包括很多的非標準化育種數據。

在未來五年中，我們希望看到企業家在這一領域繼續創新，并期望新興的初創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種子市場產生重大影響，并幫助提供足夠的食物來養活全世界。

作者：Leah Oppenheimer，哥倫比亞商學院MBA