新的人工智能工具改進了根圖像分割

在一個追求可持續(xù)發(fā)展的世界里，了解植物生命中隱藏的一半——根——至關重要。根不僅僅是一個錨;它們是植物和土壤之間的動態(tài)界面，對水分吸收、養(yǎng)分吸收以及最終的植物生存都至關重要。

在一項旨在提高農業(yè)產量和開發(fā)能夠抵御氣候變化的作物的研究中，勞倫斯伯克利國家實驗室(伯克利實驗室)應用數學和計算研究(AMCR)和環(huán)境基因組學和系統生物學(EGSB)部門的科學家取得了重大進展。他們最新的創(chuàng)新成果 RhizoNet 利用人工智能 (AI) 的力量改變了我們研究植物根系的方式，為各種環(huán)境條件下的根系行為提供了新的見解。

6 月 5 日《科學報告》發(fā)表的一項研究詳細介紹了這一開創(chuàng)性工具，它通過以極高的準確性實現自動化，徹底改變了根系圖像分析。傳統方法勞動密集且容易出錯，在面對根系復雜而糾結的特性時顯得力不從心。

RhizoNet 采用最先進的深度學習方法，使研究人員能夠精確跟蹤根系生長和生物量。這種新的計算工具使用基于卷積神經網絡的先進深度學習主干，對植物根系進行語義分割，以全面評估生物量和生長情況，從而改變實驗室分析植物根系的方式，并推動實驗室向自動駕駛方向發(fā)展。

正如伯克利實驗室的人工智能驅動軟件首席研究員 Daniela Ushizima 所解釋的那樣，“RhizoNet 標準化根部分割和表型分析的能力代表了對數千張圖像進行系統和加速分析的重大進步。這項創(chuàng)新有助于我們不斷努力提高在不同植物條件下捕捉根部生長動態(tài)的精度。”

追根溯源

根系分析傳統上依賴于平板掃描儀和手動分割方法，這不僅耗時而且容易出錯，尤其是在廣泛的多植物研究中。由于氣泡、水滴、反射和陰影等自然現象，根系圖像分割也帶來了巨大的挑戰(zhàn)。

標簽：