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(chǎn)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(shù)學和計算研究(AMCR)和環(huán)境基因組學和系統(tǒng)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(xiàn)自動化，徹底改變了根系圖像分析。傳統(tǒng)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(jīng)網(wǎng)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(shù)千張圖像進行系統(tǒng)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(tǒng)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(xiàn)象，根系圖像分割也帶來了巨大的挑戰(zhàn)。
標簽：
免責聲明：本文由用戶上傳，如有侵權請聯(lián)系刪除！