欧亚国际

农业文明在范围内独立地兴起了好几次。较早的之一发生在肥沃月湾，即底格里斯河和幼发拉底河流域，在彼时彼地演化了七大基本作物的种植：单粒小麦，小麦，二粒小麦，大麦，小扁豆，豌豆，苦野豌豆和鹰嘴豆。与此同时，在遥远的中国中部的长江流域，则进入了水稻种植时期；而在中北美，逐步兴起了玉米，豆子和南瓜的种植。很明显，在这些早期的农业文明中，种子和谷物的种植是非常流行的。这绝非偶然，因为种子和谷物的营养含量很高，并且能长期保存而不被破坏。随着农业的发展，较终导致了现代文明的兴起。

令人惊讶的是，时至今日，我们仍然对种子作物依赖如初。根据联合国食品和农业组织的统计资料，人类饮食中的卡路里大约有50%直接来自于谷物。这个数据代表了近几十年来人类对谷类作物依赖的一个下降趋势，主要的原因是人们从油料种子作物中摄取的卡路里有所增加。家畜类产品，包括奶制品，仅仅占了人类摄取卡路里的13%，这些可以看成是间接来自于种子饲料。因此，大部分人类卡路里的摄取仍然来自种子作物。

种子科学从为像当前这样面临着如此重大的机遇与挑战。随着人口的持续增长，燃油成本飙升，气候变化加剧，农业将面对的增长压力来生产较多的食物和生物燃料。对于种子的研究投入要走在不断增长的挑战前面是十分必要的。新的基因组技术使得对于生物系统的研究达到了前所未有的深度与广度。这些技术提供了种子发育和代谢的基本生物学的新观点，形成了通过新的生物育种技术培育新种子的新策略。

种子生物学既迷人且复杂。种子必须能在较度干旱的状态下存活，并且在条件不适宜的条件继续保持休眠状态，直到感受到适宜的环境条件，然后激活代谢过程启动萌发。种子的发育包含了三个在遗传学上截然不同的实体——胚，胚乳和母体——的协同发育。胚代表了下一代植物的发生；胚乳是一个支持组织，给胚甚至是萌发中的小苗提供营养；而母体组织则提供种皮和果皮，为种子提供保护。在灌浆期，存储物质积累，而在种子成熟过程中，组织获得了高度特化的能力，使得种子能在干旱等不利条件下存活。种子能给萌发中的小苗提供营养，直到小苗自己建立起了光合系统并能够自己产生光合产物。这些存储物质包括淀粉，油，蛋白和无机物，它们使得种子和粮食作物一样有营养价值。

“基因组学是现代农业发展的‘火车头’，是推动我国种业跨越式发展的‘发射台’，是发展我国农业大数据战略的‘孵化器’。”黄三文表示，基因组学是人类基因组项目“催生”的，该项目催生了大规模并行测序技术相继问世，使得测序成本大幅下降，这些年来测序成本降低了100万倍，发展速度较过了摩尔定律。农业的基本属性之一是生物性，而生物的基本属性又由其基因组决定。 

种子表型组渗透到育种的全过程。常规的育种是经验艺术和经典遗传学的结合，表型组学研究结合全基因组设计育种结合将重新定义育种的方法论，把育种由经验指导的实践转化为信息学的实践，实现自由育种。 

目前种子基因组学已经发展到了一个新的高度，种子表型组学研究方兴未艾，把基因组学和表型组学进行关联已经成为一个趋势。

在前所未有的气候变化和人口增长中，建立一种方法，通过选择性育种迅速创造优良作物品种，是维持粮食供应的当务之急。为了选择这样的品种，有必要以一种有效的方式定义和评估什么是“优良品种”的指标。例如，种子的形状被认为是与作物质量和产量密切相关的性状，因此在进行选择性育种时是一个重要的因素。

Yosuke户田拓夫领导的一组科学家指定研究所的助理教授变革性的生物分子(WPI-ITbM),名古屋大学和菩提树Fumio大仓酒店共同运营，科学与工业研究学院的助理教授，大阪大学，已经开发出一种系统，利用图像分析和人工智能(AI)来分析大量的种子的形状从一个单一的形象。种子形状是影响作物产量和品质的重要农艺性状，利用图像自动确定和评价种子形状是植物育种中不可缺少的工具。

Toda博士的研究团队通过在虚拟画布上合成随机的大麦种子图像，生成了一个用于机器学习(深度学习)的训练数据集。经过训练的模型，仅使用合成数据，就能够从各种大麦品种的图像中检测和分割出单个种子，就像手工操作一样有效，还能够分析其他作物的种子。

利用深度学习需要训练数据。训练数据通常是手工准备的，比如用不同的颜色标记图像中的每一个物体。然而，对于种子这样数量巨大的对象，创建训练数据非常耗时(例如，必须为每个种子品种的几十或数百幅图像分别为数百颗种子着色)。因此，生成一个能够快速、简单地分析不同品种或种的种子形状的机器学习模型被认为是困难的。

户田拓夫的研究小组成功地从少量种子中创建了大量训练数据，有效地训练了机器学习(deep learning)模型。这种方法称为领域随机化，节省了创建训练数据的精力，加速了机器学习模型的发展。在该方法中，将少数形状信息已知的大麦种子样本图像随机排列在虚拟空间中，生成大量、多种多样的合成图像。使用该数据集训练的模型能够检测种子并提取它们的形状数据，其有效度与手工操作相同。不需要手工注释训练数据集。

该实验实际上强调了该系统可以清楚地识别出每种作物在形状上的特征差异。预计在未来，它将有可能测量生长环境和品种的细微差别，成为植物育种的有力工具。

此外，该研究还表明，同样的方法可以很容易地用于测量各种不同作物的种子，如水稻、小麦、燕麦和莴苣。这些结果强烈地表明，无论何种作物，都有可能实现对大量种子的自动测量。除了品种评估之外，这项研究还有望通过揭示以往肉眼无法观察到的种子特性，为植物科学领域做出贡献。

大多数基于实例分割的图像分析研究是利用现有的数据集进行的，包括人和车。另一方面，植物图像分析有其自身的多种特点。由于植物的种类、位置和个体外观差异较大，因此需要不同的训练数据进行不同的应用。虽然其他具有多个应用程序的工厂也是如此，但为工厂创建新的培训数据尤其困难。本研究所采用的合成训练数据生成方法可用于多种应用。基于本研究的主动性，有望较越对种子的分析，加速机器学习模型的开发，用于测量各种植物表型。

来法国的科学家在种子表型领域则做了如下研究：

作为光谱学和成像技术集成，光谱成像模块是用以解决食品和农业领域评估的难题，提供了多种有效、实际的设计。因具有在宽范围内获取系列电磁波谱内的空间光谱数据获取优势，该先进多光谱成像技术结合不同变量分析场景广泛应用于食品质量、有效控制目的以及面临苛刻研究挑战的种子科学技术领域。本文为系统基本配置提供了一种思路并综述了在种子质量评估以及种子表型不同应用领域所有近期获取、处理、生成多光谱图像的方法。本综述始于前期综述结束之时，仅聚焦于不同批次种子品质评估的全操作多光谱成像系统。本综述全面重点介绍了真正全操作型多光谱成像系统进行的切实可行研究，并未考虑仅用高光谱数据分析中的几个主要提取波段（即未构建独立多光谱成像系统）的研究。本文是*次尝试对所有出版的在种子表型和品质监控领域进行综述的文章，提供了鉴别生理化学品质性状、预测生理参数、检测缺陷、虫害以及种子健康检测。

在种子表型组学设备商业化方面，丹麦Videometer公司和德国fraunhofer研究院走在了前言，分别着重于种子形态表型和结构表型的研究。

种子形态表型组：丹麦VideometerLab4 

新型种子表型与品质评估技术-多光谱成像技术已经得到广泛应用。该技术采用光谱成像技术，同时结合了先进图像分析技术用以凸显种子性状并区分种子样品中的其它材料。系统可单独对种子目标进行分析，提取一级参数如颜色、性状以及纹理等，之后将这些参数用于获取二级特征如种子分类或性状定量测量。

该技术采用了震动单元以及传输带将样品送至VideometerLab多光谱成像系统，系统将样品图分割为独立个体。该技术用数据库来训练和维护种子品种的表型差异。经过进一步研发，有可能从数据库下载表型模型，也可将错误分类种子或系统未识别种子数据上载到数据库，持续改进表型成像系统。该表型成像系统的应用案例之一是用来测量菠菜样品的纯度，测量规程与丹麦2个先进种子生产商一起开发。应用该系统对许多先进种子品系进行了分类并将未知材料划分几类。研究结果将用于生产线来调整清洁设备参数。

Videometer种子表型成像系统可测量种子才是如尺寸、颜色、形状等，间接测定种子参数如种子纯度、发芽百分比、发芽率、种子健康度、种子成熟度、中寿命等。种子活力综合种子活力是种子发芽和出苗率、幼苗生长的潜势、植株抗逆能力和生产潜力的总和（发芽和出苗期间的活性水平与行为），是种子品质的重要指标，具体包括吸涨后旺盛的代谢强度、出苗能力、抗逆性、发芽速度及同步性、幼苗发育与产量潜力。种子活力是植物的重要表型特征，传统检测方法包括低温测试（cold test）、高温加速衰老测试（accelerated aging test）、幼苗生长测定等。 

Videometer种子表型成像系统包括种子形态测量、种苗多光谱荧光成像检测等现代技术，全面检测种子的形态、发芽及其抗逆性，是目前种子表型活力较全面的检测系统，是种子及种苗表型分析的较佳组合。

VideometerLab多光谱荧光成像技术，高通量、高灵敏度检测种苗表型、叶绿素含量、活力、光合效率及抗逆性等，进一步分析种子的反射光谱及种子含水量等，种子形态测量参数：种子数量、长度、宽度、体积大小、表面积、周长及颜色分析，种子、种质资源库建设，种子叶绿素荧光成像测量，可用于小植株表型测量以及生态学研究，研究植物密度、宽度、叶柄长、叶片数、叶色、叶长、叶面积、叶颜色、叶病斑、绿度指数，花径、花面积、花、色分级、画图像提取，果实品质、纵径、果形指数、果实颜色分级，如小侧根、绒毛研究等。Marker标记测量，如GFP绿色荧光蛋白等，叶绿素含量测量以及生物钟节奏研究。叶绿素含量多少与种子活力密切相关，可用此作为种子活力筛选的一个重要指标。

先进种子检验机构如ISTA、ESTA、英国LGC英国化学家集团一级先进植物学研究机构丹麦歌本哈根大学等全采用该系统进行种子、表型研究。 

种子结构表型组学：Fraunhofer计算机断层扫描技术CT

人们在对植物各组织深入进行科研时，遇到了新的疑难问题。人们研究植物种子时，很难在不破坏种子的前提下探索其内部结构的变化。目前上使用的很多研究种子的先进技术大多是利用荧光法研究种子活力或其萌发率，这些方法能够高通量地达到某些研究目的，但始终无法得知种皮内部的结构和动态变化过程。再如，人们研究植物根系时，会遇到很多困难。传统的洗根扫描法确实能够清晰地将根系展现在人们眼前，但却破坏了其原有的状态；微根窗法能够解决原位测量的问题，但却不能探索土壤内部的根系分布；因此如何能够原位观测土壤中的根系变化成了阻挠广大科研工作者的难题。即便是有一种方法能够探测到土壤中的根系变化，那土壤是否会对根系的研究产生干扰？此外，如果人们需要研究植物茎杆，是否存在一种无损的方法探索其内部结构？为解决这些难题，德国先进研究所推出了专门用于植物研究的CT三维成像系统，可对植物组织、果实、种子及土壤中的根系进行三维成像分析，无需专业的图像处理知识，可获取形态学以及内部性状信息 

种子无损三维成像-德国便携式CT三维成像系统CT portabl

无损测量种子整体形状大小、胚芽胚乳的大小测量、种皮厚度测量、种子空腔形状和大小测量等等。

Fraunhofer-Gesellschaft （弗劳恩霍夫应用研究协会）是德国也是欧洲较大的应用科学研究机构。协会成立于1949年3月26日，以德国历较为先进的科学家、发明家和企业家约瑟夫·冯·弗劳恩霍夫（Joseph von Fraunhofer, 1787-1826）命名。

Fraunhofer研究院专门开发出了针对植物表型研究的计算机断层扫描系统，分为便携式、台式、落地式以及整合在高通量植物表型成像平台上的系统。

较近Fraunhofer研究院的EZRT研究所科研人员，较近刚刚发表了题为Drought and heat stress tolerance screening in wheat using computed tomography的论文，研究使用计算机断层扫描系统对麦穗进行了断层扫描研究，可对种子结构例如种子变形等进行预测和测量，文章发表在Plant Methods上。

Fraunhofer植物计算机断层扫描系统采用微焦点X射线成像原理进行较高分辨率三维成像，可以在不破坏样。

北京欧亚国际科技有限公司是丹麦Videometer和德国Fraunhofer计算机断层扫描合作伙伴，大力推进种子表型组设备的推广和销售。