编辑推荐：
植物表型分析对植物科学等领域至关重要，传统方法 labor - intensive 且现有工具需编码等技能。研究人员开发 OpenPheno，其是基于微信小程序的开放平台，含多种表型分析工具。该研究使先进工具更易获取，助力 AI 驱动育种等。
在植物科学、农业和生物技术的发展进程中，植物表型分析扮演着愈发关键的角色，它是理解植物生长、发育与适应的基础。然而，传统的手动表型分析方法耗费大量人力和时间，效率低下。现有的计算工具又常常需要使用者具备高级编程技能、高性能硬件或者依赖基于 PC 的环境，这使得非专业人士、资源有限的用户以及田间技术人员难以使用这些工具，极大地限制了植物表型分析技术的普及和应用。为了打破这些瓶颈，华中科技大学、西北农林科技大学、山东农业大学等机构的研究人员开展了相关研究，旨在开发一种更加便捷、易用且 accessible 的植物表型分析平台。他们的研究成果发表在《Plant Methods》上，提出了 OpenPheno 这一基于智能手机的开放获取平台，为植物表型分析领域带来了新的希望。
研究人员采用了客户端 - 服务器架构来构建 OpenPheno 系统。客户端通过微信小程序提供移动前端界面，实现了跨平台访问，为用户提供了直观易用的操作接口。服务器端则负责算法处理和结果交付，主要包括算法库、应用接口（API）、任务调度器和模型执行器等核心组件。在算法方面，研究人员运用了多种深度学习模型，如 YOLO（You Only Look Once）系列模型用于目标检测，UNet 及其改进版本（如 CBAM - UNet）用于图像分割，PET（Point quEry Transformer）用于坐标回归等。同时，结合了经典的图像处理方法，如 OTSU 阈值分割、K - means 聚类算法等。整个系统通过 API 实现客户端与服务器之间的数据通信，使用 HTTP POST 方法和 JSON 有效载荷进行数据交换，确保了任务的高效执行。
研究结果
SeedPheno
该工具采用 YOLOv8 作为目标检测模型，对玉米、大豆等多种种子进行检测，结合 OTSU 方法分割种子，可提取种子数量、长度、宽度等参数。通过在图像中放置硬币作为比例参考，实现了种子实际尺寸的估算，其种子计数的 R2 达到 0.9523，展现出较高的准确性。
WheatHeadPheno
利用 YOLO 模型对田间成熟小麦穗图像进行处理，经过穗部检测、形态校正和定量计数等步骤，能够测量小麦穗的长度、宽度，并估算产量。在操作中需要两名用户协作，一人用白色矩形标记均匀小麦区域，另一人拍摄顶视图图像，其小麦穗计数的 R2 为 0.6523。
LeafAnglePheno
通过小麦器官识别模块检测叶子、茎和穗，提取关键 points（茎基部、穗尖和叶节点），利用向量计算旗叶与茎的夹角。该工具要求拍摄时背景简洁，其角度测量的 R2 高达 0.994，精度较高。
SpikeletPheno
运用 CBAM - UNet 模型分割小麦小穗，结合凸包、距离变换和分水岭算法解决小穗粘连问题，通过 RANSAC 算法拟合小穗主轴，实现小穗计数和形态分析。用户只需将小麦穗置于黑色背景的两张吸光纸板之间，拍摄侧视图图像即可，小穗计数的 R2 为 0.7714。
CanopyPheno
使用 YOLOv8 进行目标检测，K - Net 进行语义分割，提取植物冠层区域，进而计算冠层长度、宽度、紧凑度、面积、绿色比例等参数。拍摄顶视图图像时，深色背景可提高识别效果，冠层面积测量的 R2 为 0.9676。
TomatoPheno
将图像转换为 HSV 颜色空间，设置各通道阈值提取番茄前景，通过轮廓提取和实例标记进行分割，结合硬币检测确定比例因子，可计算番茄数量、直径、周长等参数。拍摄时采用顶视图和深色背景能提升检测精度，番茄直径测量的 R2 为 0.9778。
CornPheno
借助 PET 模型进行玉米籽粒检测，运用主成分分析（PCA）和 K - means 算法对籽粒进行分割、聚类和匹配，从而得出玉米籽粒总数、穗行数和行粒数。该工具可在实验室和田间环境中使用，籽粒计数的 R2 为 0.7254。
研究结论与讨论
OpenPheno 通过整合先进的计算方法与移动和云基础设施，实现了植物表型分析工具的民主化，使植物科学家、育种者甚至业余爱好者都能轻松使用先进的表型分析工具。其基于微信小程序的设计，具有跨平台、便携、易用和成本低等显著优势，用户无需安装专业硬件和软件，只需一部智能手机即可在田间实时获取表型结果。平台的开放性允许开发者贡献新的算法工具，不断扩展其功能，形成了一个社区驱动的研究生态系统。
在 AI 驱动的育种领域，OpenPheno 能够为基因型 - 表型分析提供必要的数据，加速育种计划的进程。同时，它与智能手机的集成使其在基于移动的农业技术领域占据重要地位，为更高效、可扩展和可访问的农业研究和育种铺平了道路。尽管目前 OpenPheno 依赖于微信小程序生态系统，可能对部分用户的使用造成一定限制，但微信的跨平台性和免费访问特性，以及无需额外安装的便捷性，在很大程度上弥补了这一不足。总体而言，OpenPheno 的出现是植物表型分析领域的一次重要突破，为该领域的发展带来了新的机遇和方向。
