在一个追求可持续发展的世界里，了解植物生命中隐藏的另一半——根——至关重要。根不仅仅是一个锚;它们是植物和土壤之间的动态界面，对水分吸收、养分吸收以及最终的植物生存都至关重要。在一项提高农业产量和开发适应气候变化的作物的研究中，来自劳伦斯伯克利国家实验室(伯克利实验室)应用数学和计算研究(AMCR)和环境基因组学和系统生物学(EGSB)部门的科学家取得了重大飞跃。他们最新的创新成果 RhizoNet 利用人工智能 (AI) 的力量改变了我们研究植物根系的方式，为各种环境条件下的根系行为提供了新的见解。
6 月 5 日 《科学报告》杂志发表的一项研究详细介绍了这一开创性工具，它 通过以极高的精度实现自动化，彻底改变了根系图像分析。传统方法劳动密集且容易出错，在面对复杂而盘根错节的根系时显得力不从心。RhizoNet 采用最先进的深度学习方法，使研究人员能够精确跟踪根系的生长和生物量。这种新的计算工具使用基于卷积神经网络的先进深度学习主干，对植物根系进行语义分割，以全面评估生物量和生长情况，从而改变实验室分析植物根系的方式，并推动实验室向自动驾驶方向发展。
正如伯克利实验室的 Daniela Ushizima(AI 驱动软件的首席研究员)所解释的那样，“RhizoNet 标准化根部分割和表型分析的能力代表了对数千张图像进行系统和加速分析的重大进步。这项创新有助于我们不断努力提高在不同植物条件下捕捉根部生长动态的精度。”
追根溯源
根系分析传统上依赖于平板扫描仪和手动分割方法，这些方法不仅耗时，而且容易出错，尤其是在广泛的多植物研究中。由于气泡、液滴、反射和阴影等自然现象，根系图像分割也带来了重大挑战。根系结构的复杂性和嘈杂背景的存在进一步使自动分析过程复杂化。这些复杂性在较小的空间尺度上尤其严重，其中精细结构有时只有一个像素那么宽，这使得手动注释即使对于专业的人类注释者来说也极具挑战性。
EGSB 最近推出了最新版本 (2.0) 的 EcoFAB，这是一种新型水培设备，通过提供植物根系的细节视图，可以实现原位植物成像。EcoFAB 由 EGSB、美国联合基因组研究所 (JGI) 和伯克利实验室气候与生态系统科学部合作开发，是自动化实验系统的一部分，旨在执行人工生态系统实验，以提高数据的可重复性。RhizoNet 可处理在 EcoFAB 中生长并经过特定营养处理的植物的彩色扫描图，解决植物根系分析的科学难题。它采用复杂的残差 U-Net 架构(一种用于语义分割的架构，通过在编码器和解码器通路中同一级别(即分辨率)的输入和输出块之间添加残差连接来改进原始的 U-Net)以提供专门针对 EcoFAB 条件的根系分割，显着提高预测准确性。该系统还集成了凸化程序，用于封装时间序列中已识别的根，并有助于快速从复杂背景中勾勒出主要根成分。这种集成对于准确监测根系生物量和随时间推移的生长至关重要，尤其是在 EcoFAB 中采用不同营养处理生长的植物中。
为了说明这一点，新的 《科学报告》 论文详细介绍了研究人员如何使用 EcoFAB 和 RhizoNet 处理 在大约五周内处于不同营养缺乏条件下的 Brachypodium distachyon (一种小型草类)植物的根部扫描。这些图像每三到七天拍摄一次，提供重要数据，帮助科学家了解根部如何适应不同的环境。EcoFAB 的新图像采集系统EcoBOT具有高通量特性，为研究团队提供了系统性实验监测的潜力——只要及时分析数据。
“我们在使用 EcoBOT 进行植物栽培实验方面取得了很大进展，现在 RhizoNet 正在减少分析生成数据所涉及的手工工作，”EGSB 的研究科学家兼 EcoBOT 的首席开发人员 Peter Andeer 指出，他与 Ushizima 合作开展了这项工作。“这提高了我们的吞吐量，并使我们朝着自动驾驶实验室的目标迈进。”Ushizima 指出，国家能源研究科学计算中心 (NERSC)(位于伯克利实验室的美国 (DOE) 用户设施)的资源用于训练 RhizoNet 并执行推理，将这种计算机视觉功能带入 EcoBOT。
Ushizima 解释道：“EcoBOT 能够自动收集图像，但无法确定植物对不同环境变化的反应是活着还是死去，是生长还是停止。”“通过使用 RhizoNet 测量根部，我们可以获取有关根部生物量和生长的详细数据，这不仅是为了确定植物的活力，而且是为了提供通过传统方式不易观察到的全面定量见解。经过模型训练后，它可以重复用于多个实验(看不见的植物)。”
“为了分析 EcoBOT 的复杂植物图像，我们创建了一个新的卷积神经网络来进行语义分割，”AMCR 的计算机系统工程师、该项目的数据科学家 Zineb Sordo 补充道。“我们的目标是设计一个优化的管道，利用时间序列的先验信息来提高模型的准确性，而不仅仅是对单个帧进行手动注释。RhizoNet 可以处理嘈杂的图像，从图像中检测植物根部，从而计算出生物量和生长情况。”