2024年的諾貝爾獎(jiǎng)將人工智能（AI）推向了一個(gè)新的高潮。物理學(xué)獎(jiǎng)和化學(xué)獎(jiǎng)的獲得者都在人工智能領(lǐng)域做出了開創(chuàng)性的貢獻(xiàn)。約翰·霍普菲爾德和杰弗里·辛頓因在人工神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)方面的奠基性工作而獲得物理學(xué)獎(jiǎng)。

而在化學(xué)獎(jiǎng)方面，一半的獎(jiǎng)項(xiàng)授予了大衛(wèi)·貝克，以表彰其在計(jì)算蛋白質(zhì)設(shè)計(jì)方面的貢獻(xiàn)，另一半則授予了丹米斯·哈薩比斯和約翰·喬普，以表彰他們?cè)诘鞍踪|(zhì)結(jié)構(gòu)預(yù)測(cè)方面的成就。這些成就不僅展示了AI在基礎(chǔ)科學(xué)研究中的巨大潛力，也預(yù)示著AI技術(shù)將如何更深入地融入人類生活和科學(xué)研究的各個(gè)方面。

水稻穗葉語義分割與表型參數(shù)提取

麥穗實(shí)例分割

例如，慧諾瑞德公司的高通量植物表型平臺(tái)TraitDiscover，結(jié)合了先進(jìn)的視覺成像、大數(shù)據(jù)分析和人工智能技術(shù)，實(shí)現(xiàn)了全自動(dòng)、高通量的植物表型測(cè)量。通過結(jié)合深度學(xué)習(xí)模型，如PhenoMG-YOLO和PhenoEL-Net，可以實(shí)現(xiàn)對(duì)植物目標(biāo)的高效檢測(cè)和語義分割，從而精確提取前景和穗葉等關(guān)鍵特征。

基于目標(biāo)檢測(cè)的種子/果蔬計(jì)數(shù)與表型參數(shù)提取

此外，慧諾瑞德公司于今年1月份推出的開源表型小程序OpenPheno，集合了多種植物表型檢測(cè)算法，已發(fā)布了多個(gè)功能模塊，包括籽�？挤N、麥穗檢測(cè)、穗葉夾角檢測(cè)、麥穗考種、冠層測(cè)量、番茄考種等。這些模塊結(jié)合了機(jī)器視覺和人工智能技術(shù)，如改進(jìn)的YOLOv8模型等，用于植物目標(biāo)檢測(cè)和語義分割，精確提取籽粒、果蔬前景、穗葉等關(guān)鍵特征，從而實(shí)現(xiàn)麥穗檢測(cè)、穗葉夾角計(jì)算和果蔬的形態(tài)參數(shù)獲取。