世界种业已开始进入“常规育种+生物技术+数字化”的“4.0时代”，意味着种业正迎来以转基因、基因编辑、全基因组选择、人工智能等技术融合发展为标志的新一轮科技革命。这对我国种业而言，既是挑战，更是难得的发展机遇。抓住机遇，有序推进生物育种产业化势在必行，然而在这推进过程中离不开表型数据的协助。
表型技术应用的发展
表型数据对于植物育种和智慧农业至关重要，因为表型是植物的语言，是植物表达自己生长状态的一种方式，而我们能通过这种表型，来读懂植物并找到它的生命密码。表型数据的商业应用，和很多农业技术类似，也是有赖于产业头部企业的推动。在2005~2010年，国际上几个头部种企占据了70%的表型领域的国际市场。大概在2010年之后，随着澳大利亚植物加速器，阿德莱德大学的国家植物转型设施植物加速器的开放，全球范围内公立科研单位才意识到表型非常重要，开始大规模的投入去购置去建设，才超过了种企在这方面的投入。在国内，因为这个技术本身投资比较高，所以由国家财政支持的科研机构占比就比较多。
表型技术应用的现状
表型数据在农业场景的应用上，存在诸多难点，其中一个难点便是，不同农作物的差异性非常大，在植物育种和精准农业中，不同的领域具有不同的表型分析需求。比如植物育种中，表型分析的主要目的是鉴定具有改良性状的植物，开发比在目标环境中生长的品种表现更好的新品种，实现遗传增益。而在精准农业中，表型数据的应用又不一样，它的分析主要被用于监测作物的健康状况，改进作物管理实践，减少农药/肥料的使用，降低作物生产过程中非生物和生物胁迫的风险，这样才能最大化地稳定产量和确保作物质量。
众所周知，目前使用的表型系统主要通过深度学习技术对科研对象进行数据标注。可能这个算法在北方麦穗上适用，在南方麦穗上不一定适用，所以在表型数据的深度学习这一块，还有很多深奥的知识需要去探究，而这种探究不在于技术，在于我们的思维层面。另外，在植物育种中除了一些基于视觉技术的形态结构方面的工作之外，还有一些其他的技术工作，比如我们借助于农作物本身的叶绿素荧光成像的技术，去探测植物内部的生理活性，只需扫一圈就知道它是不是抗逆，它的生理活性是不是比较活跃，这就是在读懂植物语言。
国内表型技术应用的未来
目前国内虽然有越来越多的AI人才，在技术上与国外没有太多差距，但是从表型应用的角度来看，特别是育种方面差距就较大。主要是缺少工程化的大平台，没有规模化的效应，另外在应用思维方面也有一定差距。未来如何发挥表型技术，将其更好助力农业育种，我们将经历三个阶段。
目前是处于第一阶段，也叫信息数字化，把过去的一些表型进行数据化，然后存入计算机进行模型计算，最后输出一些有效的表型信息。从原来的非标准化的数据，变成标准化数据。海南种图慧数（breedgraph）科技有限公司专注于植物表型数据化的算法研发，在行业内已获得不同程度认可。同时已开始进入第二阶段植物表型数据的结构化发展，这一阶段按照不同生产阶段的不同需求，以生产和经营者为主体，把数据载入机械系统里，最后形成一个完整的数据链来帮助进行生产经营决策。那么第三个阶段叫做结构系统化。这一阶段不是任何企业能够独立完成的，需要国家的顶层设计支持。也就是把所有的产业环节和应用主体的数据都能互相打通流动起来，全社会能够进行自由的流动和交换，最后形成大的数据链产业链，整个全社会的流通。
未来，随着国内技术的不断迭代与进步，各项算法的不断提升，研究表型的人才越来越多，表型数据的普及与应用也会越来越广泛。届时，植物表型技术就可以助科研之基、拓产业之路、富农业之惠，真正地为中国智慧农业添砖加瓦，推进4.0时代种业发展。
联系客服
