东京大学研究生院农学生命科学研究科的南川舞特别研究员（日本学术振兴会）和岩田洋佳副教授宣布，与农研机构果树茶业研究部门柑橘研究领域的野中圭介组长助理等共同开发了根据柑橘的果实截面图像定量评估果实形态特征的技术。结合图像分析技术和多种AI技术，明确了与橘皮易剥性（剥皮性）和果实硬度密切相关的形态特征。该成果有助于有效收集和评估遗传资源，以及提高基因组的育种效率等。相关内容已经发布在国际科学期刊《Frontiers in Plant Science》的2月10日号上。
通过深度学习将剥皮难易度或果实软硬度的分类以及有助于分类的特征可视化（提供：东京大学）
一般来说，水果育种时会培育大量候选品种，并对果实的特性分别进行记录和评估。这些评估作业以前一直由少数熟练的育种者手工完成。农研机构每年也要在柑橘果实短短的收获期内评估2～3千个果实。
另一方面，果实的剥皮性和硬度等特性评估主要依赖于育种者的感受。很难通过图像分析等提高效率。
因此，研究团队此次想利用AI技术明确此前一直依赖于育种者感受的剥皮性和果实硬度相关的形态特征。
首先研究了通过分析柑橘果实的横截面图像，定量自动评估果实形态特征的方法。制作了农研机构柑橘研究基地（静冈县静冈市）栽培和维护的108个品种和品系的柑橘果实横截面图像，并利用编程语言Python开发了根据果实截面图像定量自动评估果实的各种形态特征的技术。具体来说，可以提取黄皮层（Flavedo）及其内侧的白皮层（Albedo）的厚度、橘瓣数量、白皮层的空洞和果芯的空洞等特征。
接下来，利用机器学习对育种者评估的剥皮性和果实硬度进行了相关分析。结果显示，果芯的空洞程度与这两种特性密切相关，果芯空洞较大的果实一般更容易剥皮，且果实较软。另一方面，种子面积在果实面积中的占比仅与果实硬度密切相关，种子面积占比较大的果实一般都比较硬。研究团队利用贝叶斯网络分析了其中的因果关系，结果显示，果芯的空洞程度可能直接影响剥皮性和果实硬度两种特性，而种子面积可能直接影响果实硬度。
之后利用深度学习开发了根据横截面图像分辨果皮是否容易剥，以及果实是否柔软的模型，将这些有助于分类的特征可视化。由此发现，果芯和白皮层的空洞区域的特征有助于对容易剥皮且较硬的果实进行分类，而种子区域的特征仅有助于对较硬的果实进行分类。
利用此次的方法实施的评估预测精度与育种者的评估基本相同。
通过改良果芯的空洞程度和种子面积，有望开发出拥有想要的剥皮性和果实硬度的新品种。另外，还可以根据横截面的图像自动地大量收集与剥皮性和果实硬度有关的果实形态特征数据，有望提高育种效率。
南川研究员表示：“不仅是柑橘，还可以应用于各种果树。如果能自动获取各种表型数据和果实形态特征数据，就有望在所有果树中促进利用有效基因组信息的品种改良。”
原文：《科学新闻》
翻译编辑：JST客观日本编辑部
