黄瓜（Cucumis sativus L.）是深受消费者青睐的重要蔬菜作物，具有较高的营养、经济价值。近年来育种家和分子生物学家在黄瓜果实外观品质形成的遗传与调控方面取得了很多突破，但是黄瓜果实外观性状绝大多数为复杂的数量性状，由于传统鉴定方法在测量精度、测量准确性和测量效率等方面的局限性，大部分的关键遗传位点未能获得解析。因此，探索一种高精度、实时、快速的黄瓜果实外观的鉴定测量技术，对于提高黄瓜果实育种改良效率以及完善瓠果果实发育模型都有重要意义。

2024年6月27日，Plant Phenomics 在线发表了南京农业大学园艺学院黄瓜遗传育种团队和人工智能学院薛卫副教授团队合作完成的 CucumberAI: Cucumber fruit morphology identification system based on artificial intelligence的研究论文，该论文发表一个黄瓜果实外观性状高通量测定与数据提取系统——CucumberAI。

图1 CucumberAI流程

CucumberAI用于全面、快速、准确鉴定黄瓜性状。为黄瓜定量分析、遗传育种提供关键支撑。研究主要进展包括（a）相比于现有研究，建立了一套系统的、更全面的黄瓜性状体系与计算模型，包含形状指标、表面特征指标和果肉指标三大类，外形分级、瓜把形状、瓜尖形状、果瘤密度、瓜斑纹特征、表面光滑度和心腔特征7子类，共51个性状特征参数，其中首次定义的参数达到32个，（b）首次提出量化果瘤、瓜斑纹类型，以及心室计量指标，（c）果实表面光滑度对黄瓜定价至关重要，而常用的衡量指标瓜棱深度和瓜刺瘤大小极难获取。CucumberAI创造性地提出了一个基于深度学习的算法流程，得出一组量化光滑度的指标。（d）基于图像处理技术和深度学习算法，构建性状检测算法架构，骨架提取与优化流程有效解决了黄瓜外表毛刺、扭曲等骨架多余分支、曲折及两端缺失的问题，为瓜体分割以及其他形状参数计算的精确性提供了有力的保证。相比于已有研究准确分割出更多黄瓜部位，这对检测出所有黄瓜性状至关重要，以及（e）形成完整的黄瓜图像数据集，为更广泛的研究提供基础。

图2 果瘤检测、图像分割效果对比及传统实物测量与图像识别性状一致性分析

CucumberAI是第一个完整获取黄瓜性状的pipeline。图像识别策略替代了传统方法中的性状分级方式，所有的性状都实现了数据化描述，对于复杂的性状而言，鉴定的结果更加的精准。由人工智能辅助的高通量数据采集方法将为未来黄瓜果形基因挖掘，自动化采收和采后分级提供有力的技术支撑。

南京农业大学人工智能学院薛卫副教授为第一作者，园艺学院李季教授为本文通讯作者，园艺学院研究生丁海峰、孟佳霖（已毕业）、王诗友，人工智能学院研究生金涛、刘佐共同参与了该研究。南京农业大学马秀鹏教授参与了论文的撰写。该研究得到国家自然科学面上项目、中央高校基本科研业务费项目和江苏省优势学科建设项目的资助。

论文链接：

‍https://doi.org/10.34133/plantphenomics.0193‍

——推荐阅读——

Toward Real Scenery: A Lightweight Tomato Growth Inspection Algorithm for Leaf Disease Detection and Fruit Counting

https://doi.org/10.34133/plantphenomics.0174

Plant Phenomics | 加拿大麦吉尔大学联合江苏省农科院提出面向真实世界的番茄植株叶片健康和果实监测轻量算法

FCOS-LSC: A Novel Model for Green Fruit Detection in a Complex Orchard Environment

https://doi.org/10.34133/plantphenomics.0069

Plant Phenomics | FCOS-LSC: 针对复杂果园中绿色果实的检测模型

加入作者交流群