文章來自35斗微信公眾號，作者黃丹
近年來，快速增長的人口、全球變暖等問題正在威脅全球糧食安全。據國際農業研究磋商組織估計，全球溫度每增加1度，將導致糧食產量降低約5%。而《世界人口展望》預計，到2050年全球人口將達到98億。國際農業研究磋商組織認為糧食產量要提高50-60%才能滿足人口劇增的需求。全球糧食供應正面臨巨大挑戰。
目前，植物表型研究被公認為是解決糧食供應問題的核心技術之一。通過對植物表型研究，可以優化種植條件、篩選優良品種、及早發現病蟲害等問題，從而提高糧食產量，保障糧食安全。
根據定義，植物表型是指能夠反應植物細胞、組織、器官、植株和群體的結構及功能特徵的物理、生理和生化性質。其本質實際是植物基因圖譜的時序三維表達及其地域分異特徵和代際演進規律。
簡單而言，表型包括肉眼看得見的形態結構和顏色，以及肉眼看不見的生理功能和各種組分的含量。以人體為例，人的身高、膚色、發色、臂長等是肉眼可見的指標，人內部的這些血細胞、蛋白含量、各種指標、生理活性是肉眼不可見的指標，農作物同理。
植物表型研究始於20世紀末。本世紀以來，植物表型領域受到國際廣泛關注，越來越多的科研單位和研究人員開始重視表型組技術研發和表型平台建設。
近期，35斗採訪了一家以植物表型為核心的AloT＋DT技術企業——慧諾瑞德（北京）科技有限公司（以下簡稱「慧諾」），公司利用智能感知、多源多維多譜視覺技術、人工智慧、自動化和物聯網技術，為大範圍、高通量獲取與農作物品質、產量、抗性相關的植物表型及環境數據提供系統解決方案。
慧諾創始人、國際植物表型學會執委&工業分會副主席韓志國博士為我們分享了慧諾的業務領域、發展規劃、行業痛點問題和相應解決方案。
慧諾創始人韓志國博士
圖片來源：慧諾瑞德
專注植物表型領域，研發卡脖子技術——高通量植物表型平台
2009年，正在給職業生涯找破局點的韓志國，機緣巧合下遇到了國外的高通量植物表型技術，發現國外將植物種在傳送帶上，自動的傳送、澆水、稱重、採集圖像並分析。
國外的自動化農業體系給了韓志國啟發，他認為這就是自己想做的事，此後開始將所有精力投入到植物表型領域。
彼時，國內幾乎沒有人專門從事植物表型研究，更沒有形成商業化市場。那時他只能通過引進國外的植物表型技術，來推動國內的市場培育，但進口設備價格昂貴，只有少數單位有能力購買植物表型設備。韓志國認為，若一個市場只有幾家單位能夠購買設備，那麼它就不能夠被稱之為一個市場。
於是，韓志國希望通過降低引進設備的價格和自主研發核心技術，來打開國內植物表型市場。2015年，他正式創立慧諾，繼續紮根植物表型領域。
創業至今7年多時間裡，慧諾已掌握多項自主智慧財產權，並成功構建多種從單株到群體，從室內到田間的低、中、高通量表型平台，廣泛應用於智慧農業、育種、科研等領域。
團隊規模也在不斷壯大，從最初成立時的幾個成員，發展到現在的幾十人，有一批具有農學、植物學、算法、軟體、機電、機械等專業背景的碩士、博士組成的高水平技術和管理團隊。其中，研發人員占比為70%。
當前，慧諾的主要產品包括高通量植物表型平台、數字化考種機、根系表型平台、深層表型測量系統、植物表型物聯網系統、智慧農業解決方案等。
其中，高通量植物表型平台是制約現代農業發展的瓶頸之一。據韓志國介紹，從本質上說，高通量植物表型平台就是利用先進的成像和光譜技術，實現對肉眼可見的形態結構指標和肉眼不可見的生理功能（作物生理表型測量基礎原理）及組分含量的可視化；利用先進的控制技術、通訊技術和軟體技術，實現表型測量和數據分析的自動化；利用先進的人工智慧技術，實現多性狀指標在不同場景中的智能化分析；利用這些可視化、自動化、智能化的技術，來實現對單株或群體植物的長期、自動、高通量測量和分析。
值得注意的是，慧諾自主研發的軌道式高通量植物表型平台TraitDiscover，利用三軸自動化精準定位平台搭載先進的計算機視覺傳感器，結合人工智慧算法實現對單株或群體植物的高通量植物表型進行全自動測量，實現了多源、多維、多譜數據的自動採集、存儲和分析，實現了形態結構、生理功能和組分含量三大表型性狀的獲取。
此外，該平台根據系統設計的大小，一套系統每天可測量幾百株、數千株甚至上萬株植物，或成百上千個小區。不僅可以直接掃描種植在田間土壤的植物，同時還可以掃描盆栽植物。
可以說，TraitDiscover是目前國際上功能最先進、性價比最高的高通量表型平台之一。目前，該平台已在國內眾多科研單位得到廣泛應用。
高通量植物表型平台用於精準設計育種研究
圖片來源：慧諾瑞德
據了解，慧諾的客戶群體主要為高校研究院所、育種企業、種植企業等。
並行開發高通量表型、表型物聯網技術，推動產業化進程
自古以來，表型都是育種和種植行業評判品種好壞的重要標準。大概在一萬年前，開始人工種植水稻、小麥、玉米的祖先們就已經開始從事表型工作，「用牙咬、用眼瞪、用手摸」。在育種行業，大約70%的工作都是在測量和篩選表型，是最耗人力和物力的過程。而如今，我國人口老齡化、農村勞動力短缺問題嚴重。因此，發展植物表型技術勢在必行。
韓志國告訴35斗，現階段，基於計算機視覺的植物表型技術發展還存在諸多挑戰。
一是農田場景環境複雜，在風吹日曬雨淋、太陽陰影變化的複雜條件下，利用計算機視覺技術分析農田裡的圖像十分困難。而在整個人工智慧應用的各個分支里，這是難度最高的分支之一。
二是所有的人工智慧都依賴於算法和算力，算法與算力又與晶片相關。近幾年，因國際形勢變化導致國內晶片發展受到制約，而目前我國晶片的性能較弱、算力不足等問題，對植物表型技術的發展構成制約。
三是植物表型研究需要大量不同場景下的圖片，因此需要深度學習技術，而深度學習的算法開發是基於大量帶標註的圖像數據基礎上。由於農業場景圖片十分複雜，很少有人願意干農業場景圖片數據標註的活。
針對以上行業痛點，慧諾跳出「視覺」框架另闢蹊徑，花費三年時間研發表型物聯網技術，使用非成像的窄帶波普組合記錄植物的光譜反射，持續獲取大田作物冠層光譜信息和氣象環境及土壤信息，實現植物生理表型和環境信息的同步監測，太陽能供電，數據無線傳輸，實現基於多傳感器融合的種植管理決策，助力植物表型技術在產業落地。
植物表型物聯網監測系統在大田中守護著農作物
圖片來源：慧諾瑞德
韓志國認為，我國植物表型技術的發展還處於初期階段，於產業端而言，需要的是能夠落地的技術。在此背景下，慧諾並行開發高通量表型技術和表型物聯網技術，希望儘快將植物表型技術落到產業端，彌補當前數字農業缺少植物表型數據的短板，以此優化數字農業模型，做生態的協同者。
在採訪的最後，韓志國表示，慧諾希望用表型之「瞳」，築科研之基，拓產業之路，賦農業之慧。在過去的很多年，慧諾聚焦於築科研之基。接下來，慧諾將會投入更多精力拓產業之路。同時積極引入投融資，希望藉助資本的力量加速慧諾的研發和產業化進程。