東京大學研究生院農學生命科學研究科的南川舞特別研究員（日本學術振興會）和岩田洋佳副教授宣佈，與農研機構果樹茶業研究部門柑橘研究領域的野中圭介組長助理等共同開發了根據柑橘的果實截面影像定量評估果實形態特徵的技術。結合影像分析技術和多種AI技術，明確了與橘皮易剝性（剝皮性）和果實硬度密切相關的形態特徵。該成果有助於有效收集和評估遺傳資源，以及提高基因體的育種效率等。相關内容已經發布在國際科學期刊《Frontiers in Plant Science》的2月10日號上。
透過深度學習將剝皮難易度或果實軟硬度的分類以及有助於分類的特徵視覺化（提供：東京大學）
一般來說，水果育種時會培育大量候選品種，並對果實的特性分別進行記錄和評估。這些評估作業以前一直由少數熟練的育種者手工完成。農研機構每年也要在柑橘果實短短的收穫期内評估2～3千個果實。
另一方面，果實的剝皮性和硬度等特性評估主要依賴於育種者的感受。很難透過影像分析等提高效率。
因此，研究團隊此次想利用AI技術明確此前一直依賴於育種者感受的剝皮性和果實硬度相關的形態特徵。
首先研究了透過分析柑橘果實的横向截面影像，定量自動評估果實形態特徵的方法。製作了農研機構柑橘研究基地（靜岡縣靜岡市）栽培和維護的108個品種和品系的柑橘果實横向截面影像，並利用程式設計語言Python開發了根據果實截面影像定量自動評估果實的各種形態特徵的技術。具體來說，可以提取黃皮層（Flavedo）及其内側的白皮層（Albedo）的厚度、橘瓣數量、白皮層的空洞和果芯的空洞等特徵。
接下來，利用機器學習對育種者評估的剝皮性和果實硬度進行了相關分析。結果顯示，果芯的空洞程度與這兩種特性密切相關，果芯空洞較大的果實一般更容易剝皮，且果實較軟。另一方面，種面積在果實面積中的佔比僅與果實硬度密切相關，種面積佔比較大的果實一般都比較硬。研究團隊利用貝葉斯網路分析了其中的因果關係，結果顯示，果芯的空洞程度可能直接影響剝皮性和果實硬度兩種特性，而種面積可能直接影響果實硬度。
之後利用深度學習開發了根據横向截面影像分辨果皮是否容易剝，以及果實是否柔軟的模式，將這些有助於分類的特徵視覺化。由此發現，果芯和白皮層的空洞區域的特徵有助於對容易剝皮且較硬的果實進行分類，而種區域的特徵僅有助於對較硬的果實進行分類。
利用此次的方法實施的評估預測精度與育種者的評估基本相同。
透過改良果芯的空洞程度和種面積，有望開發出擁有想要的剝皮性和果實硬度的新品種。另外，還可以根據横向截面的影像自動地大量收集與剝皮性和果實硬度有關的果實形態特徵資料，有望提高育種效率。
南川研究員表示：「不僅是柑橘，還可以應用於各種果樹。如果能自動獲取各種表型資料和果實形態特徵資料，就有望在所有果樹中促進利用有效基因體資訊的品種改良。」
原文：《科學新聞》
翻譯編輯：JST客觀日本編輯部
