PhenoSeed自動化種子發(fā)芽分析系統(tǒng)是由英國Anglia A.I.公司研發(fā)的一款可實時對種子發(fā)芽性狀自動分析的系統(tǒng)，PhenoSeed系統(tǒng)可高通量分析種子發(fā)芽的形態(tài)特征、形態(tài)分類、發(fā)芽率等，數(shù)據(jù)穩(wěn)定可靠、重復性高，PhenoSeed系統(tǒng)兼容Jacobsen發(fā)芽床。
應用領域
適用于小麥、玉米、苜蓿、水稻、谷子、高粱、蔬菜、花卉、樹木種子等的種子性狀研究，也可根據(jù)研究需求定制其它物種。
測量參數(shù)
種子大小、顏色、形狀、發(fā)芽率、發(fā)芽時間、種子排序(1~5)、種子活力（基于形態(tài)變化）、發(fā)芽顏色等
對上述分析的種子進行種子分級
系統(tǒng)參數(shù)
1. PhenoSeed硬件系統(tǒng)：
1.1 發(fā)芽床：
1.1.1 工作溫度為+4 ~ +40°C
1.1.2 溫度調整幅度：±0.1℃
1.1.3 溫度精確度：±0.5°C
1.1.4 外形尺寸：1650mm(寬) x 950mm(深) x 1010mm(高)
1.1.5 測量面積：1450mm(寬) x 820mm(深)
1.1.6 冷凝器：功率230V/ 50Hz, 1.6Kw
1.1.7 照明：帶空氣冷卻的照明系統(tǒng)
1.1.8 隔離罩：系統(tǒng)配備隔離罩，用于保持發(fā)芽環(huán)境的濕度
1.2 觸摸屏：7英寸（用于控制溫度、濕度、光線、晝夜循環(huán)、定時等）
1.3 帶USB的板載數(shù)據(jù)記錄儀功能
1.4種子萌發(fā)自動成像系統(tǒng)
1.4.1 成像單元：1套高清自動對焦成像單元
1.4.2 像素：1800 - 2400萬像素
1.4.3 多光譜成像單元：可選配多光譜成像單元
1.4.4 成像系統(tǒng)尺寸：1650mm(寬) x 950mm(深) x 350mm(高)
1.4.5 結構：鋁型材框架，可自動在測量面積內對種子進行成像
1.4.6 連接：RJ45以太網(wǎng)，Wi-Fi
1.4.7 界面：7寸電容觸摸屏
1.4.8 電源要求：220~240V交流
1.4.9 成像：種子層的俯視圖，1小時間隔，每張圖片1800 - 2400萬像素
2. PhenoSeed控制軟件：
2.1 用于二維碼生成和識別技術的服務器或基于云的控制軟件
2.2 自動管理多個項目、實驗、植物基因型和物種
2.3 數(shù)據(jù)可以下載到USB存儲器或以編程方式提取(RESTful API)用于工作流集成
2.4 采用7英寸觸摸屏界面控制
3. PhenoSeed分析軟件：
3.1 基于圖形用戶界面(GUI)的分析軟件，可以在Windows操作系統(tǒng)中操作
3.2 基于GUI的性狀表型分析模塊：種子大小、顏色、形狀、發(fā)芽率、發(fā)芽時間、種子排序(1~5)、種子活力（基于形態(tài)變化）、發(fā)芽顏色。
3.3 對上述分析的種子進行種子分級（對于多光譜評估，需要不同的相機設置）
3.4 基于數(shù)據(jù)庫的數(shù)據(jù)管理
3.5 可下載的基于csv的文件、處理過的圖像(.jpg)和發(fā)芽相關特征圖(.jpg)
應用案例
近日，南京農業(yè)大學作物表型組學交叉研究中心周濟教授作為通訊作者與英國約翰.英納斯中心（John Innes Centre）的Steven Penfield教授、先正達種業(yè)集團（Syngenta Seeds，歐洲區(qū)）的Rene Benjamins博士共同在國際植物學期刊《新植物學家》（New Phytologist主要出版植物學領域高質量和創(chuàng)新性研究內容，影響因子8.512）上發(fā)表了關于種子發(fā)芽表型自動化采集和基于機器學習分析的高通量作物種子發(fā)芽表型監(jiān)測平臺——SeedGerm: a cost‐effective phenotyping platform for automated seed imaging and machine‐learning based phenotypic analysis of crop seed germination。
本文對自主開發(fā)的自動化表型采集和分析平臺SeedGerm如何完成作物種子發(fā)芽的自動化時序拍攝、基于圖像的表型分析和基于監(jiān)督式的機器學習、針對不同作物類型的高通量性狀分析進行了詳細的介紹。SeedGerm系統(tǒng)基于經(jīng)濟型的硬件和開源軟件設計，涵蓋了對小麥、大麥、玉米、番茄、辣椒和油菜等不同作物類型的種子發(fā)芽試驗、發(fā)芽時序圖像，泛化圖像處理、實時訓練和基于機器學習的表型性狀分析；生成可靠的發(fā)芽性狀分析數(shù)據(jù)集以供量化分析。本文還從統(tǒng)計上分析了幼根突破種皮的時間和評價標準，通過生物學家的評判相關性、動態(tài)發(fā)芽曲線、多個發(fā)芽率梯度等重要發(fā)芽性狀，對88個油菜品種進行基因型-表型關聯(lián)分析，并定位到了一個關于脫落酸（abscisic acid，ABA）信號轉導的相關基因。此外，本文還介紹了開源SeedGerm系統(tǒng)在作物發(fā)芽研究、育種和種子監(jiān)測中的應用，顯示了其在科學研究和生產實踐中廣泛的應用前景。
隨著基因組學和測序技術的飛速發(fā)展，基因型數(shù)據(jù)海量擴充，而高質量表型數(shù)據(jù)的匱乏已經(jīng)逐步成為鑒定基因-性狀關聯(lián)、解析環(huán)境對性狀的影響，進而實現(xiàn)作物改良和加快植物研究的瓶頸。近年來，信息技術、人工智能和農業(yè)大數(shù)據(jù)等新興研究領域的不斷完善，多學科交叉為高通量、自動化作物表型組研究奠定了堅實的基礎。以植物生命史和田間生產的起點——發(fā)芽為例，種子發(fā)芽和幼苗建成不僅是自然界植物群落形成的主要瓶頸，也是糧食作物和很多園藝作物在田間快速、整齊生長發(fā)育的關鍵步驟。在科學研究和農業(yè)生產中都是考評品種表現(xiàn)、栽培管理水平的重要依據(jù)。當前大部分種子發(fā)芽表型的獲取依然依靠人工識別，對經(jīng)驗和專業(yè)知識有較高要求，通量也受到極大的限制。此外，不同科研人員之間在評判上會有一定的偏差，很難實現(xiàn)客觀的量化分析。因此可用于多物種的種子發(fā)芽表型性狀的高通量、高精度、標準化獲取和分析方法的開發(fā)尤為重要和迫切。
南農大作物遺傳與種質創(chuàng)新國家重點實驗室、作物表型組學交叉研究中心和江蘇省現(xiàn)代作物生產協(xié)同創(chuàng)新中心為通訊單位。此外，上海農科院農業(yè)生物基因中心和南農大工學院盧偉副教授也參與了本項目。英國國立農業(yè)植物研究所（National Institute of Agricultural Botany, NIAB）下屬的劍橋作物研究中心（Cambridge Crop Research Centre）也共同參與了本項目的研發(fā)、分析和測試。
周濟，中國國籍，英國生物學會會士 (The Fellow of the Royal Society of Biology，F(xiàn)RSB)；南京農業(yè)大學作物表型組學交叉研究中心特聘教授，周濟實驗室主任，博導；英國國立農業(yè)植物研究所、劍橋作物研究中心數(shù)字科學研發(fā)部門主管（Head of Data Sciences）、創(chuàng)新實驗室主任，博導。在傳統(tǒng)表型采集和分析算法基礎上，依托南農大、劍橋大學植物科學系和超算中心，專注于高通量植物表型分析算法、計算機視覺和人工智能算法在表型分析中的開發(fā)和應用。2011年博士畢業(yè)至今，以生物信息學專家的身份參與完成多項交叉基礎、應用研究項目。作為主要完成者在Nature，Nature Plants，Plant Cell，New Phytologist, GigaScience和Horticulture Research等國際期刊撰寫發(fā)表學術論文25篇，總影響因子超過180，自2015年起被引證超過1000次，其中以、通訊、共同通訊作者發(fā)表論文18篇。定期為多家國際學術期刊審稿。獲得國際發(fā)明1項，英國發(fā)明1項。研究成果被多家歐洲媒體報道或專訪，包括英國國家媒體如ITV，BBC，Guardian，Cambridge Network等。
產地：英國Anglia A.I.
