根系在植物的水分吸收、养分吸收、土壤相互作用、稳定性以及对环境变化的适应等生命周期中起着关键作用。尽管植物科学取得了重大进展，但研究人员仍在努力全面了解隐藏的植物的复杂结构、生长动力学和对环境的反应。

在一项提高农业产量和开发抗气候变化植物的调查中，伯克利实验室的研究人员引入了RhizoNet，这是一种利用人工智能的力量来提高植物根系分析效能的计算工具，使科学家能够发现有关各种环境条件下根系状况的新见解。

这项研究是由美国劳伦斯伯克利国家实验室(伯克利实验室)的应用数学和计算研究(AMCR)联合环境基因组学和系统生物学(EGSB)部门进行的。

发表在《科学报告》上的一篇论文详细介绍了这种人工智能驱动的工具，它旨在将根分析过程自动化，以提供前所未有的准确性。它使用基于卷积神经网络（CNN）的先进深度学习方法，使其能够对植物根系进行分割，以进行全面的生物量和生长评估。

传统的植物根系分析方法，如依赖扫描仪和人工分割的方法，是劳动密集型的，容易出现人为错误。它们也限制了科学家捕捉根系生长和行为细节的能力，特别是对于复杂的根系。现在有了RhizoNet，研究人员就有了一种更精确地跟踪根系生长和生物量的工具。

“RhizoNet标准化根分割和表型的能力代表了数千张图像系统和加速分析的实质性进步。这项创新有助于我们不断努力提高在不同植物条件下捕捉根系生长动态的精度。”伯克利实验室人工智能驱动软件的首席研究员Daniela Ushizima说。

植物根系分析面临的主要挑战是根系结构的复杂性以及气泡、液滴、反射和阴影等“噪声背景”的存在，这些都会使根系图像分割变得复杂。在某些情况下，精细结构只有一个像素那么宽，这使得即使是最专业的人类注释者也极具挑战性。

为了解决这个问题，RhizoNet通过最新版本的EcoFAB进行了加强，EcoFAB是一种独特的水培设备，可以促进原位植物成像。该装置是由EGSB、美国能源部联合基因组研究所(JGI)和伯克利实验室气候与生态系统科学部门共同开发的。EcoFAB可以提供根系的详细成像，消除了人工注释和传统成像方法的复杂性。

《科学报告》的论文说明了伯克利实验室的研究人员如何使用RhizoNet和EcoFAB对五周内不同条件下的短柄草植物的根系扫描进行分析。EcoFABs的新型图像采集系统EcoBOT的高通量特性使研究人员能够进行系统的实验监测。

EGSB的研究科学家、EcoBOT的主要开发人员Peter Andeer指出:“我们在减少使用EcoBOT进行植物栽培实验的手工工作方面取得了很大进展，现在RhizoNet正在减少分析生成数据的手工工作。”他与Ushizima合作开展了这项工作。“这增加了我们的吞吐量，使我们朝着自动驾驶实验室的目标迈进。”

RhizoNet的准确性和效率将推动研究工作朝着更有效和更有见地的植物研究方向发展。然而，这项新技术并非没有挑战。

有人担心人工智能算法产生的数据解释的标准化。研究人员将需要确保人工智能模型在不同设置和植物物种中的可重复性和准确性。此外，他们还必须满足持续验证和优化的需求，以便随着时间的推移保持工具的有效性。

虽然在各种环境中使用RhizoNet存在挑战，但它仍然代表了植物根系分析的范式转变。研究人员现在配备了一个强大的工具来探索根系生物学的隐藏维度。它可能会带来提高作物生产力、气候适应能力、可持续农业和其他效益的解决方案。

Ushizima说:“我们的下一步工作包括改进RhizoNet的能力，以进一步提高植物根系的检测和分支模式。”