PhenoSeed自動化種子發芽分析系統是由英國Anglia A.I.公司研發的一款可實時對種子發芽性狀自動分析的系統，PhenoSeed系統可高通量分析種子發芽的形態特征、形態分類、發芽率等，數據穩定可靠、重復性高，PhenoSeed系統完全兼容Jacobsen發芽床。

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，也可根據研究需求定制其它物種。

測量參數

• 種子大小、顏色、形狀、發芽率、發芽時間、種子排序(1~5)、種子活力（基于形態變化）、發芽顏色等

• 對上述分析的種子進行種子分級

系統參數

1. PhenoSeed硬件系統：

1.1 發芽床：

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

1.1.8 隔離罩：系統配備隔離罩，用于保持發芽環境的濕度

1.2 觸摸屏：7英寸（用于控制溫度、濕度、光線、晝夜循環、定時等）

1.3 帶USB的板載數據記錄儀功能

1.4種子萌發自動成像系統

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，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 數據可以下載到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、發芽率、發芽時間、種子排序(1~5)、種子活力（基于形態變化）、發芽顏色。

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 基于數據庫的數據管理

3.5 可下載的基于csv的文件、處理過的圖像(.jpg)和發芽相關特征圖(.jpg)

應用案例

近日，南京農業大學作物表型組學交叉研究中心周濟教授作為DY通訊作者與英國約翰.英納斯中心（John Innes Centre）的Steven Penfield教授、先正達種業集團（Syngenta Seeds，歐洲區）的Rene Benjamins博士共同在國際植物學著名期刊《新植物學家》（New Phytologist主要出版植物學領域高質量和創新性研究內容，影響因子8.512）上發表了關于種子發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芽表型監測平臺——SeedGerm: a cost‐effective phenotyping platform for automated seed imaging and machine‐learning based phenotypic analysis of crop seed germination。

本文對自主開發的自動化表型采集和分析平臺SeedGerm如何完成作物種子發芽的自動化時序拍攝、基于圖像的表型分析和基于監督式的機器學習、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系統基于經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芽試驗、發芽時序圖像，泛化圖像處理、實時訓練和基于機器學習的表型性狀分析；生成可靠的發芽性狀分析數據集以供量化分析。本文還從統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、動態發芽曲線、多個發芽率梯度等重要發芽性狀，對88個油菜品種進行基因型-表型關聯分析，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系統在作物發芽研究、育種和種子監測中的應用，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展，基因型數據海量擴充，而高質量表型數據的匱乏已經逐步成為鑒定基因-性狀關聯、解析環境對性狀的影響，進而實現作物改良和加快植物研究的瓶頸。近年來，信息技術、人工智能和農業大數據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——發芽為例，種子發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、整齊生長發育的關鍵步驟。在科學研究和農業生產中都是考評品種表現、栽培管理水平的重要依據。當前大部分種子發芽表型的獲取依然依靠人工識別，對經驗和專業知識有較高要求，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，很難實現完全客觀的量化分析。因此可用于多物種的種子發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尤為重要和迫切。

南農大作物遺傳與種質創新國家ZD實驗室、作物表型組學交叉研究中心和江蘇省現代作物生產協同創新中心為DY通訊單位。此外，上海農科院農業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、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，FRSB)；南京農業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；英國國立農業植物研究所、劍橋作物研究中心數字科學研發部門主管（Head of Data Sciences）、創新實驗室主任，博導。在傳統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和應用。2011年博士畢業至今，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DJ期刊撰寫發表學術論文25篇，總影響因子超過180，自2015年起被引證超過1000次，其中以DY、通訊、共同通訊作者發表論文18篇。定期為多家國際DJ學術期刊審稿。獲得國際發明ZL1項，英國發明ZL1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.