对话慧诺韩志国：扎根植物表型领域十余年，下一步要推动技术落地产业端
近年来，快速增长的人口、全球变暖等问题正在威胁全球粮食安全。据国际农业研究磋商组织估计，全球温度每增加1度，将导致粮食产量降低约5%。而《世界人口展望》预计，到2050年全球人口将达到98亿。国际农业研究磋商组织认为粮食产量要提高50-60%才能满足人口剧增的需求。全球粮食供应正面临巨大挑战。
目前，植物表型研究被公认为是解决粮食供应问题的核心技术之一。通过对植物表型研究，可以优化种植条件、筛选优良品种、及早发现病虫害等问题，从而提高粮食产量，保障粮食安全。
根据定义，植物表型是指能够反应植物细胞、组织、器官、植株和群体的结构及功能特征的物理、生理和生化性质。其本质实际是植物基因图谱的时序三维表达及其地域分异特征和代际演进规律。
简单而言，表型包括肉眼看得见的形态结构和颜色，以及肉眼看不见的生理功能和各种组分的含量。以人体为例，人的身高、肤色、发色、臂长等是肉眼可见的指标，人内部的这些血细胞、蛋白含量、各种指标、生理活性是肉眼不可见的指标，农作物同理。
植物表型研究始于20世纪末。本世纪以来，植物表型领域受到国际广泛关注，越来越多的科研单位和研究人员开始重视表型组技术研发和表型平台建设。
近期，35斗采访了一家以植物表型为核心的AloT＋DT技术企业——慧诺瑞德（北京）科技有限公司（以下简称“慧诺”），公司利用智能感知、多源多维多谱视觉技术、人工智能、自动化和物联网技术，为大范围、高通量获取与农作物品质、产量、抗性相关的植物表型及环境数据提供系统解决方案。
慧诺创始人、国际植物表型学会执委&工业分会副主席韩志国博士为我们分享了慧诺的业务领域、发展规划、行业痛点问题和相应解决方案。
专注植物表型领域，研发卡脖子技术——高通量植物表型平台
2009年，正在给职业生涯找破局点的韩志国，机缘巧合下遇到了国外的高通量植物表型技术，发现国外将植物种在传送带上，自动的传送、浇水、称重、采集图像并分析。
国外的自动化农业体系给了韩志国启发，他认为这就是自己想做的事，此后开始将所有精力投入到植物表型领域。
彼时，国内几乎没有人专门从事植物表型研究，更没有形成商业化市场。那时他只能通过引进国外的植物表型技术，来推动国内的市场培育，但进口设备价格昂贵，只有少数单位有能力购买植物表型设备。韩志国认为，若一个市场只有几家单位能够购买设备，那么它就不能够被称之为一个市场。
于是，韩志国希望通过降低引进设备的价格和自主研发核心技术，来打开国内植物表型市场。2015年，他正式创立慧诺，继续扎根植物表型领域。
创业至今7年多时间里，慧诺已掌握多项自主知识产权，并成功构建多种从单株到群体，从室内到田间的低、中、高通量表型平台，广泛应用于智慧农业、育种、科研等领域。
团队规模也在不断壮大，从最初成立时的几个成员，发展到现在的几十人，有一批具有农学、植物学、算法、软件、机电、机械等专业背景的硕士、博士组成的高水平技术和管理团队。其中，研发人员占比为70%。
当前，慧诺的主要产品包括高通量植物表型平台、数字化考种机、根系表型平台、深层表型测量系统、植物表型物联网系统、智慧农业解决方案等。
其中，高通量植物表型平台是制约现代农业发展的瓶颈之一。据韩志国介绍，从本质上说，高通量植物表型平台就是利用先进的成像和光谱技术，实现对肉眼可见的形态结构指标和肉眼不可见的生理功能（作物生理表型测量基础原理）及组分含量的可视化；利用先进的控制技术、通讯技术和软件技术，实现表型测量和数据分析的自动化；利用先进的人工智能技术，实现多性状指标在不同场景中的智能化分析；利用这些可视化、自动化、智能化的技术，来实现对单株或群体植物的长期、自动、高通量测量和分析。
值得注意的是，慧诺自主研发的轨道式高通量植物表型平台TraitDiscover，利用三轴自动化精准定位平台搭载先进的计算机视觉传感器，结合人工智能算法实现对单株或群体植物的高通量植物表型进行全自动测量，实现了多源、多维、多谱数据的自动采集、存储和分析，实现了形态结构、生理功能和组分含量三大表型性状的获取。
此外，该平台根据系统设计的大小，一套系统每天可测量几百株、数千株甚至上万株植物，或成百上千个小区。不仅可以直接扫描种植在田间土壤的植物，同时还可以扫描盆栽植物。
可以说，TraitDiscover是目前国际上功能最先进、性价比最高的高通量表型平台之一。目前，该平台已在国内众多科研单位得到广泛应用。
据了解，慧诺的客户群体主要为高校研究院所、育种企业、种植企业等。
并行开发高通量表型、表型物联网技术，推动产业化进程
自古以来，表型都是育种和种植行业评判品种好坏的重要标准。大概在一万年前，开始人工种植水稻、小麦、玉米的祖先们就已经开始从事表型工作，“用牙咬、用眼瞪、用手摸”。在育种行业，大约70%的工作都是在测量和筛选表型，是最耗人力和物力的过程。而如今，我国人口老龄化、农村劳动力短缺问题严重。因此，发展植物表型技术势在必行。
韩志国告诉35斗，现阶段，基于计算机视觉的植物表型技术发展还存在诸多挑战。
一是农田场景环境复杂，在风吹日晒雨淋、太阳阴影变化的复杂条件下，利用计算机视觉技术分析农田里的图像十分困难。而在整个人工智能应用的各个分支里，这是难度最高的分支之一。
二是所有的人工智能都依赖于算法和算力，算法与算力又与芯片相关。近几年，因国际形势变化导致国内芯片发展受到制约，而目前我国芯片的性能较弱、算力不足等问题，对植物表型技术的发展构成制约。
三是植物表型研究需要大量不同场景下的图片，因此需要深度学习技术，而深度学习的算法开发是基于大量带标注的图像数据基础上。由于农业场景图片十分复杂，很少有人愿意干农业场景图片数据标注的活。
针对以上行业痛点，慧诺跳出“视觉”框架另辟蹊径，花费三年时间研发表型物联网技术，使用非成像的窄带波普组合记录植物的光谱反射，持续获取大田作物冠层光谱信息和气象环境及土壤信息，实现植物生理表型和环境信息的同步监测，太阳能供电，数据无线传输，实现基于多传感器融合的种植管理决策，助力植物表型技术在产业落地。
韩志国认为，我国植物表型技术的发展还处于初期阶段，于产业端而言，需要的是能够落地的技术。在此背景下，慧诺并行开发高通量表型技术和表型物联网技术，希望尽快将植物表型技术落到产业端，弥补当前数字农业缺少植物表型数据的短板，以此优化数字农业模型，做生态的协同者。
在采访的最后，韩志国表示，慧诺希望用表型之“瞳”，筑科研之基，拓产业之路，赋农业之慧。在过去的很多年，慧诺聚焦于筑科研之基。接下来，慧诺将会投入更多精力拓产业之路。同时积极引入投融资，希望借助资本的力量加速慧诺的研发和产业化进程。
本文来自微信公众号：35斗（ID：vcearth），作者：黄丹
