论文部分内容阅读
大豆是重要的粮食作物之一。我国是全球最大的大豆进口国,大豆年进口量高达1亿多吨,大豆产需缺口巨大、高度依赖进口的状况已经严重威胁国家粮油安全。加快培育高产大豆优良品种,提升国产大豆自给率刻不容缓。本研究面向大豆智慧育种的需要,构建大豆表型数据平台系统,不仅要合理存储考种全过程采集的海量表型数据,还要基于表型数据按需提供各种服务,为育种专家设计精准的育种方案提供数据支撑。本研究基于育种专家常规工作流程,通过详细的需求分析,自上而下地设计了平台系统架构和各功能模块,以逐步求精的策略构建了平台的各子系统并集成到平台系统中。为了存储使用计算机视觉技术采集的大豆表型数据,基于《植物新品种特异性、一致性和稳定性试指南大豆》,对标准中建议的大豆各生长阶段的表型性状属性进行了扩充,设计了满足使用人工智能技术考种需求的表型数据库模式,各子系统仅在数据层耦合。该平台系统已经完成了十大功能模块:材料数据管理、育种管理、试验管理、品种知识库、表型数据管理、数据服务、共享知识库、基于CV的目标检测、注册与信息维护、信息和权限管理模块。其中,品种知识库模块植入了基于图谱技术的大豆品种祖先和后代追溯算法。表型数据管理分为田间考种表型和室内考种表型。基于CV的目标检测模块集成了训练好的目标检测模型、植株表型提取算法和株系推荐算法。所有功能模块横向集成、纵向贯通,实现了考种流程的信息化。基于对育种数据的有效组织、管理及分析,为后续扩展更多人工智能服务提供精准的数据支撑。本平台系统部署在云端。采用B/S架构,实现了前后端解耦分离。通过Django搭建后台模块,前端设计采用React、Ant Design等技术,前后端独立开发,降低了前后端耦合性。同时,系统采用模块化设计,模块之间只在数据层面产生耦合,保证了系统的高可用性。本平台系统面向大豆育种专家和人员,提供可共享、易操作的表型数据管理、田间种植规划、育种清单生成、品种系谱追溯以及株系智能推荐等全方位、多维度、深层次功能。经过一年多的试用,系统具有较高的安全性、稳定性和可拓展性,加快了国产大豆优良品种培育的信息化进程。