特约编辑丨toileter

人工智能（AI）与机器学习（ML）正为加速科学探索开启激动人心的大门，尤其是在应对那些规模庞大且极其复杂的生物学难题时，它们的应用日益广泛。然而，目前的先进 AI/ML 技术在面对训练数据范围之外的新环境时，其表现往往不尽如人意，这是一个不容忽视的挑战。

以农作物为例，一株作物的具体长势会受到其基因型、生长环境以及管理措施等多种因素错综复杂的影响。相比于我们日常生活中接触的物体（比如椅子、汽车），虽然形态各异，但其存在状态在时间和空间上相对稳定，作物的生长发育过程则展现出更高的动态性和变异性。这意味着，要让 AI 理解和预测作物的生长，通常需要构建规模空前的数据库，并投入更长的训练周期。

为了突破这一瓶颈，美国伊利诺伊大学厄巴纳-香槟分校（University of Illinois Urbana-Champaign）的研究团队另辟蹊径，提出了一种创新的生成对抗性学习（Generative Adversarial Network, GAN）策略。该策略的核心目标在于，尽可能减少模型训练阶段对人工标注数据的依赖。

这项名为《利用航空影像打破机器学习辅助植物研究中人工标注训练数据的障碍》（Breaking the barrier of human-annotated training data for machine learning-aided plant research using aerial imagery）的研究成果，已于 2025 年 4 月 23 日正式发表在国际知名期刊《植物生理学》（Plant Physiology）上。

论文链接：https://academic.oup.com/plphys/article/197/4/kiaf132/8117869

育种新利器：计算机视觉的应用

这项研究的核心在于巧妙运用了生成对抗网络（GAN）的强大能力。GAN 这种技术能够让模型从未经人工标注的航空影像中自主学习数据的深层特征。研究人员将他们提出的这种改进方法称为有效监督 GAN（Effectively Supervised GAN, ESGAN）。

为了验证 ESGAN 的实际效果，团队进行了一项案例研究：他们利用**无人机（UAV）**在田间收集了数千种不同基因型芒草（Miscanthus）的航拍图像，任务是让 AI 判断这些芒草是否在特定时间点进入了抽穗期（即开花）。

随后，研究人员将 ESGAN 的表现与多种主流的机器学习方法进行了细致比较，涵盖了：

• 完全监督学习（FSL）范式下的经典算法：
  • K-近邻算法（KNN）
  • 随机森林（RF）
  • 定制化的卷积神经网络（Custom CNN）
  • 深度残差网络（ResNet-50）
• 不同复杂度的传统迁移学习（TL）方法

实验结果显示，当提供包含 3,137 张图像的完整（100%）训练数据集时，所有五种模型（KNN, RF, Custom CNN, ResNet-50, ESGAN）都能比较准确地判断出植物是否抽穗。其中，CNN、ResNet-50 和 ESGAN 的表现尤为出色，总体准确率（OA）达到了 0.89 到 0.92 的区间。

图 1： 基于测试数据集对抽穗检测效果的评估。（图片来源：论文）

少量数据下的稳健表现

然而，研究的关键在于测试模型在标注数据有限情况下的性能。随着用于训练的带标注图像数量逐渐减少，所有模型的准确识别能力都出现了不同程度的下降。

令人瞩目的是 ESGAN 的表现：即使将用于训练的标注图像数量锐减到仅占可用数据的 1%，其总体准确率（OA）也只是从 0.89 轻微下降到 0.87。这表明 ESGAN 对于训练数据量的限制具有极强的鲁棒性，几乎不受影响。

紧随其后的是采用了迁移学习的 ResNet-50 模型，它在训练数据量降低到 10% 时，依然能保持较好的性能，是第二稳健的方法。

更多的测试数据进一步证实了 ESGAN 的有效性。特别是在可用于训练的标注图像少于几百张的极端情况下，ESGAN 成为了能够最准确区分“抽穗”与“未抽穗”这两类图像的最优模型。

深入理解 ESGAN 的工作机制

ESGAN 之所以能从航空影像中精准判断植物的抽穗状态，其奥秘在于其内部**生成器（Generator）和判别器（Discriminator）**两个子模型的巧妙协同。

在训练初期，生成器产生的图像还比较杂乱无章，与真实照片相去甚远。但随着训练的进行，生成器子模型逐渐掌握了真实图像中像素的 RGB 颜色强度和空间分布规律，开始“伪造”出越来越逼真的植物图像。

图 2： ESGAN 生成器在模型训练过程中生成的“假”图像示例。（图片来源：论文）

当然，这项研究的最终目标是最大化 ESGAN 判断植物抽穗状态的准确性。因此，理解分类器的学习过程，确保其决策可解释，是分析中不可或缺的一环。

研究人员运用了梯度加权类激活映射（Grad-CAM）技术，来可视化模型在做决策时，图像的哪些区域对其贡献最大。结果显示，该模型成功地将注意力集中在植物像素上，而非背景像素，并且会根据图像类别（抽穗或未抽穗）调整其关注的区域和强度，这证明了模型决策的合理性。

表 1： 传统地面目视检查与无人机成像结合 ESGAN 分析芒草育种试验所需活动及时间对比。

效率革命：评估速度提升 8 倍以上

传统的田间调查方法，需要研究人员步行穿梭于试验田，逐株进行目视检查，并在电子设备上记录数据，平均每株植物大约耗时 10.5 秒。

相比之下，采用无人机获取图像，再利用 ESGAN 进行分析的新方法，可以将所需时间缩短 8 倍以上，极大地提高了工作效率。

在计算时间方面，ESGAN 的训练时间根据所用标注样本数量的不同，大约在 750 秒到 900 秒之间。虽然这比其他一些机器学习方法的训练时间要慢 3 到 4 倍，但考虑到它在实地工作效率上带来的巨大提升，这点额外的计算时间成本显得微不足道。

展望未来：为数字农业注入新动力

研究人员表示，开发并应用这种经过特殊训练的机器学习模型，有望显著减少在不同地点、不同繁殖群体中确定作物开花时间所需投入的人力和时间。

此次研究所使用的数据集来源于一项跨越多州的芒草育种试验。这项试验旨在培育出适合特定区域种植的芒草新品系，这些芒草可以作为重要的生物质原料，用于在目前经济效益不高的边际土地上生产生物燃料和高价值生物制品。

该研究的指导教授充满期待地表示，希望这种新方法能得到更广泛的应用，不仅限于芒草的开花性状，更能拓展到更多作物的更多性状分析上，从而为蓬勃发展的生物经济提供强有力的技术支撑。