甘蔗育种中的人工智能:应用、工具和未来前景的全面回顾

甘蔗是一种对糖和生物燃料生产至关重要的高价值工业作物，但日益受到气候变化、生物和非生物胁迫、土壤退化和投入使用效率低下的限制。传统的育种和作物管理方法通常缓慢、劳动密集型且不精确，亟需甘蔗农业数字化转型。人工智能提供强大的工具来加速遗传改良，提高抗逆性，优化资源利用效率。本研究综述了人工智能在甘蔗改良流程中的应用，包括高通量表型分析，基因组预测，数字作物监测和人工智能驱动的决策支持系统。机器学习和深度学习模型能够使用无人机、卫星和近端传感数据自动和准确地预测生物量、冠层温度、氮状态和糖回收率等关键性状。人工智能驱动的基因组选择方法利用卷积网络、Transformers和注意力机制，通过整合SNP、谱系和多环境数据集，提高产量、再生能力和胁迫耐受力的预测准确性。新兴创新，如数字孪生、多模式数据融合、基于强化学习的灌溉调度和气候智能咨询模型进一步加强了实时作物智能。基于区块链的育种数据库，FAIR数据标准和交互操作的分析流程的集成支持可扩展和协作研究。文献分析显示选择效率提高了15-30%，疾病检测准确率>90%，表型分析成本降低高达70%。关键挑战仍然存在，包括缺乏注释数据集，基因型×环境复杂性，模型可解释性以及小农采用障碍。未来路线图提出了多模式基础模型，边缘AI部署，人工智能正在重新定义甘蔗研究，从反应性到预测性，实现气候适应性，可持续性和盈利性的生产系统。

图1 研究选择的PRISMA图。

图2 甘蔗育种人工智能模型方法流程图。

图3 人工智能在甘蔗育种各阶段的应用。

图4 人工智能/机器学习/深度学习（AI/ML/DL）在甘蔗育种研究和开发中应用的核心参考研究的年度分布。气泡区域与当年的研究数量成比例，气泡内注释报告年份和n。x轴是分类的，以避免空白年份。

图5 森林图——疾病检测准确度。

图6 荟萃回归-产量预测R²与研究年的比较。

图7 基因组预测准确性- ML/DL与GBLUP方法。

图8 跨应用领域的AI性能（标准化分数）。

来源

Praveen Kona, Vinayaka, Ramesh, A. Anna Durai, R.M. Shanthi, P. Govindaraj, (2026) Artificial intelligence in sugarcane breeding: A comprehensive review of applications, tools, and future prospects, Computers and Electronics in Agriculture, 246, 111580.

编辑

王春颖

扩展阅读

植物表型资讯2018年1-12月目录汇总
植物表型资讯2019年1-12月目录汇总
植物表型资讯2020年1-12月目录汇总
植物表型资讯2021年1-12月目录汇总

植物表型资讯2022年1-12月目录汇总
植物表型资讯2023年1-12月目录汇总
植物表型资讯2024年1-12月目录汇总
植物表型资讯2025年1-12月目录汇总
植物表型资讯2026年1-12月目录汇总
植物表型资讯分类专辑直通车
最畅销的田间表型平台长什么样？

戳这里，阅读原文