PhenoStream：一种基于网络信息基础设施的航空影像作物性状自动化与人工智能提取系统

数字技术在高通量田间表型分析中的集成，对于加速农业作物改良至关重要。然而，从遥感数据中提取性状仍受到工作流程碎片化、人工干预以及现有工具间互操作性有限等因素的制约，导致分析延迟，阻碍了及时获取生物学洞见并开展决策。为应对这些挑战，我们提出了 PhenoStream（Phenotyping Streaming，表型流式处理），这是一种可扩展的端到端网络基础设施，旨在实现基于航空影像的表型分析全生命周期自动化，涵盖从数据采集到小区和基因型层面的推断。该框架在统一且用户可访问的图形界面中，集成了来自分布式田间站点的自动化数据摄取、地理空间处理以及人工智能赋能的性状提取功能。其模块化且可扩展的架构支持灵活的性状建模以及新数据源的无缝集成，从而能够部署于不同作物、环境和试验设计中。我们在一个覆盖多个地点的生物能源作物大型田间试验网络中展示了该系统的应用效果。该系统能够实现对时空生长动态、基因型与环境互作（G×E）以及关键农艺性状预测建模的高通量表征。通过显著降低处理延迟和人工投入，该平台促进了近实时分析与可重复工作流程的实现。本研究为在农业研究中实现超高空间分辨率航空表型分析的业务化应用，建立了一条具有普适性和可扩展性的路径。通过贯通数据采集与分析，该端到端网络基础设施为整合异构且非结构化的数据流——包括遥感、环境和管理数据——提供了基础，从而推动农业领域的数据驱动决策。

将数字技术整合应用于高通量田间表型分析，对于加速农业作物改良至关重要。然而，从遥感数据中提取性状仍受到工作流程碎片化、人工干预以及现有工具之间互操作性有限等因素的制约，导致处理延迟，进而阻碍及时获得生物学洞见和开展决策。为应对这些挑战，我们提出了 PhenoStream（Phenotyping Streaming），一种可扩展的端到端网络化基础设施，旨在实现基于航空影像的表型分析全生命周期自动化，涵盖从数据采集到小区和基因型层面的推断。该框架在统一且用户可访问的图形界面中，集成了来自分布式田间试验点的自动化数据采集、地理空间处理以及人工智能驱动的性状提取功能。其模块化、可扩展的架构支持灵活的性状建模，并能够无缝整合新的数据源，从而实现跨不同作物、环境和试验设计的部署。我们在一个覆盖多个地点的生物能源作物大型田间试验网络中展示了该系统的应用，其能够高通量表征时空生长动态、基因型与环境互作（G×E）以及关键农艺性状的预测建模。通过显著降低处理延迟和人工工作量，该平台促进了近实时分析和可复现的工作流程。本研究为在农业研究中实现超高空间分辨率航空表型分析的实际应用，建立了一条具有普适性和可扩展性的路径。通过衔接数据采集与分析，这一端到端网络化基础设施为整合异构且非结构化的数据流——包括遥感数据、环境数据和管理数据——奠定了基础，从而推动农业领域的数据驱动决策。

作者声明不存在竞争利益。

感谢您有意传播 bioRxiv 的相关信息。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.26.747008v1?rss=1

🏷️ 高通量表型分析 航空遥感 人工智能 作物性状提取 基因型与环境互作 农业信息化