Tổng quan phương pháp đánh giá kiểu hình hiệu năng cao trên cây trồng: Tiến trình phát triển và tiềm năng ứng dụng cho Việt Nam

Năng suất cây trồng cần phải tăng gấp đôi hiện tại để đáp ứng nhu cầu của 10 tỉ người tới năm 2050 là một thách thức toàn cầu, đòi hỏi các phương pháp chọn tạo giống mới với hiệu năng và độ chính xác cao. Với sự phát triển của khoa học máy tính, cảm biến hình ảnh, học máy, trí tuệ nhân tạo ngày nay đã giúp các nhà khoa học đánh giá chính xác kiểu hình trong sự tương tác giữa kiểu gen với môi trường ngày càng đa dạng và phức tạp. Nghiên cứu này trình bày tóm tắt sự ra đời, phát triển, những thách thức đang gặp phải của phương pháp HTP và tiềm năng ứng dụng cho Việt Nam.

Vietnam J Agri Sci 2022, Vol 20, No 1: 98-112 Tạp chí Khoa học Nơng nghiệp Việt Nam 2022, 20(1): 98-112 www.vnua.edu.vn TỔNG QUAN PHƯƠNG PHÁP ĐÁNH GIÁ KIỂU HÌNH HIỆU NĂNG CAO TRÊN CÂY TRỒNG: TIẾN TRÌNH PHÁT TRIỂN VÀ TIỀM NĂNG ỨNG DỤNG CHO VIỆT NAM Nguyễn Trung Đức1*, Phạm Quang Tuân1, Nguyễn Thị Nguyệt Anh1, Nguyễn Văn Mười1, Phùng Danh Huân1, Vũ Hải2, Trần Văn Quang3, Vũ Thị Xuân Bình4, Vũ Văn Liết3 Viện Nghiên cứu Phát triển trồng, Học viện Nông nghiệp Việt Nam Viện Nghiên cứu quốc tế Thông tin đa phương tiện, Truyền thông Ứng dụng (MICA), Đại học Bách Khoa Hà Nội Khoa Nông học, Học viện Nông nghiệp Việt Nam Ban Khoa học Công nghệ, Học viện Nông nghiệp Việt Nam * Tác giả liên hệ: ntduc@vnua.edu.vn Ngày nhận bài: 06.08.2021 Ngày chấp nhận đăng: 09.12.2021 TÓM TẮT Năng suất trồng cần phải tăng gấp đôi để đáp ứng nhu cầu 10 tỉ người tới năm 2050 thách thức tồn cầu, địi hỏi phương pháp chọn tạo giống với hiệu độ xác cao Với phát triển khoa học máy tính, cảm biến hình ảnh, học máy, trí tuệ nhân tạo ngày giúp nhà khoa học đánh giá xác kiểu hình tương tác kiểu gen với môi trường ngày đa dạng phức tạp Đây tảng đời kỷ nguyên đánh giá kiểu hình hệ mới: phương pháp đánh giá kiểu hình trồng hiệu cao (HTP) kết hợp đa hình nhiều cấp độ từ tế bào, quan, cá thể đến cấp độ quần thể trồng Việt Nam đất nước nông phát triển, chịu ảnh hưởng mạnh biến đổi khí hậu Do vậy, việc áp dụng thành tựu từ phương pháp HTP góp phần rút ngắn thời gian đánh giá, chọn tạo, tạo nhiều giống thích ứng cao với biến đổi khí hậu ngày khó lường Nghiên cứu trình bày tóm tắt đời, phát triển, thách thức gặp phải phương pháp HTP tiềm ứng dụng cho Việt Nam Từ khóa: HTP, kiểu hình, G × E × M, liệu lớn, học máy A Review of High-Throughput Crop Phenotyping: Progress and Application for Vietnam ABSTRACT Double increase in food production to feed 10 billion people sustainably by 2050 is a global challenge, which requires novel breeding methods with high-throughput and accuracy The development of computer science, image sensors, machine learning, and artificial intelligence provided scientists with new methods for quantitative evaluation of plant phenotypes in the interaction between genotype and environment It has generated a new area for quantitative analysis of phenotypes: high-throughput crop phenotyping (HTP) combining multidimensional from cellular, tissue, organ, individual to population level Vietnam is a developing country, agriculture still plays a vital role in economic activity and is strongly influenced by climate change Therefore, the application of achievements from HTP technology will contribute to shorten the time of evaluation and breeding cycle and develop new resilience varieties highly adaptable to climate change This study highlighted the history, development and challenges of HTP and its potential application for Vietnam Keywords: HTP, phenotyping, G × E × M, big data, machine learning T VN Nhu cổu cung cỗp lỵng thc, thc phèm, thiếu hýt tài nguyên, biến đổi khí hêu s 98 dýng nởng lỵng l nhng thỏch thc chỳng ta phâi đối mðt să phý thuộc vào thăc vờt Cho n nởm 2050, sõn lỵng cõy trng s phõi tởng gỗp ụi ỏp ng s gia tởng dån số toàn Nguyễn Trung Đức, Phạm Quang Tuân, Nguyễn Thị Nguyệt Anh, Nguyễn Văn Mười, Phùng Danh Huân, Vũ Hải, Trần Văn Quang, Vũ Thị Xuân Bình, Vũ Văn Lit cổu ọt khoõng 10 tợ ngỵi (Hickey & cs., 2019) Câi tiến di truyền vén địng vai trđ vic nồng cao nởng suỗt cõy trng, nhỵng tc độ câi tiến täi đáp Āng nhu cổu v tớnh bn vng v an ninh lỵng thc Chin lỵc chn ging phõn t quan tõm nhiu hn đến lăa chọn dăa thông tin kiểu gen, nhiên kiểu hình chìa khóa giâi mã vai trò cûa gen (Araus & Cairns, 2014) Să đąi cûa cơng nghệ giâi trình tă gen hệ mi (Next-Generation Sequencing), d liu v kiu gen thu ỵc nhanh chóng vĆi chi phí rẻ hĄn (Behjati & Tarpey, 2013) Tuy nhiên, việc sā dýng thông tin để thiết lêp mối liên hệ toàn gen hän chế khơng có sïn dĂ liệu kiểu hình xác Kiểu hình thu thêp chỵ ć dĂ liệu im cui (nởng suỗt) hoc d liu kiu hỡnh mt vài điểm (đẻ nhánh, trỗ bơng, chín sĂa, chín hồn tồn) khơng có tính liên týc Do đị, khơng thể nớm bớt ỵc tỵng tỏc kiu gen v mụi trỵng động quy mơ tồn sinh vêt Ví dý, mt mc nởng suỗt cõy trng cú th ọt ỵc bìng số kết hĉp thay đổi trình sinh lý kiểu gen khác Mðt khác, số lỵng tớnh trọng quan sỏt v o m ỵc thỗp NhĂng điều dén đến nút thít phån tích tỵng tỏc kiu gen v mụi trỵng Thụng thỵng, kớch thỵc quổn th cõy trng cỷa cỏc chỵng trỡnh chn giống Āng dýng nhą chỵ thð phân tā có tÿ 200 đến tối đa 10.000 dđng, vêy đánh giá kiểu hình xác vĆi hiệu nëng cao ng thi c trỵng cho hng trởm dủng thỡ vộn nhiều thách thĀc (Araus & Cairns, 2014) Đánh giá kiu hỡnh theo truyn thng da vo ngỵi ủi húi nhiu cụng sc, tn thi gian v thỵng cú sai số lĆn Kết hĉp công nghệ câm biến Āng dýng thuêt toán cho việc đánh giá kiểu hỡnh t ng s khớc phýc ỵc họn ch cỷa phỵng phỏp truyn thng Phỵng phỏp mi ny ỵc gi l phỵng phỏp ỏnh giỏ kiu hỡnh cõy trng hiu nởng cao (HTP) cung cỗp cỏc phộp o t ng, có hệ thống, tiết kiệm thąi gian vĆi lĉi cûa phép đo, đếm không phá hûy, không xõm lỗn, quan sỏt chớnh xỏc, khỏch quan, ỏnh giỏ thỵng xuyờn theo chu k sinh trỵng v lỵu tr dĂ liệu trăc tiếp (Zhao & cs., 2019) Täi Việt Nam, lïnh văc y tế, việc áp dýng cõm bin nhỵ X-quang, nhỹ õnh, cớt lp vi tớnh, cng hỵng t thu thờp, xõy dng d liu lĆn, áp dýng thuêt toán học máy, học sâu, trí tuệ nhân täo để xā lý chèn đốn da trờn hỡnh õnh ó cũ nhng bỵc tin ln vĆi tiên phong Viện Nghiên cĀu DĂ liệu lĆn (VinBigdata) cỷa tờp on Vingroup Chin lỵc cỷa VinBigdata l kết hĉp thơng tin tÿ hình ânh lội dĂ liệu y tế lâm sàng, giâi phéu bệnh, giâi mó gen vi mýc tiờu hỵng ti sng lc v hỗ trĉ chèn đoán số bệnh nan y phổ bin Vit Nam Tuy vờy, cỏc nghiờn cu tỵng tă ngành nông nghiệp Āng dýng chọn giống trồng để rút ngín chu kĊ chọn täo vộn l mt khoõng cỏch rỗt ln Do ũ, nhu cổu cỗp thit cổn phõi cú nghiờn cu tng quan để tổng hĉp, phån tích, đánh giá cị hệ thống v phỵng phỏp HTP qua ũ thỳc ốy vic ng dýng HTP ngành nơng nghiệp nhìm bíp kðp xu hỵng nghiờn cu vi th gii Mýc tiờu cỷa nghiờn cu ny cung cỗp mt cỏi nhỡn tng quan v HTP bao gồm lðch sā hình thành, tâng cûa phỵng phỏp HTP, ng dýng HTP trờn th gii v tim nởng ng dýng HTP cho Vit Nam Phỵng phỏp thu thêp thông tin cho nghiên cĀu tổng quan dăa kết quâ nghiên cĀu, thông tin cơng bố täp chí chun ngành uy tín danh mýc ISI/Scopus có chỵ số trích dén cao Mỵi quy tớc soọn mt bi tng quan xuỗt bi Pautasso (2013) ó ỵc ỏp dýng nghiờn cu ny Phỵng phỏp tng hp, k tha v phỵng phỏp nghiờn cu tọi bn ó ỵc ỏp dýng để tổng hĉp, phân tích lðch sā đąi, Āng dýng cỷa phỵng phỏp HTP trờn th gii qua ũ ỏnh giỏ, nhờn nh v xuỗt chin lỵc ng dýng cho Việt Nam LỊCH SỬ HÌNH THÀNH Lðch sā trình hình thành phát triển cûa phỵng phỏp HTP cũ th ỵc chia 99 Tng quan phương pháp đánh giá kiểu hình hiệu cao trồng: Tiến trình phát triển tiềm ứng dụng cho Việt Nam thành ba giai độn (Bâng 1) Giai đoän sĄ khai tÿ nëm 1911 đến nëm 1997 thąi kĊ hình thành khái niệm kiểu hình v kiu hỡnh hc phenomics Thuờt ng kiu hỡnh nhỵ mt khỏi nim song hnh vi kiu gen ỵc tọo cỏch ồy mt th k (Johannsen, 1911), ỵc s dýng để mơ tâ lột đðc điểm ć thc vờt, vi khuốn, nỗm v ng vờt Kiu hỡnh thc vờt l chc nởng c th thc vờt ỵc hỡnh thnh quỏ trỡnh sinh trỵng v phỏt trin cỷa thc vờt t mi quan h tỵng tỏc ng gia nn gen (kiu gen) v th gii vờt chỗt m thc vờt phỏt trin (mụi trỵng) Thuờt ng kiu hỡnh ỵc bớt ổu ỵc s dýng vo nhng nởm 1960 (Walter & cs., 2015) v sau ũ ỵc gi l tờp hp cỏc phỵng phỏp v quy trỡnh ỵc s dýng o lỵng chớnh xỏc s phỏt trin, cỗu trỳc v thnh phổn cỷa cõy trng cỏc quy mô khác (Fiorani & Schurr, 2013) Đến nëm 1997 thỡ khỏi nim kiu hỡnh hc phenomics ỵc xuỗt bi Schork (1997) tỏc giõ tỡm hiu cỏch tip cờn, vỗn v giõi phỏp nghiờn cu di truyn cỏc bnh phc tọp trờn ngỵi Bõng Lịch sử phương pháp HTP trồng Giai đoạn Năm Giai đoạn sơ khai: thời kỳ hình thành khái niệm kiểu hình HTP 1911 Khái niệm kiểu hình lần đề xuất nhà di truyền học người Đan Mạch Johannsen Johannsen (1911) 1997 Khái niệm kiểu hình học - “phenomics” đề xuất Schork (1997) Giai đoạn phát triển mạnh: từ cuối kỷ XX, nhóm nghiên cứu kiểu hình thực vật tổ chức thương mại thành lập liên tiếp loạt công cụ kiểu hình thơng lượng cao, độ xác cao, tự động bán tự động phát triển để có kiểu hình thực vật chất lượng cao, lặp lại liệu 1998 Phát triển tảng HTP quy mô lớn http://www.cropdesign.com 2007 Trung tâm nghiên cứu HTP Úc thành lập đặt tên The Australian Plant Phenomics Facility (APPF) https://www.plantphenomics.org.au 2011 Thảo luận nút thắt kiểu hình kiểu gen vấn đề cần giải Furbank & Tester (2011) 2012 Mạng kiểu hình thực vật châu Âu (EPPN) thành lập, hoàn thành dự án nghiên cứu chung EPPN giai đoạn 20122015 tiếp tục với chương trình EPPN2020 EMPHASIS với mục tiêu phát triển sở hạ tầng HTP dài hạn toàn châu Âu https://eppn2020.plantphenotyping.eu https://emphasis.plantphenotyping.eu; Nhiều thuật tốn cơng cụ đề xuất để xử lý đặc điểm vi mô rễ, thân hạt, RootAnalyzer, VesselParser Burton & cs (2012) Đề xuất tất nghiên cứu di truyền tình trạng số lượng (QTLs) kiểu hình vua kiểu gen nữ hồng Tuberosa (2012) Giai đoạn phát triển có hệ thống: bước vào kỷ nguyên tên phenomics, cung cấp liệu lớn hỗ trợ định cho việc tiết lộ chế phân tử chức gen thực vật 2013 Kiểu hình nên liên kết chặt chẽ với công nghệ, lập đồ liên kết gen độ phân giải cao, nghiên cứu liên kết tồn hệ gen mơ hình chọn lọc dựa gen Cobb & cs (2013) 2016 Phát triển tảng HTP đồng ruộng, mở kỷ nguyên từ cảm biến tới trồng http://www.lemnatec.com Đăng ký mạng lưới kiểu hình thực vật quốc tế (IPPN) https://www.plantphenotyping.org 2017 Chiến lược cho HTP đa quy mô, đa miền đề xuất Tardieu & cs (2017) 2019 Một số mạng lưới kiểu hình thực vật quốc gia khu vực (PPNs) tổ chức, chẳng hạn FPPN, PPA, NAPPN, CPPN,… Carroll & cs (2019) 2021 HTP đóng vai trị khơng thể thiếu phát triển nhanh chóng giống trồng đảm bảo an ninh lương thực toàn cầu Varshney & cs (2021) 100 Nội dung Nguồn trích dẫn Nguyễn Trung Đức, Phạm Quang Tuân, Nguyễn Thị Nguyệt Anh, Nguyễn Văn Mười, Phùng Danh Huân, Vũ Hải, Trần Văn Quang, Vũ Thị Xuân Bình, Vũ Văn Liết Giai độn hai thąi kì phát trin mọnh cỷa phỵng phỏp HTP t nởm 1998 n nëm 2012 Tÿ cuối kČ XX, nhóm nghiên cu kiu hỡnh thc vờt v cỏc t chc thỵng ó ỵc thnh lờp liờn tip v mt loọt cụng cý kiu hỡnh thụng lỵng cao, chớnh xỏc cao, t ng hoc bỏn t ng ó ỵc phỏt trin cú ỵc kiu hỡnh thc vờt chỗt lỵng cao, lðp läi dĂ liệu Thăc tế cho thỗy, so vi cỏc d liu ln v b gen ó ỵc giõi trỡnh t thỡ vộn cú mt nỳt thít thơng tin kiểu hình cân trć tiến trình tìm hiểu cĄ sć di truyền cûa tính träng phĀc täp (Furbank & Tester, 2011) Để phá vĈ nút thít câi thiện hiệu quâ chọn lọc ć cỗp phõn t, cỏc cụng ngh HTP s cung cỗp cho nh chn ging nhng hiu bit mi việc lăa chọn lồi mĆi để thích Āng vĆi să suy giâm nguồn tài nguyên thiên nhiên biến đổi khí hêu tồn giĆi Trong kČ ngun Āng dýng phân tích gen trồng, Tuberosa (2012) ó nhỗn mọnh tổm quan trng nhỵ cỷa cõ kiu gen v kiu hỡnh cỹng nhỵ khõ nởng chng chu iu kin bỗt thuờn cỷa cõy trng Giai đoän ba tÿ nëm 2013 đến giai đoän phát triển HTP có hệ thống tÿ nhà kính đến thăc đða đồng ruộng NhĂng tiến đồng thąi việc đánh giá kiểu hình thăc vêt chû yếu nhą vào nhĂng đổi mĆi cơng nghệ hình ânh v cõm bin ó ỵc kt hp vi d liu gen để lêp bân đồ liên kết gen độ phân giâi cao, nghiên cĀu liên kết toàn hệ gen mơ hình chọn lọc dăa gen (Cobb & cs., 2013) Phát triển tâng HTP đæu tiên đồng ruộng, mć kČ nguyên tÿ câm biến ti cõy trng Mọng lỵi kiu hỡnh thc vờt quc t (IPPN) ó ỵc ởng k Th gii ang bỵc vào kČ nguyên mĆi có tên phenomics - hệ thng ỏnh giỏ HTP, cung cỗp d liu ln v hỗ trĉ đðnh cho việc tiết lộ cĄ chế phân tā chĀc nëng gen cûa thăc vêt (Tardieu & cs., 2017; Carroll & cs., 2019) Khoâng 20% nn tõng h thng HTP ó ỵc thnh lờp trờn tồn giĆi (Yang & cs., 2020) Gỉn đåy, Varshney & cs (2021) khỵng đðnh HTP địng vai trđ khụng th thiu chin lỵc phỏt trin nhanh cỏc ging cõy trng õm bõo an ninh lỵng thc ton cæu NỀN TẢNG CỦA PHƯƠNG PHÁP ĐÁNH GIÁ KIỂU HèNH HIU NNG CAO Sõn xuỗt cõy trng rỗt phc tọp v ỵc xỏc nh bi nhiu yu t bao gm kiu gen, mụi trỵng trng trt (vớ dý: thi tit, ỗt, vi khớ hờu v v trớ) v cỏc phỵng phỏp canh tỏc (phõn bún v quõn lý dch họi) Tỗt cõ cỏc tỏc ng cỷa cỏc yu t khỏc n sõn xuỗt cõy trng cú th ỵc túm tớt bỡng cỏch s dýng mt phỵng trỡnh sõn xuỗt cõy trng, tc l, nởng suỗt cõy trng (P) l hm s cỷa cỏc tỵng tỏc gia kiu gen (G), mụi trỵng (E) v phỵng phỏp canh tỏc (M) ỵc minh cụng thc dỵi ồy: P=GìEìM+ Trong đị, P kiểu hình thăc vêt đề cêp đến cỏc c tớnh vờt lý cú th quan sỏt ỵc cỷa mt sinh vờt, bao gm nởng suỗt; G l kiu gen liờn quan n cỗu tọo di truyn cỷa mt sinh vờt; E l cỏc yu t mụi trỵng õnh hỵng n s phỏt trin cỷa thc vờt bao gm khớ hờu, chỗt lỵng ỗt, ỏnh sỏng, nhit v lỵng nỵc sùn cũ; M l phỵng phỏp canh tác, thăc hành quân lý trồng đồng ruộng, chợng họn nhỵ x lý họt ging, trng trt, quõn lý dch họi, quõn l dinh dỵng v tỵi tiờu;  tổng sai số cûa mơ hình Cơng thĀc ny ỵc xuỗt bi Beres & cs (2020) nghiờn cu xuỗt chin lỵc v sỏng kin lỳa mỡ ton cổu Phỵng trỡnh cho thỗy kiu hỡnh cõy trồng chðu tác động bći kiểu gen yếu t ngoọi cõnh, phỵng phỏp canh tỏc (Hỡnh 1) Mụi trỵng thay i, cõy trng cỹng khụng ngng tin húa thay đổi theo Ví dý, tÿ có teosinte nhiu nhỏnh qua thi gian di dỵi õnh hỵng cỷa mụi trỵng v chn lc t ngỵi ó tin hoỏ thnh cõy ngụ hin ọi (Zea mays L.) nhỵ ngy (Hỡnh 1) Cỏc phỵng phỏp ỏnh giỏ kiu hình trồng truyền thống tốn nhiều cơng sĀc, thąi gian, chỷ quan v thỵng xuyờn phõi thu mộu cõy trồng trăc tiếp (Furbank & Tester, 2011) Să chêm trễ việc Āng dýng tiến cûa công nghệ mi ni v nởng suỗt thỗp vic ỏnh giỏ kiểu hình trồng trć thành hän chế lĆn đối vĆi nghiên cĀu gen chĀc 101 Tổng quan phương pháp đánh giá kiểu hình hiệu cao trồng: Tiến trình phát triển tiềm ứng dụng cho Việt Nam nëng chọn giống trồng (Deery & cs., 2016) Công nghệ HTP lên thêp kČ qua nhą nhĂng tiến giâm chi phí cơng nghệ câm biến, thð giác máy tính, tă động hóa mơ hình học máy tiên tiến HTP đề cêp đến việc thu thêp dĂ liệu kiu hỡnh a chiu nhiu cỗp t t bào, cĄ quan, thăc vêt đến qn thể bìng cách sā dýng công nghệ mĆi (Zhao & cs., 2019) Một hệ thống HTP tồn diện bao gồm phỉn cĀng (câm biến tâng) phỉn mềm tính tốn (lỵu tr, trớch xuỗt v phõn tớch d liu) Cỏc cõm bin ỵc s dýng rng rói cụng ngh HTP chû yếu câm biến không tiếp xúc v khụng xõm lỗn, chợng họn nhỵ mỏy õnh k thuêt số RGB, đa phổ, siêu phổ, câm biến nhiệt câm biến ba chiều LiDAR (Araus & cs., 2018; Zhao & cs., 2019) Một số nghiên cĀu thā nghiệm áp dýng số kč thuêt hỡnh õnh tiờn tin ỵc s dýng rng rói cỏc ng dýng y t, chợng họn nhỵ chýp cng hỵng t (MRI), chýp cớt lp phỏt xọ positron (PET) chýp cít lĆp vi tính (CT) cho hệ thống HTP phát triển buồng quy mơ nhó hc nhà kính (Yang & cs., 2020) NhĂng tiến cụng ngh cõm bin chỷ yu ỵc thỳc ốy bi lùnh vc cụng nghip Nhỡn thỗy tim nởng ng dýng cỷa chỳng, rỗt nhiu cỏc nh khoa hc trờn th giĆi nghiên cĀu để tích hĉp chúng vào hệ thống HTP Āng dýng trồng Dăa vo s hỗp thý (absorbance), phõn xọ (reflectance) v truyn qua vờt (transmittance) cỷa ỏnh sỏng bỵc súng t đến tia gamma (10-12m) đến sóng radio (106m), vơ số cõm bin ỵc phỏt trin nhỵ VIS (400-750nm), VNIR (400-1.000nm), SWIR (1.000-2.500nm) (Hình 2) Ứng dýng phỉn mềm, cơng cý trớch xuỗt hỡnh õnh (Bõng 2) m vụ s tớnh trọng kiu hỡnh ỵc trớch xuỗt Ghi chỳ: Hỡnh c thiết kế ứng dụng trực tuyến https://app.biorender.com/, icon sử dụng từ nguồn có sẵn ứng dụng Hình Sự biến động kiểu hình tương tác kiểu gen, môi trường phương pháp canh tác 102 Nguyễn Trung Đức, Phạm Quang Tuân, Nguyễn Thị Nguyệt Anh, Nguyễn Văn Mười, Phùng Danh Huân, Vũ Hải, Trần Văn Quang, Vũ Thị Xuân Bình, Vũ Văn Liết Ghi chú: Hình thiết kế ứng dụng trực tuyến https://app.biorender.com/, icon sử dụng từ nguồn có sẵn ứng dụng Hình Ngun lý phương pháp đánh giá kiểu hình khơng phá hủy Bâng Cơng cụ trích xuất xử lý hình ânh Cơng cụ Mơ tả Nguồn trích dẫn SmartRoot Phân tích cấu trúc rễ Lobet & cs (2011) RhizoVision Analyzer Phân tích cấu trúc rễ Seethepalli & cs (2020) HTPheno Shoot and plant architecture Hartmann & cs (2011) Canopy Reconstruction Công cụ tái cấu trúc tán lúa mì lúa nước Pound & cs (2014) Integrated Analysis Platform Mã nguồn mở xây dựng tảng JAVA với gần 33,700 ảnh gốc phục vụ nghiên cứu Klukas & cs (2014) PlantCV Xử lý hình ảnh, trích xuất số liệu chạy tảng Python miễn phí Gehan & cs (2017), https://plantcv.danforthcenter.org Image Harvest Xử lý hình ảnh từ hệ thống đánh giá kiểu hình hiệu cao chạy tảng Python miễn phí Knecht & cs (2016) LemnaGrid Cơng cụ trả phí kèm theo hệ thống Scanalyzer (Lemna Tec) mạnh mẽ https://www.lemnatec.com/ SmartGrain Phân tích hình dạng kích thước hạt lúa (đậu tương, dưa …) Tanabata & cs (2012) GrainScan Phân tích hình dạng kích thước hạt lúa mì Whan & cs (2014) Ghi chú: Cập nhật công cụ phân tích nguồn trích dẫn tảng web https://www.quantitativeplant.org Vớ dý minh cho cỏc bỵc thu thờp xā lý hình ânh trồng quy mơ nhà kớnh ỵc mụ tõ hỡnh nh gc sau chýp bỡng RGB camera ỵc x lý cú h thống bìng phỉn mềm 103 Tổng quan phương pháp đánh giá kiểu hình hiệu cao trồng: Tiến trình phát triển tiềm ứng dụng cho Việt Nam LemnaGrid (Lemna Tec, Germany) ổu tiờn, õnh gc ỵc phồn ngỵng õnh, sau ũ ỏp dýng biu tổn suỗt thng kờ s lổn xuỗt hin cỏc mc sáng ânh, tÿ thông số xác đðnh i tỵng cổn phõn tớch, cỏc thụng tin cổn trớch xuỗt v xuỗt file d liu sang dọng .csv (Hỡnh 3) Cỏc tớnh trọng trớch xuỗt bao gm chiu cao cõy, s lỏ, gúc lỏ, din tớch lỏ, cỗu trỳc tỏn cõy, lỵng tỵi, lỵng chỗt khụ, cỏc chợ s sinh l dỵi dọng s vi n v l pixel Mụ hỡnh tiờn lỵng ỵc xõy dng trờn têp không 200-300 cá thể trồng thơng qua mơ hình tuyến tính đĄn biến hc qua mơ hình học máy phĀc täp hĄn để tìm hiểu s tỵng quan gia cỏc tớnh trọng s v giỏ trð đo đếm thăc tế Các tính träng số qn thể lĆn thơng qua mơ hình tiên lỵng s ỵc chuyn i sang giỏ tr kiu hỡnh thc t vi chớnh xỏc rỗt cao NG DỤNG HTP TRÊN THẾ GIỚI Các tâng đánh giá kiểu hình hiệu nëng cao quy mơ nhà kính ngoi ng rung, cõ mụi trỵng hc thuờt v cơng nghiệp, phát triển nhanh chịng 10 nëm qua A Ảnh gốc (Raw image) B Phân ngng nh (Threshold) tip týc ỵc cõi thin Vớ dý, cĄ sć đánh giá kiểu hình hiệu nëng cao da trờn nh kớnh ó ỵc phỏt trin Trung Quc, bao gm mt ngỵi ghi im tớnh nởng suỗt mĆi tă động đo tổng số hät giống, số hät đæy, khâ nëng sinh sân cûa hät, nëng suỗt trờn mi cõy, trng lỵng họt, hỡnh dọng v kớch thỵc họt vi tc mt cõy mi phỳt (Yang & cs., 2014) Gæn đåy, câm biến siêu phổ phân xä đa nëng gín máy kéo ó ỵc s dýng ỏnh giỏ kiu hỡnh trờn qn thể gồm 1.516 dịng lúa tái tổ hĉp (Tanger & cs., 2017) So vĆi việc đo đäc bìng tay, h thng mỏy kộo ó thu thờp ỵc kiu hỡnh cú hiu nởng v chớnh xỏc cao nhỵ chiu cao cõy, thi gian hoa, nởng suỗt họt chỵ số thu hộch Các hệ thống hiệu nëng cao khác bao gồm tâng giàn, chỵng hän nhỵ Mỏy quột trỵng TERRA-REF Arizona (Danilevicz & cs., 2021), hệ thống kiểu hình LeasyScan (Vadez & cs., 2015) v mỏy bay khụng ngỵi lỏi (UAV) (Shi & cs., 2016) täi Viện Nghiên cĀu Cây trồng quốc tế cho vùng nhiệt đĆi bán khơ cìn (ICRISAT) ć Ấn Độ Yang & cs (2020) ó trỡnh by rỗt chi tit þu điểm hän chế cûa tâng Āng dýng HTP ỵc trỡnh by tọi bõng C Xỏc định biểu đồ tần suất mức sáng ảnh (Histogram) D Xác định đối tượng cần phân tích xuất liệu (Digital Plant Objects) Nguồn: Nguyen (2020) Hình Các bước phân tích hình ânh lúa 104 Nguyễn Trung Đức, Phạm Quang Tuân, Nguyễn Thị Nguyệt Anh, Nguyễn Văn Mười, Phùng Danh Huân, Vũ Hải, Trần Văn Quang, Vũ Thị Xuân Bình, Vũ Văn Liết Bâng Ưu điểm hạn chế tâng ứng dụng HTP Ứng dụng Nền tảng Ưu điểm Hạn chế Đánh giá cấu trúc thân Arabidopsis phòng thí nghiệm PHENOPSIS (DB); GROWSCREEN (FLUORO); Phenoscope; Phenovator; PlantScreenTM Chi phí phải chăng, nhanh chóng tự động cho quần thể có cỡ mẫu lớn Khơng phù hợp cho trồng có kích thước lớn Đánh giá cấu trúc thân trồng phịng thí nghiệm TraitMillTM; Scanalyzer3DTM; PHENOARCH; HRPF Quan sát phát triển chồi, sinh khối nhiều thơng tin cho quần thể có cỡ mẫu lớn Chi phí lớn; cần có chun gia đa ngành trì cập nhật PhenoBox Chi phí phải chăng, dễ vận hành Cần nhiều lao động để sàng lọc quy mô lớn Đánh giá cấu trúc rễ phịng thí nghiệm PlaRoM; Rhizoslides; Rhizoponics; RADIX; RhizoTubes Chi phí phải chăng, thu mơ hình cấu trúc rễ dạng hai chiều Bộ rễ phải sinh trưởng mơi trường suốt GiARoots RootReader3D Chi phí phải chăng, thu mơ hình cấu trúc rễ dạng ba chiều Bộ rễ phải sinh trưởng môi trường suốt GROWSCREEN-Rhizo Đánh giá đặc điểm thân rễ Bộ rễ bị hạn chế hộp có kích thước cố định MRI-PET, PET-CT, MRI-CT Thu hệ thống rễ chiều Chi phí cao; tốn nhiều thời gian CPRS - tháp đánh giá kiểu hình cố định Dễ cài đặt bảo trì Thông tin trồng hạn chế khu vực cố định thu thập Field Scanalyzer - hệ thống HTP chạy đường ray Tích hợp cảm biến quang học khác nhau; độ phân giải hình ảnh cao Chi phí cao; vùng hình ảnh hạn chế; phụ thuộc vào ánh sáng tự nhiên BreedVision - máy kéo tự hành trang bị nhiều cảm biến gắn buồng tối di động Tích hợp cảm biến quang học khác nhau; tình trạng hình ảnh ổn định; khơng hạn chế khu vực hình ảnh Hạn chế điều kiện thời tiết (độ ẩm đất, nước, gió, mưa) Viễn thám với quy mô đồng ruộng Máy bay không người lái trang bị nhiều cảm biến Không hạn chế khu vực chụp ảnh; phép đo nhanh chóng (sinh trưởng trồng, suất, phản ứng với stress ); dễ cài đặt sử dụng Không thể lấy thông tin bên tán cây; Điều hành nghiêm ngặt phải tuân thủ luật bay địa phương Đánh giá kiểu hình nhỏ gọn PocketPlant3D - điện thoại thơng minh trang bị ứng dụng để đo cấu trúc tán đặc điểm ngơ Chi phí phải chăng; sử dụng linh hoạt; phổ biến rộng rãi Các tính trạng bị hạn chế; thiếu mơ hình mạnh mẽ thay đổi cho phù hợp với điều kiện phức tạp thực địa Đánh giá kiểu hình sau thu hoạch Máy gia tốc đánh giá hạt giống (SEA) Tự động tuốt lúa đo nhanh tính trạng cấu thành suất Khơng thể có đặc điểm hạt dạng chiều đặc điểm bơng P-TRAP; PANorama Định lượng tính trạng bơng lúa tính trạng hạt; khơng cần tách hạt Cần tách lúa tay; không đo đặc điểm hạt dạng ba chiều PhenoSeeder Trích xuất đặc điểm ba chiều từ hạt riêng lẻ với độ xác cao Tốc độ đo thấp; cần phải tách hạt X-ray CT Trích xuất đặc điểm hạt ngũ cốc ba chiều đặc điểm bơng; khơng cần tách hạt Chi phí cao; thời gian; cần phát triển chương trình phân tích hình ảnh riêng cho loài Hyperspectral imaging Ước lượng hàm lượng protein thơng tin sinh lý sinh hóa khác Chi phí cao; cần phân tích hình ảnh riêng mơ hình cập nhật cho lồi mới, số sinh lý sinh hóa Đánh giá kiểu hình dựa mặt đất với quy mơ đồng rung ng dýng cỷa cỏc phỵng phỏp ỏnh giỏ kiu hỡnh hiu nởng cao ó ỵc Zhao & cs (2019) Yang & cs (2020) tổng hĉp, phân tích đỉy đû Trong tổng quan này, nhóm tác giâ chia thnh bn nhúm ng dýng chớnh cỷa HTP nhỵ sau: 105 Tổng quan phương pháp đánh giá kiểu hình hiệu cao trồng: Tiến trình phát triển tiềm ứng dụng cho Việt Nam Nhóm 1: HTP cung cỗp phộp o hiu quõ v khỏch quan tính träng trồng Hệ thống HTP đánh giá kiểu hình cánh đồng nhân giống cách hệ thống, hiệu quâ hĄn tiết kiệm chi phớ hn, iu ny cho phộp tởng hiu suỗt cỷa cỏc chỵng trỡnh chn ging sng lc mt qn thể trồng có cĈ méu lĆn câi thin cỵng chn lc Vớ dý, nn tõng HTP dăa UAV sàng lọc cánh đồng chọn giống không thąi gian ngín Thiết bð phân xä quang phổ thð giác máy tính cung cỗp cỏc tiờu nhỗt quỏn ỵc tớnh cỏc tớnh trọng cõy trng theo nhiu chiu, chợng họn nhỵ chiu cao cõy, nhit cồy v hm lỵng dip lýc Nhịm 2: HTP giúp xác đðnh tính träng trồng mĆi Các câm biến tiên tiến (siêu phổ v hng ngoọi) ghi lọi thụng tin bỵc súng phõn xọ ngoi tổm nhỡn v cõm nhờn cỷa ngỵi Phỵng phỏp phồn tớch d liu tiờn tin v mụ hình trí tuệ nhân täo (AI) giúp phát nhĂng thơng tin èn tÿ dĂ liệu đồng thąi có tiềm nëng lĆn việc khám phá đðc điểm trồng mĆi Đðc điểm mĆi dùng để mơ tõ nởng suỗt cõy trng mt giai oọn sinh trỵng cý th hoc xỏc nh phõn ng ng cỷa cõy trng i vi mụi trỵng theo chu k sinh trỵng c im cõy trng mi phỏt sinh t cỏc bin d cú th cung cỗp thờm thụng tin nh lỵng cỏc bin th di truyn c bit v cú khõ nởng lm tởng phỵng sai di truyn Nhóm 3: HTP tích hĉp dĂ liệu kiểu hình dĂ liệu kiểu gen Các kiểu hình dăa HTP cú th ỵc tớch hp vo phõn tớch di truyn, chợng họn nhỵ lờp bõn locus tớnh trọng s lỵng (QTL) hoc nghiờn cu liờn kt ton h gen (GWAS) để xác đðnh tính träng di truyền quan trng Cỏc gen, QTL trin vng cú th ỵc ỏp dýng thơng qua chọn lọc có hỗ trĉ cûa chỵ thð phân tā (MAS) để sàng lọc phát triển nguồn vêt liệu trồng mĆi trình lai täo Việc tích hĉp cho phép chọn lọc xác, giâm chu kĊ nhân giống tëng lĉi ích di truyền Nhóm 4: HTP cho phép mơ hình hóa G × E × M để dă đốn P xác hĄn Cơng nghệ HTP cho phép thu thêp dĂ liệu lĆn trồng ć độ phân giâi cao, đa chiều khám phá đðc điểm cõy trng mi lm sỏng tú cỏc tỵng tỏc 106 G × E × M Các mơ hình, tht tốn tiên tiến dăa cơng nghệ học máy hc sõu, AI s chuyn i chỵng trỡnh chn ging tÿ mơ tâ kiểu hình sang dă đốn kiểu hình cho phép thiết kế đðc điểm trồng dăa nhu cæu ỨNG DỤNG HTP CHO VIỆT NAM Đánh giá kiểu hình vén tâng cûa trình chọn täo giống trồng Mðc dù có nhĂng tiến di truyền học Āng dýng công nghệ phân tā, việc chọn giống vén dăa chû yếu vo s biu hin cỷa nởng suỗt v mt s đðc điểm nông học quan trọng để chọn xác nh sõn phốm thỵng Trong iu kin Vit Nam nay, áp dýng s thnh quõ nghiờn cu HTP, cỏc phỵng phỏp ỏnh giỏ kiu hỡnh hiu nởng cao, ỏnh giỏ cỗu trỳc b r, nh lỵng mt s tớnh trọng nhỵ lỵng chỗt khụ, chiu cao cõy, din tớch lỏ qua õnh chýp RGB, nh lỵng s lỵng, kớch thỵc họt, cỗu trỳc bụng, bớp, d oỏn din tớch, nởng suỗt qua õnh chýp t flycam vi chi phớ thỗp 5.1 Đánh giá cấu trúc rễ Xác đðnh đðc điểm cỗu trỳc b r ũng vai trũ quan trng tớnh chng chu i vi cỏc yu t bỗt thuờn cỷa mụi trỵng Cỗu trỳc b r cổn thit cho vic thu nhờn nỵc v dinh dỵng, tỵng tỏc vi khuốn, lỵu tr chỗt dinh dỵng, l ni neo ờu cûa trồng, chống đổ tác động đến nëng suỗt họt (Lynch, 2019) WinRHIZO ỵc bin n l mt phổn mm thỵng dựng ỏnh giỏ cỗu trỳc rễ qua hình ânh hiệu quâ Tuy nhiên, hän ch cỷa phổn mm ny l hiu nởng thỗp v ngỵi dựng phõi trõ phớ bõn quyn hỡng nởm Falk & cs (2020a) phát triển phæn mềm ARIA2.0 (phân tích hình ânh rễ tă động hiệu nëng cao) thay th phổn mm thỵng WinRHIZO H thng ARIA2.0 cung cỗp mt phỵng phỏp ỏnh giỏ kiu hỡnh b r hiệu nëng cao, hiệu q chi phí, khơng phá hỷy, cung cỗp d liu chui thi gian cú liờn quan v mt sinh hc v s tởng trỵng v phát triển cûa rễ cho Āng dýng chọn giống trồng Falk & cs (2020b) Āng dýng thành công ARIA2.0 Nguyễn Trung Đức, Phạm Quang Tuân, Nguyễn Thị Nguyệt Anh, Nguyễn Văn Mười, Phùng Danh Huân, Vũ Hải, Trần Văn Quang, Vũ Thị Xuân Bình, Vũ Văn Liết chọn lọc đánh giá đa däng di truyền cỷa 292 dủng ờu tỵng 5.4 ỏnh giỏ s lng, hình dạng, cấu trúc hạt 5.2 Định lượng suất sinh khối, chiều cao cây, diện tích qua ânh chp RGB Hỡnh dọng v kớch thỵc họt l tớnh trọng quan trng chn tọo ging, õnh hỵng ti mộu mó, phốm chỗt v nởng suỗt họt o m bỡng phỵng phỏp truyn thng cho thỗy tn kộm thi gian công sĀc Tanabata & cs (2012) phát triển phæn mềm SmartGrain cho phép chuyển đổi dĂ liệu tÿ hình ânh quét tÿ máy scan hoðc máy ânh vĆi độ phân giâi cao sang tính träng quan trng liờn quan n hỡnh dọng v kớch thỵc họt lỳa Phỵng phỏp cỹng cho phộp x lý nhiu bc õnh cha tng thỵ mýc thi gian ngớn Phỵng phỏp cú họn ch l khụng nhờn dọng ỵc họt xp chng lờn Phỵng phỏp cỷa Tanabata & cs (2012) cũn rỗt hiu quõ i vi cỏc họt cỷa cõy trng khỏc nhỵ ờu tỵng, ờu , ngụ, lỳa mỡ, dỵa chut, dỵa lỵi PlantCV l mó ngun mć bìng python dùng để phân tích HTP Gehan & cs (2017) phát triển Đåy công cý chuèn hóa, nhên däng hình thái học, phân tách mýc tiêu xác có khâ nëng tái lêp chu trình phõn tớch, trớch xuỗt thụng tin t quỏ trỡnh x lý hình ânh Các tính träng mà PlantCV trớch xuỗt ỵc bao gm chiu cao, s lỏ, nởng suỗt sinh khi, mu sớc, kin trỳc thc vờt (t hình chýp kč tht số RGB) Nhiều tính träng khỏc cỹng cú th ỵc trớch xuỗt t Plant CV hình chýp bìng câm biến siêu phổ hồng ngoọi Cụng cý Plant CV ó ỵc ỏp dýng thnh cụng trờn nhiu cõy trng khỏc nhỵ ngụ (Enders & cs., 2019), khoai lang (Rosero & cs., 2019) số loäi trồng khác 5.3 Đánh giá kiu hỡnh bp ngụ, bụng lỳa Cỗu trỳc bớp ngụ tính träng quan trọng chọn täo giống ngơ Phỵng phỏp ỏnh giỏ kiu hỡnh bớp ngụ qua õnh ỵc Miller & cs (2017) v Makanza & cs (2018) xuỗt Da trờn bc õnh chýp bớp bỡng mỏy õnh thụng thỵng ỵc c nh khoõng cỏch chýp kt hĉp tht tốn xā lý hình ânh nhanh chóng xây dăng tÿ phỉn mềm xā lý ânh miễn phí ImageJ chuyển dĂ liệu hàng nghìn hình ânh bíp sang tính träng chiều dài, chiều rộng, đðc điểm bíp, vĆi độ chớnh xỏc rỗt cao Phỵng phỏp ỏnh giỏ cỗu trỳc bụng lỳa vi cụng cý P-TRAP ỵc Al-Tam & cs (2013) phát triển Crowell & cs (2014) hoàn thiện độ xác cơng bố tồn chu trình trích xuỗt d liu t cỗu trỳc bụng bỡng ngụn ng python đðt tên PANorama Crowell & cs (2016) kết hp phỵng phỏp PANorama ỏnh giỏ 49 kiu hỡnh bụng lúa tÿ 242 nguồn vêt liệu lúa nhiệt đĆi phỵng phỏp phõn tớch liờn kt ton h gen (GWAS) giõi mó cỏc gen quy nh cỗu trỳc bụng Tuy nhiờn yờu cổu cỷa phỵng phỏp cổn phõn tỏch riờng r cỗu trỳc bụng, c nh bụng, trỏnh chng xp để giâm sai số chuyển đổi hình ânh 5.5 Dự đốn diện tích, suất qua ânh chụp từ flycam D oỏn din tớch, nởng suỗt lỳa qua õnh ỵc tin hnh trờn mụ hỡnh bõn Vit Nam xây dăng tÿ lúa giâng viên môn Di truyền Chọn giống trồng sinh viên Câu läc Chọn giống trồng thuộc Khoa Nông học, Học viện Nông nghiệp Việt Nam thăc vý xuân nëm 2020 (Hình 5) Giống lúa sā dýng mụ hỡnh l ging lỳa thuổn chỗt lỵng cao ĐH12 Træn Vën Quang cộng să chọn täo nh ỵc chýp t flycam, vi logo Hc vin Nụng nghip Vit Nam l thỵc o cho hỡnh õnh cũ ỵng kớnh 110cm Cỏc bỵc tin hnh x lý õnh bìng phỉn mềm ImageJ bao gồm tách phỉn ânh cỉn dă đoán (Image segmentation), chuyển sang đðnh däng 8bit, täo Binary (Make Binary) t thỵc cho hỡnh õnh (Set measurement scale) phân tích thành phỉn (Analyze Particles) (Hình 5) Tin hnh lỗy mộu 1m2 ging lỳa H12 cho nởng suỗt 0,7kg Kt quõ d oỏn cho thỗy din tớch khu văc bân đồ Việt Nam bao gồm hai quæn õo Hong Sa, Trỵng Sa, õo Phỳ Quc v ch H12 cũ tng l 150,77m2 Nởng suỗt d kin thu hoọch 105,54kg nởng suỗt thc thu l 92,5kg Phỵng phỏp n giõn, hiu quõ, 107 Tng quan phng pháp đánh giá kiểu hình hiệu cao trồng: Tiến trình phát triển tiềm ứng dụng cho Vit Nam cũ chớnh xỏc rỗt cao giỳp cỏc nh khoa hc nh lỵng chớnh xỏc din tớch v nởng suỗt cõy trng khụng chợ trờn lỳa m cịn áp dýng lội trồng khác 5.6 Chi phí xây dựng vận hành hệ thng HTP Nghiờn cu v chi phớ ổu tỵ v vên hành hệ thống HTP nhà kính ngoi ng rung bỵc ổu ó ỵc Reynolds & cs (2019) nghiên cĀu, nhóm tác giâ tổng hĉp täi bâng CĈ méu giâ đðnh 1.700 thí nghiệm/cây (284 nguồn gen trồng × thí nghiệm × lổn nhớc lọi) ỵc tin hnh thu thờp d liệu 10 ngày đối vĆi thí nghiệm ngồi đồng ruộng 90 ngày đối vĆi thí nghiệm nhà kính Mỗi nhó thí nghiệm có diện tích 4-10m2 Hệ thống máy kéo tă động, thiết bð bay không ngỵi lỏi v h thng HTP nh kớnh u ỵc trang b cõm bin c bõn nhỵ RGB v LIDAR Chi phí xây dăng nhà kính khu thí nghim ng rung khụng ỵc tớnh d toỏn ny Hai kch bõn ó ỵc ỵa tớnh chi phí gồm kðch bân 1: việc sā dýng thiết b b gii họn bi s lỵng thit b hoc nhân să kðch bân 2: giĆi hän bći nhu cổu phõn tớch cỷa ngỵi dựng hoc doanh nghip tỵ nhồn Thớ nghim nh kớnh ỵc tớnh theo kch bõn Kt quõ cho thỗy cõ hai kch bõn thỡ thỗy tng chi phớ cho mi ụ thớ nghiệm nhó ngồi đồng ruộng hc cho chêu thí nghim nh kớnh l tỵng ỵng Nhỵ vờy, chi phớ cho cỏc phỵng tin mang theo cõm bin chợ chim khoõng 5-26% tng chi phớ ổu tỵ Chi phớ tỵng i ny phý thuc vo bi cõnh, c biệt giá cơng lao động, nhu cỉu cĈ méu, s lỵng kiu hỡnh cổn ỏnh giỏ v thi gian đánh giá Chi phí phân tích dĂ liệu chiếm không 10-20% tng chi phớ nu phỵng phỏp phồn tớch ó ỵc phỏt trin Cỏc thit b ỏnh giỏ kiu hỡnh cỉm tay giá rẻ thích hĉp cho phép đo đếm tính träng trồng nhanh chóng khơng cú tớnh thỵng xuyờn, liờn týc Trong cỏc thớ nghim phân tích di truyền hoðc đánh giá đðc điểm nụng hc, cỏc chi phớ chớnh thỵng phỏt sinh t việc quân lý trồng nhân lăc vên hành h thng Nhỡn chung, nu ổu tỵ ban ổu vo cỏc cõm bin, phỵng tin v phỏt trin phỵng phỏp phồn tớch, trớch xuỗt d liu thỡ s thu ỵc chỗt lỵng kiu hỡnh cao hn vi chi phớ vờn hnh thỗp hn Nhỵ vờy, họn ch ln nhỗt xây dăng hệ thống HTP täi Việt Nam l kinh phớ ổu tỵ h thng, thiu nhõn lc liên ngành vĆi chuyên môn tay nghề cao để phån tớch c s d liu hỡnh õnh thu thờp ỵc tÿ hệ thống HTP Hình Các bước xử lý hình ânh phân tách khu vực trồng lúa cần dự đoán 108 Nguyễn Trung Đức, Phạm Quang Tuân, Nguyễn Thị Nguyệt Anh, Nguyễn Văn Mười, Phùng Danh Huân, Vũ Hải, Trần Văn Quang, Vũ Thị Xuân Bình, Vũ Văn Liết Bâng Chi phí xây dựng vận hành hệ thống HTP quy mô nhà lưới đồng ruộng Đơn vị: 1000 USD Các hệ thống HTP Cỡ mẫu thời gian đo đếm Thời gian sử dụng thiết bị (năm) Đầu tư hệ thống Vận hành & đào tạo nhân lực Bảo trì hàng năm Chăm sóc thí nghiệm Thu thập hình ảnh (I) (II) Phân tích hình ảnh (III) Phân tích tính trạng (IV) Lưu trữ dự liệu 10 năm (V) Tổng (I + II + III + IV + V) Chiếm % đầu tư Thí nghiệm đánh giá ngồi đồng ruộng tính theo kịch 1: Giới hạn sẵn có thiết bị nhân Máy kéo tự động Thiết bị cầm tay Máy bay không người lái (UAV) 1.700 ô thí nghiệm nhỏ 10 ngày 20 430,0 19,6 15,0 68,0 17,4 3,5 5,3 1,5 95,7 18,2 15 50,0 15,6 3,0 68,0 16,7 5,3 7,1 0,7 97,8 17,1 10,0 24,5 2,0 68,0 4,9 7,1 10,6 0,2 90,8 5,4 5,3 1,5 106,7 26,6 Thí nghiệm đánh giá ngồi đồng ruộng tính theo kịch 2: Giới hạn nhu cầu người dùng Máy kéo tự động Thiết bị cầm tay Máy bay khơng người lái (UAV) 1.700 thí nghiệm nhỏ 10 ngày 20 430,0 12,9 15,0 68,0 28,4 3,5 15 50,0 15,6 3,0 68,0 16,7 5,3 7,1 0,7 97,8 17,1 10,0 17,0 2,0 68,0 16,6 7,1 10,6 0,2 102,5 16,2 71,2 9,0 1,8 10,6 2,6 95,2 9,5 Thí nghiệm nhà kính tính theo kịch 1: Giới hạn sẵn có thiết bị nhân Hệ thống HTP nhà kính 1.700 90 ngày 15 1000,0 103,6 15,0 109 Tổng quan phương pháp đánh giá kiểu hình hiệu cao trồng: Tiến trình phát triển tiềm ứng dụng cho Việt Nam KẾT LUẬN Việc đánh giá kiểu hình vén tâng cûa trình chọn giống trồng NhĂng tiến cơng nghệ hình ânh, câm biến khoa học máy tính thúc ốy s phỏt trin cỷa cỏc phỵng phỏp HTP S khỏc bit ln cỷa phỵng phỏp HTP l cú th đánh giá kiểu hình trồng theo thąi gian, nhiều chiu v rỗt a dọng bao gm r, thõn, lỏ, họt, cỗu trỳc bụng, bớp cựng nhiu tớnh trọng hỡnh hc khỏc m phỵng phỏp truyn thng khụng th lm ỵc Mc dự cú rỗt nhiu ỵu im, nhỵng d liu tọo t cỏc phỵng phỏp HTP ngy cng lĆn mang đến toán dĂ liệu lĆn Để giâi toán dĂ liệu lĆn xā lý dĂ liệu HTP, việc xây dăng hệ sinh thỏi tớnh toỏn tiờn tin ỵc h tr bi cỏc cụng cý hc mỏy, hc sõu cho phộp lỵu tr đồng thąi xā lý phân tích dĂ liệu yu t then cht ỵa cỏc suy luờn có ý nghïa tÿ têp dĂ liệu HTP đa chiu Vi nhng trin vng t phỵng phỏp ỏnh giỏ kiểu hình hiệu nëng cao cåy trồng HTP, Việt Nam hồn tồn áp dýng thành tu hin tọi t phỵng phỏp ny vic ỏnh giỏ kiu hỡnh qua tỗt cõ cỏc giai oọn phỏt triển cûa trồng Trong thêp niên tĆi, để phát trin phỵng phỏp mt cỏch h thng cổn cú s kết hĉp nghiên cĀu liên ngành bao gồm sinh lý thăc vêt, chọn giống trồng, công nghệ sinh học, ngành cơng nghệ thơng tin, khoa học máy tính, xā lý ânh, viễn thám, thống kê, tin sinh học Cùng vĆi đị, cỉn sĆm xây dăng cĄ sć dĂ liệu lĆn, đðt tên VNAgribigdata khơng chỵ phýc vý cho vic thu thờp, lỵu tr, phõn tớch, x lý dĂ liệu HTP mà cịn kết hĉp vĆi thơng tin gen trồng để chuyển träng thái chọn lọc trồng sang thiết kế trồng theo tÿng vựng sinh thỏi tỵng lai LI CM N Nghiờn cĀu nìm Đề tài khoa học cơng ngh trng im cỗp Hc vin 2021: Nghiờn cu m đỉu đánh giá kiểu hình qua ânh, xây dăng dĂ liệu lĆn Āng dýng chọn giống trồng” mã số: T2021-41-15TĐ 110 Nhóm tác giâ trân trọng câm Ąn Học viện Nông nghiệp Việt Nam tài trĉ kinh phí thăc nghiên cĀu Nhóm tác giâ cüng trån trọng câm Ąn hai chuyên gia phân biện độc lêp Ban biên têp cò nhĂng gòp ċ vơ quċ báu để hồn thiện nghiên cĀu tổng quan TÀI LIỆU THAM KHẢO Al-Tam F., Adam H., Anjos A.d., Lorieux M., Larmande P., Ghesquière A., Jouannic S & Shahbazkia H R (2013) P-TRAP: a Panicle Trait Phenotyping tool BMC Plant Biology 13(1): 122 Araus J.L & Cairns J.E (2014) Field high-throughput phenotyping: the new crop breeding frontier Trends in Plant Science 19(1): 52-61 Araus J.L., Kefauver S.C., Zaman-Allah M., Olsen M.S & Cairns J.E (2018) Translating highthroughput phenotyping into genetic gain Trends in Plant Science 23(5): 451-466 Behjati S & Tarpey P.S (2013) What is next generation sequencing? Archives of Disease in Childhood: Education & Practice 98(6): 236-238 Beres B.L., Hatfield J.L., Kirkegaard J.A., Eigenbrode S.D., Pan W.L., Lollato R.P., Hunt J.R., Strydhorst S., Porker K., Lyon D., Ransom J & Wiersma J (2020) Toward a Better Understanding of Genotype × Environment × Management Interactions - A Global Wheat Initiative Agronomic Research Strategy Frontiers in Plant Science 11(828) Burton A.L., Williams M., Lynch J.P & Brown K.M (2012) RootScan: Software for high-throughput analysis of root anatomical traits Plant and soil 357(1): 189-203 Carroll A.A., Clarke J., Fahlgren N., Gehan M.A., Lawrence-Dill C.J & Lorence A (2019) NAPPN: Who We Are, Where We Are Going, and Why You Should Join Us! The Plant Phenome Journal 2(1) Cobb J.N., Declerck G., Greenberg A., Clark R & Mccouch S (2013) Next-generation phenotyping: requirements and strategies for enhancing our understanding of genotype–phenotype relationships and its relevance to crop improvement Theoretical and Applied Genetics 126(4): 867-887 Crowell S., Falcão A.X., Shah A., Wilson Z., Greenberg A.J & Mccouch S.R (2014) HighResolution Inflorescence Phenotyping Using a Novel Image-Analysis Pipeline, PANorama Plant Physiology 165(2): 479-495 Nguyễn Trung Đức, Phạm Quang Tuân, Nguyễn Thị Nguyệt Anh, Nguyễn Văn Mười, Phùng Danh Huân, Vũ Hải, Trần Văn Quang, Vũ Thị Xuân Bình, Vũ Văn Liết Crowell S., Korniliev P., Falcão A., Ismail A., Gregorio G., Mezey J & Mccouch S (2016) Genome-wide association and high-resolution phenotyping link Oryza sativa panicle traits to numerous traitspecific QTL clusters Nature Communications 7(1): 10527 Danilevicz M.F., Bayer P.E., Nestor B.J., Bennamoun M & Edwards D (2021) Resources for imagebased high-throughput phenotyping in crops and data sharing challenges Plant Physiology 10.1093/plphys/kiab301 Deery D.M., Rebetzke G.J., Jimenez-Berni J.A., James R.A., Condon A.G., Bovill W.D., Hutchinson P., Scarrow J., Davy R & Furbank R.T (2016) Methodology for High-Throughput Field Phenotyping of Canopy Temperature Using Airborne Thermography Frontiers in Plant Science 7(1808) Enders T.A., St Dennis S., Oakland J., Callen S.T., Gehan M.A., Miller N.D., Spalding E.P., Springer N.M & Hirsch C.D (2019) Classifying coldstress responses of inbred maize seedlings using RGB imaging Plant Direct 3(1): e00104 Falk K.G., Jubery T.Z., Mirnezami S.V., Parmley K.A., Sarkar S., Singh A., Ganapathysubramanian B & Singh A K (2020a) Computer vision and machine learning enabled soybean root phenotyping pipeline Plant Methods 16(1): Falk K.G., Jubery T.Z., O’rourke J.A., Singh A., Sarkar S., Ganapathysubramanian B & Singh A.K (2020b) Soybean Root System Architecture Trait Study through Genotypic, Phenotypic, and ShapeBased Clusters Plant Phenomics 2020: 1925495 Fiorani F & Schurr U (2013) Future Scenarios for Plant Phenotyping Annual Review of Plant Biology 64(1): 267-291 Furbank R.T & Tester M (2011) Phenomics – technologies to relieve the phenotyping bottleneck Trends in Plant Science 16(12): 635-644 Gehan M.A., Fahlgren N., Abbasi A., Berry J.C., Callen S.T., Chavez L., Doust A.N., Feldman M.J., Gilbert K.B., Hodge J.G., Hoyer J.S., Lin A., Liu S., Lizárraga C., Lorence A., Miller M., Platon E., Tessman M & Sax T (2017) PlantCV v2: Image analysis software for high-throughput plant phenotyping Peer J 5: e4088 Hartmann A., Czauderna T., Hoffmann R., Stein N & Schreiber F (2011) HTPheno: An image analysis pipeline for high-throughput plant phenotyping BMC Bioinformatics 12(1): 148 Hickey L.T., Hafeez N.A., Robinson H., Jackson S.A., Leal-Bertioli S.C.M., Tester M., Gao C., Godwin I.D., Hayes B.J & Wulff B.B.H (2019) Breeding crops to feed 10 billion Nature Biotechnology 37(7): 744-754 Johannsen W (1911) The genotype conception of heredity International Journal of Epidemiology 43(4): 989-1000 Klukas C., Chen D & Pape J.M (2014) Integrated Analysis Platform: An Open-Source Information System for High-Throughput Plant Phenotyping Plant Physiol 165(2): 506-518 Knecht A.C., Campbell M.T., Caprez A., Swanson D.R & Walia H (2016) Image Harvest: an opensource platform for high-throughput plant image processing and analysis Journal of Experimental Botany 67(11): 3587-3599 Lobet G., Pagès L & Draye X (2011) A Novel ImageAnalysis Toolbox Enabling Quantitative Analysis of Root System Architecture Plant Physiology 157(1): 29-39 Lynch J.P (2019) Root phenotypes for improved nutrient capture: an underexploited opportunity for global agriculture New Phytologist 223(2): 548-564 Makanza R., Zaman-Allah M., Cairns J E., Eyre J., Burgueño J., Pacheco Á., Diepenbrock C., Magorokosho C., Tarekegne A., Olsen M & Prasanna B M (2018) High-throughput method for ear phenotyping and kernel weight estimation in maize using ear digital imaging Plant Methods 14(1): 49 Miller N.D., Haase N J., Lee J., Kaeppler S.M., De Leon N & Spalding E.P (2017) A robust, highthroughput method for computing maize ear, cob, and kernel attributes automatically from images The Plant Journal 89(1): 169-178 Nguyen T.D (2020) High-throughput phenotyping of rice genotypes for nitrogen use efficiency ICARIndian Agricultural Research Institute, New Delhi Master Thesis: T-10424 Pautasso M (2013) Ten simple rules for writing a literature review PLOS Computational Biology 9(7): e1003149 Pound M.P., French A.P., Murchie E.H & Pridmore T.P (2014) Automated Recovery of ThreeDimensional Models of Plant Shoots from Multiple Color Images Plant Physiology 166(4): 1688-1698 Reynolds D., Baret F., Welcker C., Bostrom A., Ball J., Cellini F., Lorence A., Chawade A., Khafif M., Noshita K., Mueller-Linow M., Zhou J & Tardieu F (2019) What is cost-efficient phenotyping? Optimizing costs for different scenarios Plant Science 282: 14-22 Rosero A., Granda L., Pérez J.L., Rosero D., BurgosPaz W., Martínez R., Morelo J., Pastrana I., Burbano E & Morales A (2019) Morphometric and colourimetric tools to dissect morphological diversity: an application in sweet potato [Ipomoea batatas (L.) Lam.] Genetic Resources and Crop Evolution 66(6): 1257-1278 111 Tổng quan phương pháp đánh giá kiểu hình hiệu cao trồng: Tiến trình phát triển tiềm ứng dụng cho Việt Nam Schork N.J (1997) Genetics of Complex Disease American Journal of Respiratory and Critical Care Medicine 156(4): S103-S109 Seethepalli A., Guo H., Liu X., Griffiths M., Almtarfi H., Li Z., Liu S., Zare A., Fritschi F B., Blancaflor E.B., Ma X.F & York L.M (2020) RhizoVision Crown: An Integrated Hardware and Software Platform for Root Crown Phenotyping Plant Phenomics p 3074916 Shi Y., Thomasson J.A., Murray S.C., Pugh N.A., Rooney W.L., Shafian S., Rajan N., Rouze G., Morgan C.L.S., Neely H.L., Rana A., Bagavathiannan M.V., Henrickson J., Bowden E., Valasek J., Olsenholler J., Bishop M P., Sheridan R., Putman E.B., Popescu S., Burks T., Cope D., Ibrahim A., Mccutchen B.F., Baltensperger D.D., Avant R.V., Jr., Vidrine M & Yang C (2016) Unmanned Aerial Vehicles for High-Throughput Phenotyping and Agronomic Research PLOS ONE 11(7): e0159781 Tanabata T., Shibaya T., Hori K., Ebana K & Yano M (2012) SmartGrain: High-Throughput Phenotyping Software for Measuring Seed Shape through Image Analysis Plant Physiology 160(4): 1871-1880 Tanger P., Klassen S., Mojica J.P., Lovell J.T., Moyers B.T., Baraoidan M., Naredo M.E.B., Mcnally K.L., Poland J., Bush D.R., Leung H., Leach J.E & Mckay J.K (2017) Field-based high throughput phenotyping rapidly identifies genomic regions controlling yield components in rice Scientific Reports 7: 42839 Tardieu F., Cabrera-Bosquet L., Pridmore T & Bennett M (2017) Plant Phenomics, From Sensors to Knowledge Current Biology 27(15): R770-R783 Tuberosa R (2012) Phenotyping for drought tolerance of crops in the genomics era Frontiers in Physiology 3(347) 112 Vadez V., Kholová J., Hummel G., Zhokhavets U., Gupta S.K & Hash C.T (2015) LeasyScan: a novel concept combining 3D imaging and lysimetry for high-throughput phenotyping of traits controlling plant water budget Journal of Experimental Botany 66(18): 5581-5593 Varshney R.K., Bohra A., Roorkiwal M., Barmukh R., Cowling W.A., Chitikineni A., Lam H.M., Hickey L.T., Croser J.S., Bayer P.E., Edwards D., Crossa J., Weckwerth W., Millar H., Kumar A., Bevan M.W & Siddique K.H.M (2021) Fast-forward breeding for a food-secure world Trends in Genetics https://doi.org/10.1016/j.tig.2021.08.002 Walter A., Liebisch F & Hund A (2015) Plant phenotyping: from bean weighing to image analysis Plant Methods 11(1): 14 Whan A.P., Smith A.B., Cavanagh C.R., Ral J.P.F., Shaw L.M., Howitt C.A & Bischof L (2014) GrainScan: a low cost, fast method for grain size and colour measurements Plant Methods 10(1): 23 Yang W., Feng H., Zhang X., Zhang J., Doonan J.H., Batchelor W.D., Xiong L & Yan J (2020) Crop Phenomics and High-Throughput Phenotyping: Past Decades, Current Challenges, and Future Perspectives Molecular Plant 13(2): 187-214 Yang W., Guo Z., Huang C., Duan L., Chen G., Jiang N., Fang W., Feng H., Xie W., Lian X., Wang G., Luo Q., Zhang Q., Liu Q & Xiong L (2014) Combining high-throughput phenotyping and genome-wide association studies to reveal natural genetic variation in rice Nature Communications 5: 5087 Zhao C., Zhang Y., Du J., Guo X., Wen W., Gu S., Wang J & Fan J (2019) Crop Phenomics: Current Status and Perspectives Frontiers in Plant Science 10(714)  ... 15,0 109 Tổng quan phương pháp đánh giá kiểu hình hiệu cao trồng: Tiến trình phát triển tiềm ứng dụng cho Việt Nam KẾT LUẬN Việc đánh giá kiểu hình vén tâng cûa trình chọn giống trồng NhĂng tiến. .. Tng quan phương pháp đánh giá kiểu hình hiệu cao trồng: Tiến trình phát triển tiềm ng dng cho Vit Nam Nhúm 1: HTP cung cỗp phép đo hiệu quâ khách quan tính träng trồng Hệ thống HTP đánh giá kiểu. .. 101 Tổng quan phương pháp đánh giá kiểu hình hiệu cao trồng: Tiến trình phát triển tiềm ứng dụng cho Việt Nam nëng chọn giống trồng (Deery & cs., 2016) Công nghệ HTP lên thêp kČ qua nhą nhĂng tiến