PhenoStream: A Cyberinfrastructure for Automated and AI-Based Crop Trait Extraction from Aerial Imagery

将数字技术整合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制于碎片化的工作流程、人工干预以及现有工具间有限的互操作性，导致处理延迟，阻碍了及时的生物学洞察与决策制定。为应对这些挑战，我们提出了PhenoStream（表型流），一种可扩展的端到端网络基础设施，旨在自动化基于航空影像的表型分析全生命周期，从数据采集到小区及基因型水平推断。该框架在统一且用户友好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、地理空间处理及人工智能驱动的性状提取。其模块化和可扩展架构支持适应性性状建模及新数据源的无缝整合，使其能够部署于多种作物、环境及实验设计之中。我们在一个大型多地点生物能源作物田间试验网络中展示了该系统，实现了时空生长动态的高通量表征、基因型-环境（GxE）互作分析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投入，该平台支持近实时分析和可重复的工作流程。本研究为农业研究中超高空间分辨率航空表型分析的操作化提供了一条通用且可扩展的路径。通过连接数据采集与分析，该端到端网络基础设施为整合异构和非结构化数据流——包括遥感、环境及管理数据——奠定了面向农业数据驱动决策的基础。