近日,Plant Cell & Environment在线发表了安徽农业大学茶树生物学与资源利用国家重点实验室夏涛课题组的题为“Deep learning and targeted metabolomics‐basedmonitoring of chewing insects in tea plants and screeningdefense compounds”的研究论文。该研究结合深度学习与靶向代谢组学用于监测茶园中茶树冠层水平受咀嚼式害虫为害的损伤程度,并从中筛选出潜在的防御性化合物,随后对可能的防御性化合物合成的相关基因做了功能分析,该研究为有效监测茶树害虫为害程度及筛选绿色防御化合物提供了重要的参考价值和应用前景。 为了有效识别茶树冠层水平的小目标损伤以及实现模型的高性能,课题组首先基于TPH-YOLOv5算法对上千个数据集进行了模型训练,最终构建了一个茶树冠层水平小目标损伤的监测模型,通过将人工标记图像的结果与模型预测的结果进行比较发现该模型在识别茶树冠层水平损伤上是可能的。图1基于TPH-YOLOv5的茶树冠层损伤检测模型的建立 随后,使用该模型对茶园中不同茶树品种的冠层水平损伤程度进行统计和比较,结合靶向代谢组学,利用OPLS对酚类代谢物进行聚类,并分析了损伤程度与代谢物之间的相关性,从中筛选出一种潜在的防御性化合物—EC-CA。