低成本显微镜与AI结合，助力农田土壤健康监测

经典显微镜正在经历一场现代革新。美国德克萨斯大学圣安东尼奥分校（UTSA）的研究人员成功结合了低成本光学显微镜与机器学习技术，开发出一种能够快速、准确检测土壤中真菌数量的新系统。这一创新有望使世界各地的农民和土地管理者更容易获得土壤健康测试，从而优化农业生产并提高可持续性。 真菌在土壤生态系统中的重要作用不可忽视，它们参与了养分循环、水分保持和植物生长等关键过程。了解土壤中真菌的数量和多样性可以帮助农民做出更科学的管理决策，比如选择合适的施肥、灌溉方法以及翻耕方式。然而，当前的土壤检测方法要么依赖昂贵的实验室设备来测量分子组成，要么需要专家通过肉眼观察显微镜图像来识别微生物。这些手段不仅成本高昂，而且难以普及，往往只关注化学成分，忽略了土壤生物多样性的全貌。 UTSA的研究团队由物理学助理教授Alec Graves领导，在本周举行的Goldschmidt国际会议上展示了一种基于机器学习的技术，该技术利用光学显微镜在低倍率下检测土壤样本中的真菌生物量。研究人员首先建立了一个包含数千张土壤中真菌图像的数据集，然后训练神经网络对这些图像进行分析，识别并量化其中的真菌。这套系统能够自动分析拍摄的土壤视频片段，将其分解为静态图像，再通过算法进行处理。 “现有的生物学土壤分析方法存在一定局限性，”Graves教授说道，“例如，需要昂贵的实验室设备或依靠专家手动识别微生物。我们的技术通过低成本的解决方案，减少了所需的人力和技术门槛，同时能提供更全面的土壤生物信息。” 团队计划进一步整合这项技术，开发出一个集样本采集、显微摄影及分析于一体的移动机器人平台。预计在未来两年内，这款自动化设备将完成开发并投入测试，从而实现真正的现场土壤健康监测。 业内人士认为，这一技术的应用前景广阔，不仅可以大幅降低土壤检测的成本，还能为农业实践提供更加丰富的数据支持。UTSA作为一所具有较强科研实力的高校，该研究项目的成功也体现了其在农业科技领域的领先地位。 该研究项目由UTSA水研究、可持续性和政策研究所所长Saugata Datta教授指导，相关的机器学习算法将在年内发表于同行评议期刊上。