丘剛瑋

摘 要：信息化輔助決策是通過引入信息技術(shù)和數(shù)據(jù)分析方法，可加快育種進(jìn)程，提高育種效率，且能更準(zhǔn)確地選擇和改良作物品種。文章從信息化輔助決策在甘蔗品種選育中的應(yīng)用潛力、信息化輔助決策方法的實現(xiàn)及信息化輔助決策應(yīng)用分析等方面介紹了甘蔗品種優(yōu)選及育種策略信息化輔助決策的意義，并提出今后應(yīng)進(jìn)一步改進(jìn)優(yōu)化：（1）完善數(shù)據(jù)集的構(gòu)建與整理工作，提高數(shù)據(jù)的準(zhǔn)確性和可靠性；（2）探索更多先進(jìn)的信息化輔助決策方法，結(jié)合多目標(biāo)優(yōu)化和約束優(yōu)化方法實現(xiàn)個性化的決策支持；（3）研究甘蔗品種的遺傳背景和基因組學(xué)特征，為甘蔗育種提供更深入的理論基礎(chǔ)和技術(shù)支持；（4）加強與農(nóng)業(yè)其他領(lǐng)域的交流合作，將信息化輔助決策方法應(yīng)用于實際甘蔗育種場景，進(jìn)一步提升甘蔗育種的效率。

關(guān)鍵詞：甘蔗；品種優(yōu)選；育種策略；信息化輔助決策

中圖分類號：S126? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)志碼：A 文章編號：2095-820X（2023）04-0024-06

0 引言

甘蔗（Saccharum officinarum L.）是一種重要的經(jīng)濟作物，廣泛種植于亞熱帶和熱帶地區(qū)，是世界上重要的糖料作物之一［1，2］。甘蔗具有產(chǎn)量高、糖含量高及適應(yīng)性廣的特點，對促進(jìn)農(nóng)民增收、推動農(nóng)業(yè)發(fā)展及緩減全球能源壓力具有重要意義［2］。然而，甘蔗品種的優(yōu)選和育種策略面臨著許多挑戰(zhàn)，包括：（1）甘蔗遺傳背景復(fù)雜，基因組巨大，導(dǎo)致傳統(tǒng)的育種方法效率較低；（2）甘蔗的生長環(huán)境和生理特性對品種選擇和育種策略提出了更高要求；（3）市場對甘蔗品質(zhì)和產(chǎn)量的要求不斷提高，需要更加優(yōu)良的品種以滿足市場需求。甘蔗品種優(yōu)選和育種策略的目標(biāo)是通過選擇及挖掘優(yōu)良的遺傳資源，培育出產(chǎn)量高、抗病蟲害、適應(yīng)性強的優(yōu)良品種［3］，但傳統(tǒng)的選育方法存在耗時費力且成本高等問題［4，5］，因此亟待探索出一種高效、準(zhǔn)確的信息化輔助決策方法以提高甘蔗育種效率及品種選育的準(zhǔn)確性。信息化輔助決策在甘蔗育種中的應(yīng)用可借助現(xiàn)代信息技術(shù)，如數(shù)據(jù)挖掘、機器學(xué)習(xí)和人工智能等，對大量的甘蔗遺傳數(shù)據(jù)進(jìn)行處理分析，輔助決策者制定更加科學(xué)、準(zhǔn)確的品種選擇和育種策略，提高甘蔗育種效率，縮短新品種（系）培育周期及降低育種成本。信息化輔助決策在農(nóng)業(yè)領(lǐng)域已取得一系列重要的應(yīng)用成果，如在作物品種選育、病蟲害防控和土壤肥力管理等方面［6，7］，但信息化輔助決策在甘蔗育種領(lǐng)域中的應(yīng)用相對較薄弱。為此，本文通過引入信息技術(shù)和數(shù)據(jù)分析方法，結(jié)合甘蔗的遺傳背景及生長環(huán)境特點，構(gòu)建針對甘蔗品種選育的信息化輔助決策系統(tǒng)，探索甘蔗品種優(yōu)選和育種策略的信息化輔助決策方法，為甘蔗育種領(lǐng)域的科學(xué)研究和實際生產(chǎn)提供指導(dǎo)，推動甘蔗品種改良及蔗糖產(chǎn)業(yè)的可持續(xù)發(fā)展。

1 信息化輔助決策在甘蔗品種選育中的應(yīng)用潛力

傳統(tǒng)的甘蔗品種優(yōu)選和育種策略主要依賴于人工經(jīng)驗和實地觀察。決策者通過選擇具有優(yōu)良性狀的親本進(jìn)行雜交，然后通過對后代的觀察和篩選以獲得優(yōu)良品種，但這種方法存在耗時、費力、成本高及主觀性較強等弊端，且甘蔗的遺傳背景復(fù)雜、基因組巨大，致使其育種效率較低。隨著信息技術(shù)的快速發(fā)展，農(nóng)業(yè)領(lǐng)域也開始廣泛應(yīng)用信息化技術(shù)以提高生產(chǎn)效率和決策準(zhǔn)確性，如利用遙感技術(shù)獲取農(nóng)田的生長情況及土壤水分狀況，利用物聯(lián)網(wǎng)技術(shù)實時監(jiān)測農(nóng)作物的生長環(huán)境等［8］。

信息化輔助決策通過引入信息技術(shù)和數(shù)據(jù)分析方法，可加快育種進(jìn)程，提高育種效率，且能更準(zhǔn)確地選擇和改良作物品種，目前已在作物育種領(lǐng)域取得良好的應(yīng)用效果［6］。在水稻育種方面，利用基因組學(xué)與生物信息學(xué)方法結(jié)合大規(guī)模的遺傳數(shù)據(jù)及表型數(shù)據(jù)，可快速篩選出具有抗病蟲害、產(chǎn)量高和適應(yīng)性強的優(yōu)良品種。此外，在玉米、小麥等作物育種過程中也有類似的研究與應(yīng)用，并逐漸覆蓋到蔬菜、花卉和果樹育種等領(lǐng)域，表明信息化輔助決策在作物育種中具有巨大的應(yīng)用潛力［6，9］。由此可見，甘蔗品種優(yōu)選及育種策略的信息化輔助決策將是今后甘蔗育種研究的熱點，在借鑒其他作物育種領(lǐng)域的成功經(jīng)驗與方法，結(jié)合甘蔗的遺傳背景和生長環(huán)境特點，開發(fā)出適用于甘蔗育種信息化輔助決策的方法，提高甘蔗育種效率和品種選育準(zhǔn)確性，進(jìn)而推動蔗糖產(chǎn)業(yè)的可持續(xù)發(fā)展。

2 信息化輔助決策方法的實現(xiàn)

2.1 數(shù)據(jù)采集與處理

信息化輔助決策的第一步是數(shù)據(jù)采集和處理（圖1）。在甘蔗育種中，數(shù)據(jù)采集涉及到多個方面，包括遺傳數(shù)據(jù)、表型數(shù)據(jù)和生長環(huán)境數(shù)據(jù)等，而這些數(shù)據(jù)可通過現(xiàn)代技術(shù)手段獲取，如基因測序及高通量表型分析等［10］。

2.1.1 遺傳數(shù)據(jù)采集

遺傳數(shù)據(jù)是甘蔗育種中至關(guān)重要的部分，包括甘蔗基因組信息、基因型數(shù)據(jù)和遺傳標(biāo)記數(shù)據(jù)等。其中，基因組信息可通過基因測序技術(shù)獲取，如甘蔗基因組序列、基因位置信息等；基因型數(shù)據(jù)可通過分子標(biāo)記技術(shù)獲取，如單核苷酸多態(tài)性（SNP）分子標(biāo)記、簡單重復(fù)序列（SSR）分子標(biāo)記等；遺傳標(biāo)記數(shù)據(jù)可用于構(gòu)建遺傳圖譜、遺傳連鎖圖和關(guān)聯(lián)分析等。

2.1.2 表型數(shù)據(jù)采集

表型數(shù)據(jù)是指甘蔗的性狀表現(xiàn)，包括產(chǎn)量、糖含量及抗病性等。表型數(shù)據(jù)的采集主要通過田間觀察、實驗室測定和高通量表型分析等方法。其中，田間觀察可直接記錄甘蔗的生長情況、葉片形態(tài)、莖稈高度等；實驗室測定可進(jìn)行甘蔗生化分析，如糖含量測定、抗病性評估等；高通量表型分析是利用先進(jìn)的儀器設(shè)備，自動化測量大量甘蔗樣本的性狀，如高通量酚酸測定、高通量圖像分析等。

2.1.3 生長環(huán)境數(shù)據(jù)采集

生長環(huán)境數(shù)據(jù)是甘蔗生長過程中的環(huán)境因素數(shù)據(jù)，如溫度、濕度、光照及土壤水分等［3］，可通過氣象站、土壤傳感器、遙感技術(shù)等手段進(jìn)行采集。其中，氣象站可記錄甘蔗生長地區(qū)的氣溫、降水量及日照時數(shù)等氣象數(shù)據(jù)；土壤傳感器可實時監(jiān)測土壤水分、土壤溫度和土壤養(yǎng)分等土壤條件；遙感技術(shù)是利用衛(wèi)星圖像獲取廣域范圍的生長環(huán)境數(shù)據(jù)，包括植被指數(shù)和土地利用類型等。

2.1.4 數(shù)據(jù)處理

數(shù)據(jù)采集后，需要進(jìn)行數(shù)據(jù)處理和整理，以便后續(xù)的分析及應(yīng)用。數(shù)據(jù)處理包括數(shù)據(jù)清洗、數(shù)據(jù)標(biāo)準(zhǔn)化和數(shù)據(jù)存儲等步驟。其中，數(shù)據(jù)清洗是為了排除異常值和錯誤數(shù)據(jù)，確保數(shù)據(jù)的準(zhǔn)確性和可靠性；數(shù)據(jù)標(biāo)準(zhǔn)化可將不同來源或格式的數(shù)據(jù)轉(zhuǎn)化為統(tǒng)一格式，方便后續(xù)比較分析；數(shù)據(jù)存儲是利用數(shù)據(jù)庫或云平臺等方式，實現(xiàn)數(shù)據(jù)管理與共享。在數(shù)據(jù)采集和處理過程中，還需要注意數(shù)據(jù)的安全保護(hù)。尤其是甘蔗育種涉及到大量敏感數(shù)據(jù)，如基因組信息和遺傳標(biāo)記數(shù)據(jù)，必須采取相應(yīng)措施以確保數(shù)據(jù)的安全性。

2.2 特征提取與選擇

特征提取與選擇是甘蔗品種優(yōu)選及育種策略信息化輔助決策的重要環(huán)節(jié)，是通過統(tǒng)計分析、機器學(xué)習(xí)和圖像處理等方法進(jìn)行特征提取，再利用統(tǒng)計方法、機器學(xué)習(xí)和領(lǐng)域知識進(jìn)行特征選擇，可提取出最具有代表性和預(yù)測能力的特征［11］，為甘蔗品種優(yōu)選及育種策略的決策提供科學(xué)依據(jù)。

2.2.1 特征提取

特征提取是從原始數(shù)據(jù)中提取出具有代表性和區(qū)分性的特征，以描述甘蔗的性狀和特性。在甘蔗育種中，需要利用統(tǒng)計分析、機器學(xué)習(xí)和圖像處理等方法進(jìn)行特征提?。?2］。首先，統(tǒng)計分析方法可計算甘蔗的平均值、方差、相關(guān)系數(shù)等統(tǒng)計特征，有助于了解甘蔗的平均水平、變異程度及不同特征間的相關(guān)性。其次，機器學(xué)習(xí)方法可通過訓(xùn)練模型來學(xué)習(xí)和提取與目標(biāo)變量相關(guān)的特征。如使用監(jiān)督學(xué)習(xí)算法能將甘蔗的性狀和特性作為輸入變量，將目標(biāo)變量（產(chǎn)量、抗病性等）作為輸出變量，訓(xùn)練模型來模擬學(xué)習(xí)特征與目標(biāo)變量間的關(guān)系。在訓(xùn)練過程中，模型還可以自動選擇和提取與目標(biāo)變量相關(guān)的特征。此外，圖像處理方法可通過對甘蔗圖像進(jìn)行處理分析，提取出與生長狀態(tài)和形態(tài)特征相關(guān)的信息，如測量甘蔗的葉片面積、葉片顏色、葉脈密度等特征，而掌握其生長狀態(tài)和形態(tài)特征。

2.2.2 特征選擇

特征選擇是從提取得到的特征中篩選出最具預(yù)測能力和解釋性的特征，以減少特征的維度和冗余，提高模型的效果和解釋性，其方法包括統(tǒng)計方法、機器學(xué)習(xí)和領(lǐng)域知識等。其中，統(tǒng)計方法包括相關(guān)系數(shù)、方差分析等，可評估特征與目標(biāo)變量間的相關(guān)性和顯著性。機器學(xué)習(xí)是通過特征重要性評估或特征選擇算法篩選出最具預(yù)測能力的特征，如使用決策樹模型或隨機森林模型評估特征的重要性，并根據(jù)重要性排序選擇前幾個重要的特征；也可使用特征選擇算法，如LASSO（Least absolute shrinkage and selection operator）和遞歸特征消除等，通過迭代過程選擇最具預(yù)測能力的特征。此外，領(lǐng)域知識也常用于特征選擇。根據(jù)對甘蔗生長和性狀的理解，可選擇與目標(biāo)變量相關(guān)的特征。

2.3 模型構(gòu)建與優(yōu)化

在甘蔗品種優(yōu)選及育種策略的信息化輔助決策中，模型的構(gòu)建與優(yōu)化是關(guān)鍵。模型構(gòu)建是根據(jù)已有的數(shù)據(jù)和特征，建立數(shù)學(xué)模型以描述甘蔗的性狀和特性與遺傳背景間的關(guān)系，常用模型有線性回歸模型、決策樹模型、支持向量機模型及神經(jīng)網(wǎng)絡(luò)模型等。由于不同模型類型對數(shù)據(jù)的擬合能力和解釋性有所不同，因此需根據(jù)具體問題和數(shù)據(jù)特點選擇適宜的模型類型。以預(yù)測甘蔗產(chǎn)量為目標(biāo)時，可選擇線性回歸模型；若目標(biāo)是分類甘蔗的抗病性，則選擇決策樹或支持向量機模型。在選擇模型類型后，還需要根據(jù)已有的數(shù)據(jù)和特征進(jìn)行模型訓(xùn)練。模型訓(xùn)練的目標(biāo)是通過調(diào)整模型參數(shù)，使其能更好地擬合已有的數(shù)據(jù)，常用的訓(xùn)練方法包括最小二乘法和梯度下降法等。此外，在訓(xùn)練過程中可使用交叉驗證方法評估模型的性能及其最佳參數(shù)組合。

模型優(yōu)化可通過參數(shù)調(diào)整、特征選擇和模型評估等方法來實現(xiàn)。參數(shù)調(diào)整是通過調(diào)整模型參數(shù)，使其能更好地擬合數(shù)據(jù)和預(yù)測目標(biāo)變量，常用方法有網(wǎng)格搜索和交叉驗證。其中，網(wǎng)格搜索是通過遍歷參數(shù)空間中的所有可能組合，而選擇最優(yōu)參數(shù)組合；交叉驗證是將數(shù)據(jù)集劃分為訓(xùn)練集和驗證集，在不同的參數(shù)組合下進(jìn)行多次訓(xùn)練和驗證，選擇具有最佳性能的參數(shù)組合。特征選擇是從已有的特征中篩選出最具預(yù)測能力的特征，以減少特征的維度和冗余，提高模型的效果和解釋性，通常通過統(tǒng)計方法、機器學(xué)習(xí)和領(lǐng)域知識等來實現(xiàn)。模型評估是通過各種評價指標(biāo)來評估模型的性能和穩(wěn)定性，常用評價指標(biāo)包括均方根誤差（RMSE）、準(zhǔn)確率和召回率等。通過評估模型的性能，可有效判斷模型是否具有足夠的預(yù)測能力和泛化能力，并進(jìn)行必要的調(diào)整和改進(jìn)。

2.4 決策支持系統(tǒng)的設(shè)計與實現(xiàn)

甘蔗品種優(yōu)選及育種策略信息化輔助決策支持系統(tǒng)的設(shè)計是為決策者提供科學(xué)、準(zhǔn)確的決策支持，并基于數(shù)據(jù)采集與處理、特征提取與選擇、模型構(gòu)建與優(yōu)化等提供在線決策功能（圖2），該系統(tǒng)的設(shè)計與實現(xiàn)需要考慮以下幾個方面：①數(shù)據(jù)管理和處理。決策支持系統(tǒng)應(yīng)有效管理和處理甘蔗品種相關(guān)數(shù)據(jù)，包括建立數(shù)據(jù)庫用于存儲和組織數(shù)據(jù)，確保數(shù)據(jù)的完整性和一致性。同時，決策支持系統(tǒng)應(yīng)具備數(shù)據(jù)清洗、轉(zhuǎn)換和集成的能力，以確保數(shù)據(jù)的質(zhì)量和可用性。②特征提取與選擇。決策支持系統(tǒng)需要從大量的甘蔗品種數(shù)據(jù)中提取有用的特征，并進(jìn)行特征選擇以減少冗余和噪音，基于統(tǒng)計方法、機器學(xué)習(xí)和領(lǐng)域知識來提取與決策目標(biāo)相關(guān)的關(guān)鍵特征，提高決策的準(zhǔn)確性。③模型構(gòu)建與優(yōu)化。決策支持系統(tǒng)應(yīng)根據(jù)甘蔗品種優(yōu)選及育種策略的需求，選擇適宜的數(shù)學(xué)模型，如線性回歸模型、決策樹模型、支持向量機模型、神經(jīng)網(wǎng)絡(luò)模型等，通過參數(shù)調(diào)整、特征選擇和模型評估等提高模型的預(yù)測能力和泛化能力。④決策支持功能。決策支持系統(tǒng)需要提供多元化的決策支持功能，以滿足決策者的不同需求，包括甘蔗品種的推薦和排序功能等［13］。在基于模型預(yù)測分析的基礎(chǔ)上，為決策者提供所需的信息和建議，并根據(jù)反饋意見進(jìn)行動態(tài)調(diào)整及優(yōu)化。⑤技術(shù)支持和用戶界面。決策支持系統(tǒng)要提供直觀友好的用戶界面，確保用戶能便捷地理解和使用系統(tǒng)功能，提供易于操作和導(dǎo)航的技術(shù)支持，同時要提供幫助文檔、培訓(xùn)材料和技術(shù)支持渠道，以解決用戶在使用過程中遇到的問題和困惑。

決策支持系統(tǒng)的實現(xiàn)需要借助現(xiàn)代信息技術(shù)，如云計算、大數(shù)據(jù)分析和人工智能等。其中，云計算可提供強大的計算和存儲能力，支持系統(tǒng)的擴展和靈活性；大數(shù)據(jù)分析技術(shù)能處理大規(guī)模的甘蔗品種數(shù)據(jù)，提供高效的數(shù)據(jù)管理和分析能力［14］；人工智能則主要用于模型構(gòu)建與優(yōu)化，以及決策支持功能的實現(xiàn)。通過合理的數(shù)據(jù)管理和處理、特征提取與選擇、模型構(gòu)建與優(yōu)化，以及多元化的決策支持功能，可建立一個科學(xué)、準(zhǔn)確的決策支持系統(tǒng)，為甘蔗品種優(yōu)選及育種策略提供有力支持。同時，借助現(xiàn)代信息技術(shù)的應(yīng)用可提高系統(tǒng)性能及用戶體驗感，促進(jìn)決策的科學(xué)化和智能化。

3 信息化輔助決策應(yīng)用分析

3.1 數(shù)據(jù)集的構(gòu)建與整理

在甘蔗品種優(yōu)選及育種策略的信息化輔助決策中，數(shù)據(jù)集的質(zhì)量和完整性直接影響后續(xù)決策的準(zhǔn)確性和可靠性。首先，需要系統(tǒng)收集與甘蔗品種相關(guān)的數(shù)據(jù)，包括甘蔗的生長環(huán)境數(shù)據(jù)、品種特征數(shù)據(jù)和生長過程監(jiān)測數(shù)據(jù)等，而數(shù)據(jù)的來源可通過實地觀測、實驗室測量及傳感器監(jiān)測等途徑。收集到的數(shù)據(jù)盡可能全面和準(zhǔn)確，并覆蓋不同品種和不生長環(huán)境的多樣性。其次，對收集的數(shù)據(jù)進(jìn)行整理和清洗，包括去除重復(fù)數(shù)據(jù)、處理缺失值及處理異常值等；同時需要對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化或歸一化處理，以確保不同特征間的可比性和一致性，為后續(xù)的決策分析打下基礎(chǔ)。

3.2 信息化輔助決策方法的實施與評估

在數(shù)據(jù)集構(gòu)建與整理完成后，可開始實施和評估信息化輔助決策方法，基于機器學(xué)習(xí)、數(shù)據(jù)挖掘和統(tǒng)計分析等技術(shù)提取模式、建立預(yù)測模型，然后通過特征提取和選擇從數(shù)據(jù)集中提取與甘蔗品種優(yōu)選及育種策略相關(guān)的特征，一般通過統(tǒng)計分析、特征工程和領(lǐng)域知識等方式來實現(xiàn)。提取到的特征應(yīng)反映甘蔗品種的生長特性、抗病性及產(chǎn)量等重要信息，并建立預(yù)測模型對甘蔗品種進(jìn)行評估和預(yù)測，常用的預(yù)測模型包括線性回歸模型、決策樹模型、支持向量機模型和神經(jīng)網(wǎng)絡(luò)模型等［15］。這些模型可根據(jù)特征和標(biāo)簽數(shù)據(jù)進(jìn)行訓(xùn)練，并用于預(yù)測甘蔗新品種的性能表現(xiàn)。此外，基于決策樹、規(guī)則推理等方法設(shè)計決策支持規(guī)則，輔助決策者進(jìn)行最優(yōu)品種選擇及育種策略的制定。信息化輔助決策的評估可采用交叉驗證、誤差分析及指標(biāo)評估等方法，評估模型的預(yù)測能力和決策支持的準(zhǔn)確性，并與傳統(tǒng)的決策方法進(jìn)行比較，驗證信息化輔助決策方法的優(yōu)勢和效果。

3.3 信息化輔助決策方法的驗證

在實施和評估信息化輔助決策方法后，需要對評估結(jié)果進(jìn)行驗證，包括對預(yù)測模型性能分析及評估模型的準(zhǔn)確性、穩(wěn)定性和泛化能力，同時對決策支持規(guī)則有效性進(jìn)行評估，判斷其對決策結(jié)果的影響及貢獻(xiàn)。結(jié)果分析還可探討不同特征對甘蔗品種優(yōu)選及育種策略的影響程度，尤其是通過特征重要性分析及相關(guān)分析可確定哪些特征對決策結(jié)果有重要影響，從而進(jìn)一步優(yōu)化決策支持系統(tǒng)的設(shè)計與實現(xiàn)。此外，需要對不同決策的策略效果進(jìn)行比較?；诓煌繕?biāo)函數(shù)和約束條件，設(shè)計并實施不同決策方案，對其效果進(jìn)行評估，有助于決策者了解不同策略的利弊，為甘蔗品種優(yōu)選及育種提供更科學(xué)的決策支持。

4 展望

信息化輔助決策在甘蔗育種中具有廣闊的應(yīng)用前景。首先，信息化輔助決策可提供全面、準(zhǔn)確的數(shù)據(jù)支持，幫助決策者更好地了解甘蔗品種的特性和生長環(huán)境，從而做出更科學(xué)、有效的決策。其次，信息化輔助決策方法是利用大數(shù)據(jù)分析和機器學(xué)習(xí)等技術(shù)挖掘隱藏在數(shù)據(jù)中的模式和規(guī)律，通過建立預(yù)測模型和決策支持規(guī)則可預(yù)測甘蔗品種性能及優(yōu)化育種策略，提供個性化的決策建議。此外，信息化輔助決策可提高決策的效率和準(zhǔn)確性，如通過自動化和智能化的決策支持系統(tǒng)能快速進(jìn)行大規(guī)模的數(shù)據(jù)處理和決策分析，減少人工決策的主觀誤差。

甘蔗品種優(yōu)選及育種策略信息化輔助決策還需從以下幾個方面進(jìn)一步改進(jìn)優(yōu)化：（1）完善數(shù)據(jù)集的構(gòu)建與整理工作。收集更多、更全面的甘蔗品種相關(guān)數(shù)據(jù)，包括不同地區(qū)、不同生長條件下的數(shù)據(jù)，并加強數(shù)據(jù)質(zhì)量控制，提高數(shù)據(jù)的準(zhǔn)確性和可靠性。（2）探索更多先進(jìn)的信息化輔助決策方法。引入深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)等技術(shù)以提高預(yù)測模型的性能及精準(zhǔn)度，同時結(jié)合多目標(biāo)優(yōu)化和約束優(yōu)化方法實現(xiàn)個性化的決策支持。（3）研究甘蔗品種的遺傳背景和基因組學(xué)特征，結(jié)合基因測序和基因表達(dá)數(shù)據(jù)，探索基于基因組學(xué)的信息化輔助育種方法，為甘蔗育種提供更深入的理論基礎(chǔ)和技術(shù)支持。（4）加強與農(nóng)業(yè)其他領(lǐng)域的交流合作，將信息化輔助決策方法應(yīng)用于實際甘蔗育種場景，與農(nóng)業(yè)專家、育種者及決策者密切合作，將研究成果轉(zhuǎn)化為實際生產(chǎn)力，進(jìn)一步提升甘蔗育種的效率。

參考文獻(xiàn)

［1］ 胡水鳳. 轉(zhuǎn)基因技術(shù)在我國現(xiàn)代農(nóng)業(yè)和甘蔗產(chǎn)業(yè)中的應(yīng)用［J］. 廣西糖業(yè)，2022，42（6）：1-4.

［2］ 李楊瑞. 廣西甘蔗生產(chǎn)中的主要問題及幾點建議［J］. 廣西糖業(yè)，2020，40（4）：3-7.

［3］ 唐偉萍，黃欣，陳泳锨. 基于深度學(xué)習(xí)的甘蔗生長監(jiān)測模型設(shè)計［J］. 廣西糖業(yè)，2023，43（3）：14-19.

［4］ 楊榮仲，周會，唐仕云，等. 廣西甘蔗育種思考［J］. 中國糖料，2021，43（3）：18-27.

［5］ 付瑜華，盧加舉，李向勇. 甘蔗主要病害抗病遺傳育種研究進(jìn)展［J］. 生物技術(shù)通報，2014（2）：1-6.

［6］ 劉忠強. 作物育種輔助決策關(guān)鍵技術(shù)研究與應(yīng)用［D］.北京：中國農(nóng)業(yè)大學(xué)，2016.

［7］ 孫建龍. 信息技術(shù)在農(nóng)機技術(shù)推廣中的應(yīng)用探究［J］. 山東農(nóng)機化，2023（5）：40-42.

［8］ 黃欣，趙志剛，萬榮澤. 面向精細(xì)農(nóng)業(yè)的無線傳感器網(wǎng)絡(luò)關(guān)鍵技術(shù)研究［J］. 農(nóng)機化研究，2017，39（11）：208-211.

［9］ 秦丹丹，董靜，許甫超，等. 分子育種時代的作物種質(zhì)資源創(chuàng)新與利用［J］. 大麥與谷類科學(xué)，2016，33（3）：1-4.

［10］ 董春水，才卓. 高通量數(shù)據(jù)采集技術(shù)在現(xiàn)代玉米育種中的應(yīng)用［J］. 玉米科學(xué)，2014，22（1）：1-6.

［11］ 劉忠強，趙向宇，王開義，等. 基于序相關(guān)的作物育種評價性狀特征選擇方法［J］. 農(nóng)業(yè)機械學(xué)報，2015，46（S1）：283-289.

［12］ 楊萬能. 水稻產(chǎn)量相關(guān)性狀參數(shù)自動提取的數(shù)字化技術(shù)研究［D］. 武漢：華中科技大學(xué)，2011.

［13］ 黃震華，張佳雯，田春岐，等. 基于排序?qū)W習(xí)的推薦算法研究綜述［J］. 軟件學(xué)報，2016，27（3）：691-713.

［14］ 樊龍江，王衛(wèi)娣，王斌，等. 作物育種相關(guān)數(shù)據(jù)及大數(shù)據(jù)技術(shù)育種利用［J］. 浙江大學(xué)學(xué)報（農(nóng)業(yè)與生命科學(xué)版），2016，42（1）：30-39.

［15］ 池濤，曹廣溥，李丙春，等. 基于高光譜數(shù)據(jù)和SVM方法的土壤鹽漬度反演［J］. 山東農(nóng)業(yè)大學(xué)學(xué)報（自然科學(xué)版），2018，49（4）：585-590.

（責(zé)任編輯 蘭宗寶）