在水稻育種過程中，小區的單位面積穗數是產量構成四要素之一，在遺傳增益、產量形成等方面起著非常重要的作用，傳統單位面積穗數需要人工抽樣調查，不僅費時費力，還存在主觀誤差。因此，準確高效量化單位面積穗數對培育高產水稻品種至關重要。以往的研究基于貼近冠層的固定觀測平臺或無人機平臺，通過這些方法得到冠層圖像效率低，且圖像處理流程復雜，還需要人工進行圖像裁剪和標注。

2024年10月，Plant Phenomics在線發表了浙江大學題為Phenotyping of Panicle Number and Shape in Rice Breeding Materials Based on Unmanned Aerial Vehicle Imagery的研究論文。

本研究旨在開發一種基于無人機圖像的全自動化、高通量的田塊分割和稻穗計數方法，同時對不同稻穗進行彎曲度分類，為育種學家提供數字化的稻穗表型信息。首先，本研究于15m高度拍攝水稻冠層圖像，圖像拼接后使用基于Mask R-CNN的田塊邊界自動識別算法Plot-Seg將大田圖像分割成小區尺度的子圖，并根據齊穗-成熟時間將其分為3個生長階段，而后根據集成多路徑Transformer的稻穗識別網絡Panicle-ViT準確檢測單位面積稻穗數目。此外，使用Res2Net50模型對 0°、15°、45° 和 90° 四種角度的稻穗進行了分類。

結果表明，Plot-Seg的性能與人工分割接近，在全數據集上，Panicle-ViT的識別表現優于傳統Mask R-CNN，AP50提高了3.5% 至20.5%，稻穗計數也取得了優異的性能，R2為0.73，RMSE為28.3，整體穗型分類準確率達到94.8%。研究工作實現了從小區分割到單位面積穗數預測的全流程自動化分析，為加速水稻育種材料的篩選提供關鍵技術支撐。

圖1小區田塊分割流程圖

圖2 Panicle-ViT架構圖

圖3 小區穗數預測大田分布圖

浙江大學生物系統工程與食品科學學院博士研究生陸旭琦為該論文第一作者，岑海燕教授為該論文通訊作者。浙江大學教授舒慶堯、博士后謝嘉揚、博士生沈煜韜、楊鑫，中國水稻研究所副研究員陳松等參與了研究工作。研究得到國家重點研發計劃項目、浙江省重點研發計劃項目以及中央高校基本科研業務費的資助。

論文鏈接：
‍https://doi.org/10.34133/plantphenomics.0265‍

——推薦閱讀——
Characterization and Identification of NPK Stress in Rice Using Terrestrial Hyperspectral Images 
https://doi.org/10.34133/plantphenomics.019‍7‍
Plant Phenomics | 東北農業大學利用近端成像光譜對水稻NPK脅迫進行特征化及鑒別
A High-Throughput Method for Accurate Extraction of Intact Rice Panicle Traits 
https://doi.org/10.34133/plantphenomics.0213
Plant Phenomics | 華中農業大學作物表型團隊開發了一種高效準確測量未經整形的水稻稻穗表型方法

加入作者交流群
掃碼添加小編微信，拉您進入《植物表型組學》作者交流群，群內不定期開展作者分享會、專刊發布會等高質量活動。

添加小編微信，備注姓名+單位+PP，加入作者交流群

About Plant Phenomics
《植物表型組學》（Plant Phenomics）是由南京農業大學創辦的英文學術期刊，于2019年1月正式上線發行。采用開放獲取形式，刊載植物表型組學交叉學科熱點領域具有突破性科研進展的原創性研究論文、綜述、數據集和觀點。具體范圍涵蓋高通量表型分析的最新技術，基于圖像分析和機器學習的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農業實踐中的表型組學新應用，與植物表型相結合的分子生物學、植物生理學、統計學、作物模型和其他組學研究，表型組學相關的植物生物學等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數據庫收錄。科睿唯安JCR2022影響因子為7.6，位于農藝學一區（1/125名），植物科學一區（13/265名），遙感一區（6/62名）。2023年中科院期刊分區位于農林科學大類一區。2020年入選中國科技期刊卓越行動計劃高起點新刊項目、2024年入選江蘇科技期刊卓越行動計劃領軍期刊項目。

說明：本文由《植物表型組學》編輯部負責組稿。
中文內容僅供參考，一切內容以英文原版為準。
特邀作者：陸旭琦
編輯排版：王平、李芯蕊（南京農業大學）
審核：尹歡、孔敏