小麦（Triticum aestivum L.）是世界三大粮食作物之一，培育具有理想株型特征的小麦品种是缓解全球粮食危机的重要途径。穗是小麦的生殖器官，直接决定着小麦产量，基于穗部表型性状的小麦理想株型筛选是小麦高产品种培育的重要依据。近些年激光雷达技术的快速发展为小麦穗部表型特征提取提供了理想数据源。然而，小麦植株体积小、冠层同质性强、器官特征差异不明显，难以设计理想的几何特征实现麦穗分割，制约着麦穗表型性状的提取精度与效率。而穗部表型性状高效精准提取方法的缺失进一步限制了麦穗表型性状与小麦产量间关系的探索及其在小麦理想株型筛选中的应用。
为了攻克上述问题，中国科学院植物研究所苏艳军研究组联合南京农业大学金时超副教授团队构建了包含120个品种的田间小麦地基激光雷达数据集，提出了海量麦穗标记数据集构建方法，研发了结合深度学习和几何修正算法的麦穗自动识别与分割算法，实现了田间小麦麦穗的自动高效提取。经与实测数据对比，该算法的麦穗识别精度和个体分割精度可分别达到87.17%和84.62%。以小麦麦穗个体分割结果为基础，研究团队进一步提出了麦穗表型性状自动提取算法，实现了穗密度、穗长、穗宽、弯曲度、穗倾角、穗高、穗面积、穗体积等多种麦穗表型参数的高精度估算。此外，研究团队发现除了穗长、穗宽等容易测量的传统麦穗表型性状，本研究所获取的传统难以测量的麦穗表型性状也对小麦产量有着显著影响，并能够用于有效区分小麦品种间的差异。上述研究结果验证了麦穗表型在小麦理想株型筛选中的关键作用，所提出的高通量无损麦穗表型提取方法对于加快小麦育种周期具有巨大的潜力。
上述研究成果于11月18日在线发表于国际学术期刊IEEE Transactions on Geoscience and Remote Sensing。植物所已毕业硕士研究生刘中华为论文第一作者，苏艳军研究员和南京农业大学金时超副教授为论文共同通讯作者，植物所郭自峰研究员、胡天宇副研究员，新疆大学杨秋丽助理教授，石河子大学李召锋高级实验员，南京农业大学姜东教授，香港大学吴锦助理教授等参与了研究。该研究得到了中国科学院战略性先导科技专项、国家自然科学基金等项目资助。
文章链接：
https://ieeexplore.ieee.org/document/10319834/
（植被生态实验室供稿）
基于深度学习与几何校正的麦穗分割算法
