核心提示：

中國科學(xué)院植物研究所蘇艷軍研究組聯(lián)合南京農(nóng)業(yè)大學(xué)金時(shí)超團(tuán)隊(duì)，構(gòu)建了包含120個(gè)品種的田間小麥地基激光雷達(dá)數(shù)據(jù)集，提出了海量麥穗標(biāo)記數(shù)據(jù)集構(gòu)建方法，研發(fā)了結(jié)合深度學(xué)習(xí)和幾何修正算法的麥穗自動(dòng)識(shí)別與分割算法，實(shí)現(xiàn)了田間小麥麥穗的自動(dòng)高效提取。

　　小麥（Triticum?aestivum L.）是重要的糧食作物之一。培育具有理想株型特征的小麥品種是緩解糧食危機(jī)的重要途徑之一。穗是小麥的生殖器官，直接決定小麥產(chǎn)量，而基于穗部表型性狀的小麥理想株型篩選是小麥高產(chǎn)品種培育的重要依據(jù)。近些年，激光雷達(dá)技術(shù)的快速發(fā)展為小麥穗部表型特征提取提供了理想數(shù)據(jù)源。然而，小麥植株體積小、冠層同質(zhì)性強(qiáng)、器官特征差異不明顯，難以設(shè)計(jì)理想的幾何特征以實(shí)現(xiàn)麥穗分割，制約著麥穗表型性狀的提取精度與效率。而穗部表型性狀高效精準(zhǔn)提取方法的缺失，進(jìn)一步限制了麥穗表型性狀與小麥產(chǎn)量間關(guān)系的研究及其在小麥理想株型篩選中的應(yīng)用。

　　中國科學(xué)院植物研究所蘇艷軍研究組聯(lián)合南京農(nóng)業(yè)大學(xué)金時(shí)超團(tuán)隊(duì)，構(gòu)建了包含120個(gè)品種的田間小麥地基激光雷達(dá)數(shù)據(jù)集，提出了海量麥穗標(biāo)記數(shù)據(jù)集構(gòu)建方法，研發(fā)了結(jié)合深度學(xué)習(xí)和幾何修正算法的麥穗自動(dòng)識(shí)別與分割算法，實(shí)現(xiàn)了田間小麥麥穗的自動(dòng)高效提取。經(jīng)與實(shí)測(cè)數(shù)據(jù)對(duì)比，該算法的麥穗識(shí)別精度和個(gè)體分割精度可分別達(dá)到87.17%和84.62%。以小麥麥穗個(gè)體分割結(jié)果為基礎(chǔ)，該研究進(jìn)一步提出了麥穗表型性狀自動(dòng)提取算法，實(shí)現(xiàn)了穗密度、穗長、穗寬、彎曲度、穗傾角、穗高、穗面積、穗體積等多種麥穗表型參數(shù)的高精度估算。此外，除了穗長、穗寬等易測(cè)量的傳統(tǒng)麥穗表型性狀，本研究獲取的傳統(tǒng)難以測(cè)量的麥穗表型性狀亦對(duì)小麥產(chǎn)量有顯著影響，并能夠用于有效區(qū)分小麥品種間的差異。上述成果驗(yàn)證了麥穗表型在小麥理想株型篩選中的關(guān)鍵作用。同時(shí)，該團(tuán)隊(duì)提出的高通量無損麥穗表型提取方法，對(duì)于加快小麥育種周期頗具潛力。

　　近日，相關(guān)研究成果在線發(fā)表在IEEE Transactions on Geoscience and Remote Sensing上。研究工作得到中國科學(xué)院戰(zhàn)略性先導(dǎo)科技專項(xiàng)和國家自然科學(xué)基金等的支持。新疆大學(xué)、石河子大學(xué)、南京農(nóng)業(yè)大學(xué)和香港大學(xué)的科研人員參與研究。