核心提示：

中國科學院植物研究所蘇豔軍(jun) 研究組聯合南京農(nong) 業(ye) 大學金時超團隊，構建了包含120個(ge) 品種的田間小麥地基激光雷達數據集，提出了海量麥穗標記數據集構建方法，研發了結合深度學習(xi) 和幾何修正算法的麥穗自動識別與(yu) 分割算法，實現了田間小麥麥穗的自動高效提取。

　　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的重要途徑之一。穗是小麥的生殖器官，直接決(jue) 定小麥產(chan) 量，而基於(yu) 穗部表型性狀的小麥理想株型篩選是小麥高產(chan) 品種培育的重要依據。近些年，激光雷達技術的快速發展為(wei) 小麥穗部表型特征提取提供了理想數據源。然而，小麥植株體(ti) 積小、冠層同質性強、器官特征差異不明顯，難以設計理想的幾何特征以實現麥穗分割，製約著麥穗表型性狀的提取精度與(yu) 效率。而穗部表型性狀高效精準提取方法的缺失，進一步限製了麥穗表型性狀與(yu) 小麥產(chan) 量間關(guan) 係的研究及其在小麥理想株型篩選中的應用。

　　中國科學院植物研究所蘇豔軍(jun) 研究組聯合南京農(nong) 業(ye) 大學金時超團隊，構建了包含120個(ge) 品種的田間小麥地基激光雷達數據集，提出了海量麥穗標記數據集構建方法，研發了結合深度學習(xi) 和幾何修正算法的麥穗自動識別與(yu) 分割算法，實現了田間小麥麥穗的自動高效提取。經與(yu) 實測數據對比，該算法的麥穗識別精度和個(ge) 體(ti) 分割精度可分別達到87.17%和84.62%。以小麥麥穗個(ge) 體(ti) 分割結果為(wei) 基礎，該研究進一步提出了麥穗表型性狀自動提取算法，實現了穗密度、穗長、穗寬、彎曲度、穗傾(qing) 角、穗高、穗麵積、穗體(ti) 積等多種麥穗表型參數的高精度估算。此外，除了穗長、穗寬等易測量的傳(chuan) 統麥穗表型性狀，本研究獲取的傳(chuan) 統難以測量的麥穗表型性狀亦對小麥產(chan) 量有顯著影響，並能夠用於(yu) 有效區分小麥品種間的差異。上述成果驗證了麥穗表型在小麥理想株型篩選中的關(guan) 鍵作用。同時，該團隊提出的高通量無損麥穗表型提取方法，對於(yu) 加快小麥育種周期頗具潛力。

　　近日，相關(guan) 研究成果在線發表在IEEE Transactions on Geoscience and Remote Sensing上。研究工作得到中國科學院戰略性先導科技專(zhuan) 項和國家自然科學基金等的支持。新疆大學、石河子大學、南京農(nong) 業(ye) 大學和香港大學的科研人員參與(yu) 研究。