97久久精品人人做人人爽-97久久香蕉国产线看观看-996久久国产精品线观看-9999国产精品欧美久久久久久

小麥是全球最重要的糧食作物之一，提高產量對保障糧食安全至關重要。小麥產量主要由穗數、穗粒數和千粒重決定，但三者之間往往存在拮抗作用，難以同時提高，解析穗部結構特征對于揭示產量形成機制具有重要意義。然而，傳統的人工測量方法效率低、誤差大，難以獲取復雜而精細的穗部表型信息。盡管近年來影像分析與深度學習被引入麥穗表型研究，但現有方法仍沒法對穗部復雜表型的系統性精準量化。因此，開發一種高效、準確、自動化、且精細化的穗部表型分析方法，對小麥遺傳改良和高產育種具有重要意義。近日，中國科學院遺傳與發育生物學研究所蔣霓團隊，提出了基于深度學習的麥穗形態精細表型的解析方法。該方法結合ResNet50-UNet網絡實現麥穗區域的精準分割，使用Yolov8x-seg模型完成對小穗的識別分割，并利用所提取的麥穗與小穗掩膜結合圖像處理算法，提取了包括穗長、穗寬、穗面積、可育小穗數、不育小穗數、小穗間距等在內的45類穗部表型性狀。該方法在分割性能方面卓越，在麥穗分割上的平均交并比超過0.9480。該方法所提取的穗性狀與人工測量值高度一致，其中，與穗長的相關系數為0.9865，與小穗數為0.9753，可育小穗數為0.9635。將該方法應用于來自不同年代和區域的小麥品種，發現隨年代推進小麥穗部性狀逐漸向大穗類型轉變，表現為穗寬、穗面積和小穗面積的增加；區域上，南方品種普遍穗型較大，而北方則更為緊湊，反映出不同地區在提升產量途徑上的差異性。該研究建立了一套基于深度學習的高通量麥穗表型解析方法，為未來的小麥高產育種提供了技術手段。相關研究成果在線發表在《植物表型組學》（Plant Phenomics）上。研究工作得到國家重點研發計劃和農業農村部重大專項的支持。論文鏈接小麥穗部性狀提取流程