小麥?zhǔn)侨蜃钪匾募Z食作物之一，提高產(chǎn)量對保障糧食安全至關(guān)重要。小麥產(chǎn)量主要由穗數(shù)、穗粒數(shù)和千粒重決定，但三者之間往往存在拮抗作用，難以同時(shí)提高，解析穗部結(jié)構(gòu)特征對于揭示產(chǎn)量形成機(jī)制具有重要意義。然而，傳統(tǒng)的人工測量方法效率低、誤差大，難以獲取復(fù)雜而精細(xì)的穗部表型信息。盡管近年來影像分析與深度學(xué)習(xí)被引入麥穗表型研究，但現(xiàn)有方法仍沒法對穗部復(fù)雜表型的系統(tǒng)性精準(zhǔn)量化。因此，開發(fā)一種高效、準(zhǔn)確、自動(dòng)化、且精細(xì)化的穗部表型分析方法，對小麥遺傳改良和高產(chǎn)育種具有重要意義。

 

　　近日，中國科學(xué)院遺傳與發(fā)育生物學(xué)研究所蔣霓團(tuán)隊(duì)，提出了基于深度學(xué)習(xí)的麥穗形態(tài)精細(xì)表型的解析方法。該方法結(jié)合ResNet50-UNet網(wǎng)絡(luò)實(shí)現(xiàn)麥穗?yún)^(qū)域的精準(zhǔn)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(jié)合圖像處理算法，提取了包括穗長、穗寬、穗面積、可育小穗數(shù)、不育小穗數(shù)、小穗間距等在內(nèi)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(guān)系數(shù)為0.9865，與小穗數(shù)為0.9753，可育小穗數(shù)為0.9635。將該方法應(yīng)用于來自不同年代和區(qū)域的小麥品種，發(fā)現(xiàn)隨年代推進(jìn)小麥穗部性狀逐漸向大穗類型轉(zhuǎn)變，表現(xiàn)為穗寬、穗面積和小穗面積的增加；區(qū)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(qū)在提升產(chǎn)量途徑上的差異性。

 

　　該研究建立了一套基于深度學(xué)習(xí)的高通量麥穗表型解析方法，為未來的小麥高產(chǎn)育種提供了技術(shù)手段。

 

　　相關(guān)研究成果在線發(fā)表在《植物表型組學(xué)》（Plant Phenomics）上。研究工作得到國家重點(diǎn)研發(fā)計(jì)劃和農(nóng)業(yè)農(nóng)村部重大專項(xiàng)的支持。