一種高效準確測量未經整形的水稻稻穗表型方法EOPT研究
水稻穗部性狀是衡量產量潛力和種質資源質量的重要指標。然而，這些性狀的測量主要采用人工方式，且通常需要脫粒，不僅費力費時，而且容易產生測量誤差。因此，亟需一種無需人工干預便能高效準確提取稻穗相關表型性狀的方法。
2024年8月， Plant Phenomics 在線發表了華中農業大學作物表型團隊題為A High-Throughput Method for Accurate Extraction of Intact Rice Panicle Traits 的研究論文。
本研究介紹了一種高通量、無損測量方法EOPT（extraction of panicle traits）以高效、精確的提取稻穗表型，包括單穗粒數、粒長、粒寬和穗長。該方法無需對稻穗進行脫粒和人工整形，其圖像采集場景如圖1所示。EOPT的整體技術流程如圖2所示，首先定義穗型指數（PMI），以量化稻穗籽粒相互遮擋程度。根據 PMI 對直接測得的穗粒數進行校準，可顯著提高粒數檢測的準確性。其次，為了測量谷粒的長度和寬度，檢測過程中采用0.8 的IoU閾值和 0.7 的置信度閾值（Conf）來篩選并分割出圖像中較為完整的籽粒，并計算這些谷粒粒長和粒寬的平均值來代表稻穗籽粒的長度和寬度。此外，該方法還使用 Astar 算法提取了水稻圓錐花序骨架的主路徑，以確定稻穗長度。在 1554 個稻穗圖像的數據集上進行的驗證證明了方法的有效性，所提方法對單穗籽粒計數的平均準確率達到 93.57%，平均絕對百分比誤差 (MAPE) 為 6.62%。籽粒長度（96.83%）和稻穗長度（97.13%）的測量準確率也較高。此外，利用該方法獲得的稻穗表型數據和基因型數據進行了全基因組關聯研究（GWAS），可確定與籽粒長度、寬度、單穗粒數和穗長相關的單核苷酸多態性（SNPs），進一步強調了該方法在水稻育種研究方面的作用和潛力。
圖1 圖像采集場景
圖2 EOPT的工作流程圖。(A) 圖像預處理。(B) 穗粒數測量模塊。(C) 穗長提取模塊。(D) 粒長和粒寬提取模塊
圖3 EOPT 的驗證結果。(A1) 室內的穗粒數檢測。(A2) 田間的穗粒數檢測。(B1) 室內谷粒長度檢測。(B2) 田間谷粒長度檢測。(C1) 室內粒長檢測。(C2) 田間粒長檢測。(D1) 室內粒寬檢測。(D2) 田間粒寬檢測。
圖4 GWAS 結果的曼哈頓圖（左）和量子圖（右）。(a) 谷粒長度。(b)粒數。(c) 谷粒寬度。(d) 穗長
本研究展示了一種新的稻穗表型提取方法，該方法不需要對稻穗進行脫粒和人工整形，能夠準確、高效的提取稻穗表型，為水稻育種和表型研究提供了一種有效、可靠的工具。
華中農業大學作物表型團隊主要從事作物表型組高通量獲取、智能精準解析及作物育種應用等交叉研究。團碩士生孫健和任政威為共同第一作者，楊萬能教授及宋鵬副教授為本文共同通訊作者。本研究得到國家重點研發計劃、國家自然科學基金、湖北省農業核心攻關項目、湖北省種業高質量發展支撐項目支持。
論文鏈接：
https://doi.org/10.34133/plantphenomics.0213
——推薦閱讀——
AISOA-SSformer: An effective image segmentation method for rice leaf disease based on Transformer architecture
https://doi.org/10.34133/plantphenomics.0218
Plant Phenomics | 中南林業科技大學周國雄教授團隊基于AISOA-SSformer的有效水稻葉病圖像分割方法
Rice Plant Counting, Locating and Sizing Method Base on High-throughput UAV RGB Images
https://doi.org/10.34133/plantphenomics.0020
Plant Phenomics ESI高被引論文 | 基于高通量無人機RGB圖像的水稻植株計數、定位和大小估計方法
加入作者交流群
掃碼添加小編微信，拉您進入《植物表型組學》作者交流群，群內不定期開展作者分享會、專刊發布會等高質量活動。
添加小編微信，備注姓名+單位+PP，加入作者交流群
About Plant Phenomics《植物表型組學》（Plant Phenomics）是由南京農業大學和美國科學促進會（AAAS）合作創辦的英文學術期刊，于2019年1月正式上線發行。采用開放獲取形式，刊載植物表型組學交叉學科熱點領域具有突破性科研進展的原創性研究論文、綜述、數據集和觀點。具體范圍涵蓋高通量表型分析的最新技術，基于圖像分析和機器學習的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農業實踐中的表型組學新應用，與植物表型相結合的分子生物學、植物生理學、統計學、作物模型和其他組學研究，表型組學相關的植物生物學等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數據庫收錄。科睿唯安JCR2022影響因子為7.6，位于農藝學一區（1/125名），植物科學一區（13/265名），遙感一區（6/62名）。2023年中科院期刊分區位于農林科學大類一區。2020年入選中國科技期刊卓越行動計劃高起點新刊項目、2024年入選江蘇科技期刊卓越行動計劃領軍期刊項目。
說明：本文由《植物表型組學》編輯部負責組稿。
中文內容僅供參考，一切內容以英文原版為準。
特邀作者：宋鵬
排版：趙慶澤（南京農業大學）
審核：孔敏、王平
