欧亚国际

稻穗是水稻的重要生殖器官，与产量密切相关。稻穗的生长发育离不开养分尤其是氮素的支撑。然而，获取稻穗在抽穗开花期的表型信息仍然高度依赖于人工，缺乏氮肥对该时期精细表型的精准评价，制约了水稻智能栽培的发展。因此我们需要突破传统的研究手段，建立一个精准、自动化的方法去观察稻穗生长发育中的表型变化，并评价氮肥效应。

2023年6月， Plant Phenomics 在线发表了南京农业大学前沿交叉研究院等单位题为Analyzing Nitrogen Effects on Rice Panicle Development by Panicle Detection and Time-Series Tracking 的研究论文。

本文采用计算机视觉与深度学习相结合的方法，实现了稻穗识别与计数、抽穗期判定，并分析了不同氮肥处理下稻穗开花期精细表型变化。该方法首先利用YOLOv5模型实现稻穗检测与计数（R2=0.96），并通过穗数的变化判定了水稻抽穗期，误差在1天以内。然后使用ResNet50网络模型对稻穗开花状态进行分类，准确鉴定出稻穗盛花状态（Accuracy=0.96）。此外，我们以YOLOv5与DeepSORT结合的方式实现了对单个稻穗生长发育的定位追踪。

图1稻穗检测、盛花稻穗识别以及稻穗追踪技术流程图

在整个抽穗开花期内，用定位追踪的方式精确到单个稻穗，计算了单穗的开花起始日期、开花持续天数、每日盛花时、盛花持续时间和日均盛花持续时间，详细展现了稻穗发育的动态变化，这是现有的研究很少能做到的。

视频1不同氮肥处理下稻穗追踪结果示例

此外，我们将该方法应用于不同的氮肥处理田间试验，从小区群体到个体的角度分析了不同氮肥处理下水稻在抽穗开花期内的表型差异。研究发现对水稻群体而言，随着施氮量的增加，一方面穗数增加，抽穗期变化不显著，但持续天数略有延长；另一方面累积开花穗数增加，水稻开花起始日期提前，结束日期推迟，意味着花期变长。对单穗而言，施氮量越高，单穗开花起始日期越早，开花天数及盛花总持续时间显著增加；而盛花开始时间差异不显著，单日盛花持续时间略有下降。

通过我们提出方法所得出的结论与前人通过传统手段得到的研究结果基本一致。本文提出的方法不但可以省去繁琐耗时的人工观测，还可以记录更加准确和全面的稻穗发育性状。该方法为水稻栽培管理和育种提供了一种高效的表型提取与分析手段，也为未来水稻现代化生产提供了技术支撑。

本研究由南京农业大学前沿交叉研究院联合现代作物生产省部共建协同创新中心以及东京大学国际田间植物表型实验室共同完成。南京农业大学在读博士生周钦阳为本文第一作者，南京农业大学穆悦讲师和二宫正士教授为本文通讯作者。本研究得到了江苏省种业振兴揭榜挂帅项目、海南省崖州湾种子实验室、国家重点研发计划项目的资助。

论文链接：

http://doi.org/10.34133/plantphen‍omics.0048

本研究所提出的技术分享于Github

http://github.com/Kyangzhou/data

——推荐阅读——

From Prototype to Inference: A Pipeline to Apply Deep Learning in Sorghum Panicle Detection

http://doi.org/10.34133/plantphenomics.0017

Plant Phenomics | 从原型到推理：深度学习在高粱穗部检测中的应用

Semi-Self-Supervised Learning for Semantic Segmentation in Images with Dense Patterns

http://doi.org/10.34133/plantphenomics.0025

Plant Phenomics | 密集模式下图像语义分割的半自监督学习

加入作者交流群