基于图结构引导的稻穗骨架解析与关键表型参数无损测量方法

来源：农业机械学报杂志2026年第1期北京时间：

作者：周云成，李瑞阳，张羽，梁铖玮，王珏

单位：沈阳农业大学,沈阳农业大学,沈阳农业大学,沈阳农业大学,沈阳农业大学,

摘要：穗部表型参数的高通量、无损获取是水稻育种与表型组学研究的关键环节。针对传统人工测量方法效率低、破坏性强，以及现有图像法依赖人工先验、灵活性差等问题，提出一种基于图结构引导的稻穗骨架解析与关键表型参数无损测量方法。首先，在YOLO v9模型基础上，引入混合背景数据增广与WIoU损失，训练出鲁棒性更强的穗节与穗颈节关键点检测模型；其次，对稻穗图像进行阈值分割与细化，提取其骨架并构建无向图拓扑结构；最后，将模型检测到的关键点与骨架拓扑图深度融合，判别关键点类别，并辅助图论算法自动识别提取穗轴、一次枝梗与二次枝梗，依据标定物实现像素尺度至物理尺度的转换。试验结果表明，优化后的关键点检测模型在穗颈节与穗节检测上的mAP较基准模型分别提高4.5、2.4个百分点，召回率分别提升7.8、4.0个百分点，关键点正确检测比例分别提升4.6、5.0个百分点。在结构计数方面，穗节点计数实现零误差，一次枝梗与二次枝梗计数的平均相对误差分别不超过0.39%、2.38%。在尺度参数测量中，稻穗的一次枝梗、二次枝梗、穗轴长度及穗节间长度的平均相对误差可控制在3.2%、7.5%、3.1%与5.2%以内，平均绝对误差分别不超过2.9、2.3、2.3、1.6mm。本研究实现了稻穗关键表型参数的自动无损提取，可为稻穗表型分析提供一种技术方案。

关键词：水稻;稻穗;表型参数;图结构引导;目标检测

基金资助：国家重点研发计划项目（2023YFD1501303、2021YFD1500204）