小麦赤霉病被称为小麦 "癌症"，是全世界小麦出产面对的庞大病害。近日，武汉理工年夜学副传授刘唯真课题组结合华中农业年夜学传授兰彩霞课题组于《生物技能传递（英文）》（aBIOTECH）发表了研究论文。该研究提出并开源了一款名为FHBDSR-Net的深度进修算法，能从手机拍摄的、带有繁杂配景的麦穗图象里主动测算病小穗率表型，为小麦抗赤霉病育种提供了高效精准的表型测定手腕。
传染赤霉病的小麦病小穗。aBIOTECH供图 ?
病小穗率是评估病害传染水平及小麦抗病性的要害表型指标，它指的是受传染小穗数目占该麦穗小穗总数的百分比。当前病小穗率丈量重要依靠人工逐小穗不雅察与计数，存于效率低下、主不雅性强等问题。
只管计较机视觉技能的快速成长为病小穗率主动化丈量斥地了新路径，但现有智能检测算法运用在该使命时仍面对两年夜焦点挑战：病小穗特性表征不足，其易与麦穗正常枯黄部门、配景等混合，难以精准提取病害特异性特性；密集摆列小穗的空间编码能力单薄，小麦麦穗布局紧凑，小穗间彼此遮挡、堆叠征象遍及，致使算法难以清楚区别单个小穗界限，更没法正确捕获密集场景下小穗的空间漫衍瓜葛，检测与计数精度是以受限。鉴在这一近况，亟需研发一套统筹特性辨认精度与空间编码能力的智能检测方案，以冲破当前技能瓶颈。
试验成果注解，FHBDSR-Net模子于病小穗检测使命中平均精度达 93.8%，其病小穗率丈量值与人工不雅测值的皮尔逊相干系数均值超0.901。该模子具有优秀的泛化能力与稳健性，于差别品种、差别生长阶段、差别传染水平的麦穗病小穗率检测中均体现出较高正确性。
同时，该模子兼具轻量化特征，参数目仅7.2M，可适配资源受限的挪动终端部署，可以或许为温室、田间场景下病小穗率的精准计较提供撑持，进而为小麦赤霉病抗病育种筛选、田间病害动态监测提供高效靠得住的技能保障，鞭策植物表型阐发向田间便携化、智能化进级。
研究由国度天然科学基金资助。
相干论文信息：https://doi.org/10.1007/s42994-025-00245-0
版权声明：凡本网注明“来历：中国科学报、科学网、科学新闻杂志”的所有作品，网站转载，请于正文上方注明来历及作者，且不患上对于内容作本色性改动；微信公家号、头条号等新媒体平台，转载三木SEO-请接洽授权。邮箱：shouquan@stimes.cn。-bevictor伟德官网
