小麦赤霉病小穗率智能测量花式精度达93%

小麦赤霉病被称为小麦 "癌症"，是行家小麦分娩面对的要紧病害。近日，武汉理工大学副教会刘唯真课题组蚁集华中农业大学教会兰彩霞课题组在《生物本领通报（英文）》（aBIOTECH）发表了算计论文。该算计建议并开源了一款名为FHBDSR-Net的深度学习算法，能从手机拍摄的、带有复杂配景的麦穗图像里自动测算病小穗率表型，为小麦抗赤霉病育种提供了高效精确的表型测定技能。

?

病小穗率是评估病害感染流程和小麦抗病性的要道表型观念，它指的是受感染小穗数目占该麦穗小穗总额的百分比。现时病小穗率测量主要依赖东谈主工逐小穗不雅察与计数，存在后果低下、主不雅性强等问题。

尽管策划机视觉本领的快速发展为病小穗率自动化测量劝诱了新旅途，但现存智能检测算法哄骗于该任务时仍面对两大中枢挑战：病小穗特征表征不及，其易与麦穗浮浅枯黄部分、配景等收敛，难以精确索求病害特异性特征；密集成列小穗的空间编码才调薄弱，小麦麦穗结构紧凑，小穗间互相装潢、重迭花式大皆，导致算法难以明晰分手单个小穗界限，更无法准确捕捉密集场景下小穗的空间散播关联，检测与计数精度因此受限。鉴于这一近况，亟需研发一套兼顾特征识别精度与空间编码才调的智能检测决策，以打破现时本领瓶颈。

实践限度标明，FHBDSR-Net模子在病小穗检测任务中平均精度达 93.8%，其病小穗率测量值与东谈主工不雅测值的皮尔逊有关联数均值超0.901。该模子具备优异的泛化才调与持重性，在不同品种、不同助长阶段、不同感染流程的麦穗病小穗率检测中均发扬出较高准确性。

同期，该模子兼具轻量化特质，参数目仅7.2M，可适配资源受限的移动结尾部署，大意为温室、田间场景下病小穗率的精确策划提供扶助，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可靠的本领保险，股东植物表型分析向田间便携化、智能化升级。

算计由国度当然科学基金资助。

有关论文信息：https://doi.org/10.1007/s42994-025-00245-0

　　声明：新浪网独家稿件，未经授权不容转载。 -->