近日，作物光温水利用潜力挖掘团队王楠副教授在国际学术期刊Advanced Science（中科院一区TOP）在线发表了题为“Research on Fine-Grained Phenotypic Analysis of Temporal Root Systems—Improved YoloV8seg Applied for Fne-Grained Analysis of In Situ Root Temporal Phenotypes”的研究论文。该研究改进的实例分割网络结合后处理方法实现了原位根系图像的细粒度表型提取，探索了原位根系的细粒度表型分析方法。
根系是植物吸收水分和养分的重要器官，原位根系表型是研究根系生长动态的重要方法，从原位根系图像中分割出根系图像是开展高通量原位根系表型研究的必要途径。迄今为止，针对根系表型分割的方法多集中于语义分割，结合表型提取软件实现根系表型总体分析。本文提出了针对细长根系检测的改进YoloV8n-seg网络，其性能指标均高于原始YoloV8seg；提出的后处理方法，可减少根系识别的误差，实现逐根对应。经由本文得到逐条根系的表型参数，较传统方法实现了更为精细的表型分析。
研究流程图
研究团队提出了改进YoloV8n-seg网络，该网络在原始YoloV8seg网络的基础上，额外增加两层下采样，增加两个大目标检测头，更改训练策略，取消训练目标的长宽比限制。同时，研究团队提出了基于最大连接域的目标选择算法，增加网络的识别精度。
预测结果 (a)-(e) YoloV8seg的n、s、m、l、x采样 (f) 改进YoloV8n-seg
团队分析了根长、根直径、根表面积和根曲率等根系表型信息，为原位根系表型细粒度解析提供了方法和依据。
后处理结果 (a) 未经后处理的结果 (b) 后处理结果
表型分析结果 (A) 根长度 (B) 根直径 (C) 根表面积 (D) 根曲率
硕士生于秋实为论文的第一作者，王楠副教授和刘连涛教授为通讯作者。该研究得到了国家自然科学基金项目（32272220和32172120）、河北省教育厅拔尖人才计划项目（BJ2021058）、中央引导地方科技发展基金项目（236Z7402G和246Z7402B）、河北科技计划项目（23567601H）和华北作物改良与调控国家重点实验室自主研究课题（NCCIR2024ZZ-18）等项目的资助。
来源：华北作物改良与调控国家重点实验室