小麦赤霉病被称为小麦 "癌症"，是大家小麦出产濒临的要紧病害。近日，武汉理工大学副教训刘唯真课题组说合华中农业大学教训兰彩霞课题组在《生物时间通报（英文）》（aBIOTECH）发表了推敲论文。该推敲提倡并开源了一款名为FHBDSR-Net的深度学习算法，能从手机拍摄的、带有复杂布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巧。
?
病小穗率是评估病害感染经由和小麦抗病性的关键表型见识，它指的是受感染小穗数目占该麦穗小穗总和的百分比。现时病小穗率测量主要依赖东说念主工逐小穗不雅察与计数，存在效果低下、主不雅性强等问题。
尽管设想机视觉时间的快速发展为病小穗率自动化测量开发了新旅途，但现存智能检测算法左右于该任务时仍濒临两大中枢挑战：病小穗特征表征不及，其易与麦穗泛泛枯黄部分、布景等污染，难以精确索取病害特异性特征；密集成列小穗的空间编码身手薄弱，小麦麦穗结构紧凑，小穗间互相遮拦、重复怡悦多数，导致算法难以明晰辞别单个小穗范畴，更无法准确捕捉密集场景下小穗的空间散布关系，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身手的智能检测决议，以破损现雷同间瓶颈。
推行截至标明，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说念主工不雅测值的皮尔逊相关通盘均值超0.901。该模子具备优异的泛化身手与谨慎性，在不同品种、不同助长阶段、不同感染经由的麦穗病小穗率检测中均推崇出较高准确性。
同期，该模子兼具轻量化特点，参数目仅7.2M，可适配资源受限的出动末端部署，大略为温室、田间场景下病小穗率的精确设想提供赈济，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时间保险，推进植物表型分析向田间便携化、智能化升级。
推敲由国度当然科学基金资助。
相关论文信息：https://doi.org/10.1007/s42994-025-00245-0手机赌钱平台app
声明：新浪网独家稿件，未经授权谢绝转载。 -->