深度學(xué)習(xí)與農(nóng)業(yè)科研，小麥籽粒表形鑒定方法

小麥?zhǔn)且环N經(jīng)濟(jì)作物，其產(chǎn)量與農(nóng)民的收入直接相關(guān)。隨著國家經(jīng)濟(jì)水平的提高和城鎮(zhèn)化進(jìn)程的加快，農(nóng)民對于小麥的需求不斷增長，因此種植小麥成為了他們追求更高收入的重要途徑。由此可見，小麥的播種量增加與國家的經(jīng)濟(jì)發(fā)展密切相關(guān)。

小麥作為主要糧食作物之一，其生產(chǎn)對于國家糧食安全具有重要的意義。在保證口糧供應(yīng)的前提下，加大對小麥種植的補(bǔ)貼、提高小麥的種植效率等，這些措施進(jìn)一步激發(fā)了農(nóng)民對小麥種植的積極性，從而導(dǎo)致小麥的播種量不斷增加。

培育優(yōu)質(zhì)高產(chǎn)的小麥品種是小麥育種的主要目標(biāo)，而小麥籽粒完整性直接影響小麥育種進(jìn)程。完整籽粒與破損籽粒的部分特征差異較小，是限制基于深度學(xué)習(xí)識別破損小麥籽粒精準(zhǔn)度的關(guān)鍵因素。

山東農(nóng)業(yè)大學(xué)機(jī)械與電子工程學(xué)院/智能化農(nóng)業(yè)機(jī)械與裝備實(shí)驗(yàn)室組成劉平教授團(tuán)隊(duì)，為解決小麥籽粒檢測精度低的問題，該研究建立ImCascade R-CNN模型，提出小麥籽粒表形鑒定方法，精準(zhǔn)檢測小麥籽粒完整性、分割籽粒并獲取完整籽粒表形參數(shù)。

ImCascade R-CNN模型檢測小麥籽粒完整性的平均精度為90.2%，與Cascade Mask R-CNN、Deeplabv3+模型相比，能更好地識別、定位、分割小麥籽粒，為籽粒表形參數(shù)的獲取提供基礎(chǔ)。該方法測量粒長、粒寬的平均誤差率分別為2.15%和3.74%，測量長寬比的標(biāo)準(zhǔn)誤差為0.15，與人工測量值具有較高的一致性。

該研究結(jié)果可快速精準(zhǔn)檢測籽粒完整性、獲取完整籽粒表形數(shù)據(jù)，加速培育優(yōu)質(zhì)高產(chǎn)小麥品種。

小麥的種植技術(shù)不斷改進(jìn)和推廣，如大力發(fā)展農(nóng)機(jī)化、推廣科學(xué)種植技術(shù)、加強(qiáng)品種改良等，這些措施使得小麥的種植成本降低、產(chǎn)量增加，從而進(jìn)一步推動了小麥的播種量不斷增加的趨勢。

審核編輯 黃宇