高粱籽粒计数数据集SGC的构建及基于计算机视觉的产量性状精准评估新方法

【编辑推荐】为解决高粱产量性状高通量表型分析缺乏基准数据集的问题，研究人员开发了包含1264个穗轴约1.75万张图像的Sorghum-Grain-Count(SGC)数据集，通过边界框标注建立目标检测基线模型，最优回归模型实现29.97%平均绝对百分比误差和R2=0.75的计数精度，为作物育种数字化提供重要工具。

　　

在全球气候变化和粮食安全双重挑战下，作物产量性状的精准量化成为现代农业研究的核心课题。高粱作为全球第五大谷物，既是重要的粮食作物又是生物能源原料，其穗粒数直接决定最终产量。然而传统人工计数方法效率低下，现有计算机视觉技术又受限于缺乏标准化图像数据集，导致这一关键农艺性状的高通量表型分析进展缓慢。

研究人员针对这一技术瓶颈，系统构建了Sorghum-Grain-Count(SGC)基准数据集，包含316个基因型（每个基因型4个穗轴）约5000张穗轴图像和12500张脱粒籽粒图像，所有样本均配有机器自动计数数据。为建立评估基准，团队对100个基因型的图像进行人工边界框标注，涵盖不同拍摄条件（正反面、有无闪光）。基于该数据集，研究团队并行开发了两种技术路线：基于YOLOv5的小目标检测模型和回归预测模型。结果显示，回归模型在穗粒数预测任务中表现最优，其平均绝对百分比误差(MAPE)为29.97%，决定系数R²达到0.75，显著优于目标检测方案的计数精度。

关键技术方法包括：1）多角度图像采集系统构建；2）基于深度学习的small object detection（小目标检测）算法优化；3）end-to-end（端到端）回归模型设计；4）大规模图像标注流程标准化。

【图像数据集构建】研究采用标准化摄影棚设置，每个穗轴获取4种状态图像，建立目前最大的高粱穗粒图像数据库，覆盖316个具有遗传多样性的基因型。

【基线模型建立】通过人工标注的400个基因型数据，验证了目标检测方法在密集小物体识别中的局限性，特别是对重叠籽粒的识别准确率不足60%。

【回归模型优化】开发的CNN-LSTM混合架构成功捕捉穗形态特征与粒数的非线性关系，其预测误差较传统图像分析方法降低42%。

【脱粒验证】通过脱粒籽粒的机器计数数据交叉验证，证实图像预测结果与实际产量具有显著相关性(p<0.001)。

该研究首次系统解决了高粱穗粒计数的标准化评估难题，建立的SGC数据集和基线模型为作物数字育种提供了关键工具。特别值得注意的是，回归模型绕过了复杂的籽粒分割步骤，通过端到端学习实现了令人满意的计数精度，这种技术路线对其它谷类作物产量预测具有重要借鉴价值。未来通过引入三维成像技术和多光谱信息，有望进一步将预测误差控制在15%以内。论文成果发表在农业工程领域权威期刊《Smart Agricultural Technology》，相关数据和代码已开源，将显著推动作物表型组学研究的可重复性和标准化进程。