编辑推荐：
植物计数在植物表型定量系统中发挥着核心作用。多年来，该领域已历经连续的技术范式更替，其现代形态深受计算机视觉中视觉计数(visual counting)进展的影响。在本综述中，研究人员综合梳理了植物计数的历史起源，评估了当前碎片化的研究格局，并勾勒出迈向标准化
植物计数在植物表型定量系统中发挥着核心作用。多年来，该领域已历经连续的技术范式更替，其现代形态深受计算机视觉中视觉计数(visual counting)进展的影响。在本综述中，研究人员综合梳理了植物计数的历史起源，评估了当前碎片化的研究格局，并勾勒出迈向标准化、通用化植物计数系统的路线图。研究人员提出了一个连贯的概念框架——植物计数的四级层级结构(four-level hierarchy of plant counting)，该框架从高通量植物表型(high-throughput plant phenotyping, HTP)的需求出发，刻画了环境、平台、传感器与生物组织中的计数实体(environment, platform, sensor, and counting entity in biological organization)。该框架旨在引导植物计数系统的发展，使其不仅在单个数据集上精确，而且在现代植物表型场景中具有可重用性、可比性和可信赖性。研究人员认为，现有植物计数方法受限于物种特异性设计、传感器依赖性假设以及局部的、区域限定的评估方式。研究人员期望本综述能够为构建跨物种、跨模态、跨尺度的视觉植物计数系统提供参考。
主体内容总结如下：
2. 植物计数从何而来：技术范式与挑战
2.1 植物计数的简史：从人工计数到自动计数
植物计数最初依赖人工田间调查，由专家逐株或逐器官计数并记录，但该方法费时费力、易出错且通量低。21世纪初，农业领域开始自动化探索，传感器方法将物理量转换为电信号以实现隐式计数，但易受环境干扰且难以区分目标类型。视觉方法随后成为主流：早期基于图像处理的工具如ImageJ、SmartGrain、CellProfiler通过校准、分割、粘连目标分离等操作进行计数，但依赖均匀光照和简单背景。之后机器学习方法被引入，在CVPPP等研讨会的推动下显著提升了鲁棒性。深度学习进一步改变了视觉表征的学习方式，早期采用语义分割或目标检测显式识别实例再计数，如ResNet、Faster R-CNN、YOLO、U-Net等；而TasselNet则引入局部回归策略直接估计图像块中的数量，证明了回归式公式的有效性和简洁性。
2.2 计算机视觉驱动的植物计数：视觉计数范式的转变
植物计数的演进与计算机视觉发展紧密相连。早期方法使用分割掩膜和边界框作为中间表征，例如对人群前景分割后计数或用框框选头部。受转导原则启发，研究者逐渐避开定位与分割，先尝试全局回归映射整图为标量，但丢失空间信息；继而发展为局部计数回归以恢复部分空间线索。Lempitsky和Zisserman提出密度图回归，将图像区域上的密度函数积分对应目标数量，既保留空间信息又避免显式实例定位。深度学习兴起后，又涌现了冗余计数图、深度密度图、概率图、类别图、点图、基数图等表征。植物计数约在2017年起吸收这些范式，如Rahnemoonfar等用改进Inception-ResNet进行果实计数，Lu等提出首个用于玉米雄穗的深度局部回归网络，后续扩展到玉米籽粒、菠萝花等，近期也有基于点图的点监督方法用于大豆种子。
2.3 计数植物超越计数人群
植物计数与人群计数共享受挑战：稀疏与密集场景共存、复杂背景、实例间遮挡、图像退化、标注噪声。但植物有其特有复杂性：一是植物会在空间和时间上变化，发育阶段导致可计数实体出现、消失或改变，物候转移和观测几何变化使窄时间窗训练的模型失效；二是观测尺度跨越数量级，从细胞到冠层都是计数目标，而人群计数仅限宏观个体，尺度变化相对可预测；三是植物是非刚性有机体，叶片弯曲重叠、茎分支、果实簇生，难以定义稳定的几何中心或边界，而人体具有较规则的结构先验。因此，人群计数方法不能直接迁移，需针对植物特有的动态性、尺度变异性和非刚性进行任务特定重设计，例如WHCNet和P2PNet-Yield等。
3. 植物计数现在何处：现状与数据集
3.1 跨物种的植物计数
当前工作流呈现“一个物种一条流水线”的隔离循环。按农艺角度分为谷物和园艺作物。谷物作物中，麦类、水稻等麦穗/穗头小且常被旗叶遮挡，检测方法易漏检和NMS过度抑制，因此多采用点监督或密度图回归，如P2PNet、CSRNet，并通过多尺度特征聚合处理宽视野中的小目标。极端密度和纹理状表型如玉米雄穗、紧密籽粒、盛花油菜等几乎不可分割，TasselNet系列采用局部计数回归，DeepCorn用膨胀卷积估计密度图。几何不规则目标如豆荚、棉铃具有极端纵横比和随机方向，常用K-Means优化锚框尺度或转而密度图估计。微尺度目标如气孔、细胞、花粉在显微镜下极小且密集，深度学习分割或密度回归提升了鲁棒性。园艺作物中，果实等目标多为离散实例，适合检测和实例分割，主要挑战是透视引起的尺度变化、粘连与低对比度。针对尺度变化，YOLO框架结合空间金字塔池化或注意力模块；针对粘连，Mask R-CNN成为常用解决方案。总体而言，高密度纹理状谷物器官偏向回归方法，离散的果树果实偏向检测/分割方法，微观结构需分割方法，单一范式无法覆盖全部层级。
3.2 跨空间与时间的植物计数
时间计数方面，多数模型在狭窄物候窗口内训练，仅隐含地通过数据增强处理弱时间变化；更长间隔下模型泛化显著下降，例如小麦穗在灌浆期训练的模型在成熟期因对比度降低而性能大幅退化。现有静态训练测试划分未明确考虑季节或多年域漂移，且时间计数还需处理非刚性生长下的植株配准与器官追踪问题。空间计数方面，从微米级细胞到百米级卫星影像，不同尺度采用不同方法；当前尺度变化主要依靠图像分块和特定分辨率等手工启发式，跨尺度迁移仍需重新训练。时空计数方面，视频或重复扫描可利用时间一致性去重，主流是跟踪-检测范式，如将YOLO检测器与SORT/DeepSORT/ByteTrack结合用于果实计数，机器人平台结合地理参考图追踪水稻分蘖，但多数系统仍将时间视为附加帧来源而非联合信号。
3.3 跨模态的植物计数
RGB成像是最常用模态，用于表穗、雄穗、稻穗、豆荚、果实等计数。深度与3D传感通过深度图或点云提供结构，常见模式是先检测然后在三维空间关联，或直接在重建点云中分割聚类，解决了2D投影中的遮挡和重叠问题。显微成像聚焦细胞、气孔、花粉等微细结构，深度学习扩展了传统工具的能力。断层成像如CT、micro-CT可揭示内部结构，用于根尖、籽粒、果实内部腔室等计数，但依赖于体素对比和三维分割。光谱反射成像用于作物与杂草区分、病害检测，通过像素级分类图聚合得到计数。荧光成像测量受激发光，常作为功能“活性图”，用于症状区域或报告基因幼苗计数。多模态融合将RGB/3D几何信息与光谱/荧光功能信息结合，可实现按胁迫状态分层的计数，例如生成3D多光谱点云。
3.4 植物计数的数据支撑：平台与数据集
数据采集平台从实验室扫描仪、显微镜到田间手持、龙门架、地面机器人、无人机和卫星。受控环境提供干净背景和稳定光照，利于细粒度小结构计数；田间平台面临可变光照、风动和杂乱背景，需分块、跟踪或鲁棒特征。现有公开数据集如PRL/CVPPP、ACID、URCAL、MinneApple、MangoYOLO、GWHD、MTC等，覆盖不同物种、器官和标注格式，但整体高度碎片化：每个基准通常限于单一物种、单一平台、单一时空尺度和单一标注协议。这种碎片化直接导致跨数据集比较困难、模型泛化受限，因为不同标注格式（点数、框、掩膜、密度图）对应不同的监督信号和模型族。
4. 植物计数应向何处去：迈向标准化与通用化
4.1 从窄域到全能：走向通用植物计数数据集
未来数据集需沿物种、尺度、模态三个核心维度组织。分类学开放性要求纳入多物种以学习物种不变的表示；时空连续性要求短期与长期采样结合，覆盖完整生长周期和多尺度观测；跨模态对齐要求多感官流在一致时空条件下记录同一实例，还可整合环境测量和文本记录。构建真正全能的数据库超出单一机构能力，需要全球合作、标准化标注指南和开放共享平台。点标注是一种经济且兼容的基础形式，可通过SAM等基础分割模型生成框或掩膜。当前如ImAg4Wheat、TPC-268、PAC-105等已朝此方向努力，但仍只是原型而非完整解决方案。
4.2 从定制到统一：走向统一的植物计数基础模型
统一模型需要将问题从“如何计数特定植物”重构为“如何学习计数植物”，不依赖物种、尺度和模态。类无关计数(CAC)通过示例匹配实现任意类别的计数，PAC等已将类无关思想引入植物计数。跨尺度泛化需要尺度不变表示，多目标跟踪(MOT)和时序分割基础模型可为跨尺度和时间一致性提供线索。跨模态泛化需要模态不变表示，农业视觉基础模型如SPROUT、基于Depth Anything的伪标签方法证明农业适配预训练能降低域差距。多模态计数和表型初步探索表明，融合RGB、深度乃至文本可提升鲁棒性。
4.3 从局部到全局：走向系统化植物计数评估
当前评估多为局部、封闭世界，只报告在受控条件或狭窄域上的MAE/RMSE，掩盖了系统失败模式。全局评估应覆盖多地点、多季节、异质平台和观测尺度，并进行诊断性误差分层。由于实例语义和计数目标可能随平台、尺度变化，完全公平的全局评估难以实现，但可采用近似方案：报告域条件误差和迁移差距，如留一站/一季节/一平台误差、最差域误差及相对性能下降，按生长阶段、密度、环境分层计算MAE/RMSE。现有如Fields of the World、全球植物多样性建模等虽非完全标准化，但指示了从局部向部署导向评估演变的方向。
