确定它们的大小一种准确量化油菜角角形态的算法

油菜或油菜(BrassicanapusL.)是确定确量一种重要的作物，因其富含油的种准种子而在世界范围内种植。油菜角果是化油一种器官，在光合作用中发挥作用，菜角向成熟的角形种子发送发育信号，并提供容纳种子的算法荚膜。

高产油菜籽品种具有数量多且形态最佳的确定确量长角果——形状和结构。在这方面，种准油菜籽基因型和栽培方法直接影响植物产生的化油长角果数量。因此，菜角准确量化长角果发育参数对于预测产量和鉴定高产品种至关重要。角形

传统上，算法长角果发育参数——长角果长度(SL)和长角果数量(SN)——都是确定确量人工量化的，这使得该过程本质上具有侵入性、种准不准确且耗时。化油二维(2D)和三维(3D)农业光学已经能够规避这些困难，但也有其局限性。2D成像方法鲁棒性较差，无法收集完整的空间信息。

相反，植物结构的复杂性使3D成像参数调整变得乏味，并且用于表型分析的聚类算法（记录生物体可观察特征的过程）通常无法区分植物骨骼和植物器官。现在，中国的研究人员开发了一种新算法，使用3D成像数据提供非侵入性表型分析。该团队的研究结果最近发表在《植物现象学》上。

“我们想开发一种能够更好地预测产量的高通量方法。我们的目标是设计一种工具，提供油菜骨架模型、准确分割的角果，并收集角果的形态学数据，”该团队的HaiyanCen教授解释说。浙江大学生物系统工程与食品科学学院院长，现任副院长。

该团队的方法涉及结合两种类型的算法——骨架化算法和分层分割算法——使用激光扫描仪收集的3D成像数据准确地将长角果与整个植物分离。通过结合骨骼各个组件的距离、角度和方向信息，3D图像数据用于在笛卡尔平面中创建植物的详细表示。

测试了分层分割骨架化(SHS)算法自动量化温室和田间栽培油菜植物的角体积(SV)、SL和SN的能力。

“我们的算法在从油菜角果中提取形态学数据时提供了很高的准确性。它对SN、总SL和总SV的预测显示出与植物实际产量的非常强的统计显着相关性，”Cen教授说，当阐述团队新算法的关键能力。

SHS在其对角果分割和表型提取的估计中也表现良好，SN和总SL均实现了高度相关性。另一个重要发现是，SHS甚至可以根据油菜的分枝结构将油菜植物区分为少分枝扫帚形植物(FBBS)、多分枝扫帚形植物(MBBS)和多分枝圆柱形植物(MBCS)。在这里，SHS也能够检测到三种分支模式之间的统计显着差异。

岑教授和她的团队对他们未来的研究方向感到兴奋。他们认为，鉴于其在产量估算和表型分析方面的高度准确性，他们的非侵入性SHS有可能为全世界的油菜育种业务提供技术支持。