针对不同基因型、不同环境条件下的植物开发自动化、高通量、高精度的表型采集技术对于克服当前的表型瓶颈至关重要。本研究旨在利用3D LiDAR技术创建一种新的表型分析平台，能够在复杂的田间条件下测量玉米雄穗关键性状(穗密度、长度和宽度)。

本研究基于高通量的LiDAR设备进行野外行走扫描，获取玉米单株三维点云数据。采用先进的机器学习算法，包括K - means聚类分析和空间聚类(Density-Based Spatial Clustering of Applications with Noise，DBSCAN)对玉米单株进行分割，并从密集的冠层中提取雄穗性状。本研究成功地在不同玉米遗传背景下对13，190个单株进行了分割和表型分析，显著增加了每个基因型的数据点数，每个小区分割的中位数为28株。全基因组关联研究中使用高分辨率的表型数据，以确定特定的基因关联标记，并优化基因组预测模型，以推断雄穗性状的遗传结构。

该方法不仅提高了性状测量的准确性，并且对其他作物表型鉴定具有更广泛的意义，有可能加速高产、抗逆品种的开发。研究结果为精准育种奠定了基础，有利于开发更适合现代农业发展的新品种，最终支持全球粮食安全和可持续发展。

图1. 图像分割流程

图2. 基于激光雷达的玉米雄穗形态特征提取及其关系研究。A. 热图表示在田间地块水平上的穗密度、长度和宽度值的估计平均值。白框表示丢失的数据。B. 估计穗状性状之间的相关性。C. 狭义遗传率

图3. 玉米雄穗形态性状的关联分析。x轴表示玉米染色体上的SNP位置，y轴表示-log10(P值)。

图4. 评估雄穗性状基因组模型的预测能力。