植物茎是资源输送的重要器官，对植物的抗倒伏和产量有很大的影响。然而，如何准确、高效地提取作物茎秆的结构信息一直是一个令人头痛的问题。在这项研究中，首先建立了一个玉米秸秆横截面表型(Maize Stalk Cross-section Phenotype，MSCP)数据集，该数据集包含990张来自秸秆手切断面的图像的解剖信息。然后，为了大规模测量玉米茎秆的解剖特征，开发了一个融合了卷积神经网络、实例分割和关键点检测方法的玉米茎秆截面表型网络(MSCP-Net)。共可自动产生14个茎秆解剖参数(性状)，mAP@.5值高“维管束分割”参数的DICE值为0.907，“功能区分割”参数的DICE值为0.864。与MSCP数据集的交叉验证表明，MSCP-Net在预测解剖特征方面具有良好的性能。在此基础上，对110个玉米自交系的14个解剖性状和12个重要农艺性状进行了相关分析，发现茎秆相关性状(茎截面、大维管束、纤维含量和气生根)是玉米抗倒伏和产量的关键指标。此外，还将玉米自交系分为两类，讨论了II类在选育杂交种中的较高价值。结果表明，MSCP-Net有望成为快速获取玉米茎秆解剖性状的有效工具，这些性状在玉米遗传改良中具有重要的农艺意义。

图1  玉米茎秆截面表型数据集(MSCP)的制作。(A)经间苯三酚染色后的未处理的玉米手工切面图像(原始图像)。(B)功能区分割，其中蓝色区域为小维管束区(SVBZ)，红色区域为大维管束区(LVBZ)。(C)维管束的注释。(D)维管束热图。

图2  MSCP-Net的主要结构。

图3  不同深度骨干网络在训练阶段和验证阶段的损失收敛曲线比较。

图4  维管束与功能区预测与标注数据的准确性比较。(A - H)总维管束、茎横截面积、小维管束区和大维管束区比较。折线图描述了验证集中预测和注释之间这些参数的差异。(I, J)维管束密度图的预测与标注论证。(K)计算验证数据集中图像密度图的SSIM，比较预测和标注中维管束的坐标位置。

图5  26个性状间相关系数热图。

图6  玉米自交系的聚类分析。(A) 110个玉米自交系26个性状的聚类分析。(B) 26个性状I组与II组比较。(C)第1组玉米自交系的植株、穗和切片。(D)第2组玉米自交系的植株、穗和切片。