BerryPortraits是一款基于Python的开源图像分析软件，可快速检测和分割浆果并提取品质相关性状（如浆果颜色、大小、形状和均匀度等）数据。CIELAB是一种直观且感知均匀的颜色空间，可区分浆果颜色和亮度，但不能直接应用于RGB通道。本研究利用YOLOv8框架、Python库（如OpenCV）和BerryPortraits对美国两个公开最大的蔓越莓育种项目的512张成熟图像数据（在受控照明条件下拍摄）进行训练。

结果表明：①YOLOv8模型能够在各种背景下高精度检测和分割蔓越莓。其中，准确率为0.997，召回率为0.999，F1-score为0.998，mAP50为0.995，mAP50-95平均值为0.927。②除周长（rmd=0.14）和体积（rmd=0.29）的距离归一化平均差异（Range-normalized Mean Difference，rmd）外，形状和大小的rmd普遍很低（0.02≤rmd≤0.06）。③平台间相关性差异最大的是表面积×长度（0.84≤r≤0.97）、表面积×宽度（0.73≤r≤0.90）和体积（0.93≤r≤1）；BerryPortraits整体分割性能较GiNA更高；RGB和灰度表现出非常低的距离归一化平均差异（0.01≤rmd≤0.02），重叠的密度图表明平台之间所有颜色性状的表现基本相似。④每个数据点代表每张照片中每个浆果的平均蔓越莓颜色，可以快速评估种群中浆果颜色变化的范围。

BerryPortraits是一款适用于植物遗传育种、园艺、食品科学、植物病理学及相关领域的表型分析工具。作为一款基于广泛使用的Python库的开源表型分析工具，BerryPortraits允许使用、分析、修改、优化并将该软件嵌入到其他工具或流程中。

图1. BerryPortraits和GiNA，n=171个样本中尺寸和形状参数之间的相关性

图2. a. BerryPortraits和GiNA中RGB、Lab值之间的相关性；b. BerryPortraits和GiNA中RGB与灰度之间的相关性

图3.在CIELAB颜色空间中，颜色强度与感知亮度(L*)无关