玉米（Zea mays L.）已成为世界主要作物之一，产量超过小麦和水稻。玉米不仅直接食用，还广泛用作动物饲料和工业原料，导致当代社会对玉米的需求增加。然而，近年来频繁的自然灾害给包括玉米在内的粮食生产带来了巨大挑战。因此，保障粮食安全和提高玉米产量是玉米生产的基本目标。在提高玉米产量的各种方法中，新品种的选育和种植是最关键的技术之一。

误差隐患显著

主观判断易导致关键数据失真。

1）穗行数误判率可达12%（尤其在14-16行密集排列时）；

2）秃尖长度目测偏差平均达6.8mm；

3）穗周长手工测量误差率超10%。

种质误筛风险

某育种站统计显示，因测量误差导致。‍

1）5.7% 的优良杂交组合被错误淘汰；

2）3年累计损失潜在高产材料 23 份；

3）单次田间试验数据偏差可能使研发周期延长 6-8 个月。

当前玉米籽粒检测技术主要面临三大核心挑战

1）粘连籽粒分割算法虽实现96%分割正确率，但依赖扫描仪静态成像，无法满足产线动态检测需求；

2）形态参数测量装置 ，但仅限于实验室静态场景。

操作效率瓶颈

1）品种分级系统需人工单粒放置，需要放置制定孔中，只能放一个，效率不高；‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

2）线扫描技术穗行数识别准确率 99.1%，但受限于单果穗检测。

操作复杂

现有的拍摄玉米穗全景图像的方法通常需要复杂的固定装置，例如旋转框架来收集图像数据，以及多个转换步骤和/或算法来处理和分析图像。

除了上述三点还存在价格昂贵（15+ 万元），一般育种单位用不起，破坏性大，需要摘掉果穗，或者切割果穗，有些还对环境有特殊要求。

核心技术

‍‍‍‍‍‍‍‍‍‍

‍‍

数据集的建立

在数据集建立方面，为了后续能够准确提取与分析表型信息，我们首先构建了精确且高质量的玉米数据集。数据来源包括百度、谷歌等公开数据，其他论文中的公开数据，以及田间拍摄的 1727 张不同环境下的图片。

玉米粒检测模型

对于玉米粒检测模型，我们在构建数据集的基础上，创新性地将密集人群计数中表现出色的点查询四叉树构建方法引入到与密集人群相似的玉米籽粒计数中。通过将图片输入至玉米穗检测模型，我们能够得到带有精确点坐标的玉米粒计数图。

开发行穗计数算法

在开发行穗计数算法方面，我们提出了一套精细化的行检测和行穗数计数方法。由于密度图预测能够达到精确的点预测，因此可以进一步进行行检测和行穗数计数。