根系是作物吸收水分和养分的重要器官，完整准确地获取根系表型信息在根系表型组学研究中具有重要意义。根系原位研究方法可以在不破坏根系的情况下获取根系图像，但其图像容易受到土壤遮挡的影响，降低其结构完整性。因此，如何保证根系原位识别的完整性和建立原位根系图像表型恢复方法还有待探索。

本研究基于棉花根系原位图像，利用改进的UNet和调整EnlightenGAN参数权重提出根系原位分割与重建策略，其模型实现了精准分割，并基于迁移学习实现了增强分割。研究结果表明，改进后的UNet模型准确率为99.2 %，MIoU为87.03 %，F1得分为92.63 %。此外，本文提出了一种基于主观视觉和数值融合的根系重建评价标准。根据人眼主观感知，重建根的平均嵌合度评分为7.9，中位数评分为8，平均相似度评分为2.9，EnlightenGAN直接分割后重建的根系有效重建比为92.46 %。

本研究基于三种分割-重建策略，完成了根系原位重建从有监督训练到无监督训练的转变，实现了根系原位图像的完整性恢复，为根系的原位表型研究提供了一条新的途径。未来工作将集中在改进生成对抗网络和分割网络，并对影响根系生成因素进行重点研究。

 图1. 本研究工作路线

图2. 改进的UNet结构

 图3. EnglightenGAN结构

 图4. UNet-EnlightenGAN-Unet结构

图5. 测试集重建根系评价指标（上）及主观评价（下）

 图6. 不同网络之间的对比（上）及烧蚀实验（下）

图7. 将迁移学习（上）与迭代根生成（下）进行比较。白色为原根，红色为重构根

表1.试验结果比较