单位面积分蘖数是决定产量的主要农艺性状之一。对该性状的实时评估有助于监测小麦群体生长，或作为作物育种筛选品种的主要表型指标。然而，分蘖数的确定通常依赖于复杂的人工计数。本文提出了一种基于地面激光扫描(TLS)数据的田间分蘖密度自动计数算法。该算法包括两个步骤：(1)使用自适应分层(AL)算法进行聚类分割，(2)使用层次聚类(HC)算法进行聚类间分蘖检测。

基于TLS数据的分蘖数估计方法(ALHC)的工作流程

在中国江苏省如皋和徐州的两个生态点进行了三次田间试验，用20个不同的小麦品种、3种氮水平和两种种植密度对算法进行了验证。结果表明，该算法在不同品种、不同年份、不同生育期、不同种植密度和不同生态位点上都具有良好的应用前景。2016-2017年如皋、徐州和2017-2018年如皋的检验表明，该算法对小麦分蘖数的估计回归系数(R²)分别为0.61、0.56和0.65。总之，ALHC的分蘖计数通常低估了分蘖数，在植株密度较低、株型紧凑和拔节期的数据中表现得更好，这些数据与植株之间和浓密冠层内部的重叠和噪声有关。

算法示例

综上所述，本文提出的自动分蘖算法充分利用了作物的三维信息，开发了一种适合田间环境的自动分蘖计数方法。

试验a、b、c试验c的分蘖数估计结果

来源：

Fang Y, Qiu X, Guo T, et al. An automatic method for counting wheat tiller number in the field with terrestrial LiDAR. Plant Methods volume. https://doi.org/10.1186/s13007-020-00672-8.