大豆是我国最重要的粮食作物之一，迄今已有五千多年的栽培历史。随着人类人口的不断增加和环境的持续恶化，培育高产、高品质和多抗性的大豆新品种将为人类粮食安全提供重要保障。在现今的大豆育种研究工作中，成熟期表型的调查至关重要，而传统的方法费时费力且精度不高。“如何快速、准确和高通量地实现大豆成熟期相关表型的度量”已成为当前大豆育种领域的热点。

        近日，东北农业大学大豆遗传改良团队在The Crop Journal在线发表了题为“SPM-IS: An auto-algorithm to acquire a mature soybean phenotype based on instance segmentation”的研究论文。

　　图1 -表型提取结构图。(a)成熟期整株大豆(b)拆分豆荚与主茎 (c)主茎(含校准点)(d)大豆豆荚(含校准点)(e)大豆籽粒(含校准点)(f)图像数据标签制作和SPM-IS表型提取(g)提取后主茎的表型(h)提取后豆荚的表型(i)提取后籽粒的表型。

　　图2-利用SPM-IS提取表型数据。(a)大豆豆荚表型提取的结果 (b) 提取大豆主茎表型的结果(c) 大豆籽粒表型提取的结果

　　该研究提出了一套基于深度学习的大豆成熟期表型测量框架——SPM-IS(soybean phenotype measurement -instance Segmentation)。该框架的模型骨架主要由特征金字塔网络、主成分分析算法和实例分割网络构成。通过对模型6万次的训练，mAP(mean Average Precision)达到了95.7%。在研究中比较了人工测量与模型测量的荚长、荚宽、节长、主茎长、粒长、粒宽、荚数、节数和粒数等表型的测量效果，它们的相关系数依次分别为0.9755、0.9872、0.9692、0.9803、0.9656、0.9716、0.9733、0.9872和0.9851。表型提取全过程见图1。分析结果表明，SPM-IS是一种高效、稳定和准确的测量算法，可以有效降低劳动强度，提高效率，加快大豆成熟期表型获取过程。

　　图3-SPM-IS测量与计数的相关分析。(a-b)机器测量与人工测量豆荚长、豆荚宽的相关分析。(c) 对豆荚机器计数与人工计数的相关分析。(d) 机器测量与人工测量茎秆长度的相关分析。(e) 机器测量与人工测量全茎长相关分析。(f) 机器计数与人工计数茎秆节数的相关分析。(g-h) 机器测量与人工测量种子长度和宽度的相关分析。(i) 对大豆籽粒机器计数与人工计的相关分析。

　　来源： Shuai Li, Zhuangzhuang Yan,SPM-IS: An auto-algorithm to acquire a mature soybean phenotype based on instance segmentation,The Crop Journal,2021,ISSN 2214-5141,https://doi.org/10.1016/j.cj.2021.05.014.

 　　编辑：李帅