单位面积穗数作为水稻产量构成的核心农艺性状指标，其精准量化对作物表型分析和产量预测具有重要意义。然而，当前穗数识别方法受限于地物分辨率不足和冠层遮蔽效应，难以实现大田复杂场景下的高通量精准计数。

 

　　针对这一技术瓶颈，研究团队创新性地构建了穗特征定位感知网络。该网络通过优化定位损失函数和重构特征提取网络，显著增强了模型对水稻穗形态特征的感知能力，有效提升了水稻不同穗型的定位精度。实验表明，在不同穗型及生育期的水稻冠层穗数据集上，网络展现出卓越的计数性能，显著优于现有方法。研究团队还通过模拟实验发现，穗特征定位感知网络模型在0.15厘米/像素的分辨率条件下仍展现出优异的鲁棒性。该研究为无人机航拍参数优化提供了重要理论依据，同时也验证了模型在低分辨率场景下的实用价值。

 

　　该研究得到十四五国家重点研发计划的资助。

 

　　原文链接：https://doi.org/10.34133/plantphenomics.0270