近日，南京农业大学与中科院植物所合作在Plant Methods在线发表了题为“Leaf to panicle ratio (LPR): a new physiological trait indicative of source and sink relation in japonica rice based on deep learning”的研究论文。该文基于机器学习原理，利用深度学习（deep learning）技术，提出了叶、穗光截获比（Leaf to Panicle Ratio in terms of light interception，LPR）这一整合源（叶片）、库（穗部）关系的新生理性状，并展示了LPR在水稻种质资源鉴定和栽培管理中的应用前景。

该文提出了一种基于端到端的深度学习卷积神经网络（FPN-Mask），实现了对真实田间水稻RGB图像叶片、穗部器官的自动分割（图1）。FPN-Mask以FPN为骨架模型，提取输入图像的多尺度特征，将所有特征进行融合实现语义分割，对水稻穗部、叶片、背景等不同对象进行精确的像素分类。该方法适用于不同生育期、基因型、拍照角度和光照条件下的RGB图像，测试集mIoU均值达0.85，PA达0.94以上。在此基础上，开发了配套识别软件GvCrop，借以计算了叶片和穗部面积的比值（LPR）。

该文首次量化了光能在叶片和穗部器官之间的分布，提出了LPR这一综合表征作物源、库关系的新生理性状；揭示了LPR在不同株型水稻种质材料中的广泛变异（图2），明确了氮素穗肥（图3）和生长调节剂（图4）对LPR的调控效应，提出了定向促控LPR的技术途径。本研究是计算机科学与作物科学交叉研究的一个有益尝试，研究结果有助于高效鉴选种质材料，科学评估群体质量和精准调控作物生长，为育种家和栽培学家提供了新的考量视角和技术手段。

图1 FPN-Mask模型与GvCrop软件开发流程图

图2 LPR在不同株型水稻材料之间存在显著差异。192份突变体材料LPR的变异范围在1.37~5.60之间；密穗型品种最高，而具芒散穗型品种最低。A，开花当天；B，花后15天；C，花后30天；D，花后45天。WT，野生型；CP，密穗型；CTP，鸡爪穗；IP，中间型；LP，散穗型；LPA，具芒散穗型。

图3 前氮后移增加了水稻群体的LPR。与对照（N10-0）相比，前氮后移（N5-5）群体的LPR在灌浆中期和后期分别提高了0.45和0.76。试验品种为武运粳30号。A，N5-5；B，N10-0。N5-5和N10-0为氮肥处理，基蘖肥和穗肥的比例分别为5:5和10:0。

图4 植物生长调节剂可正向和负向调控LPR。芸苔素唑和烯效唑提高了灌浆期群体LPR，油菜素内酯和赤霉素则显著降低了群体LPR。试验品种为宁粳8号。A，抽穗期；B，灌浆期；C，成熟期。CK，纯水；BR，油菜素内酯；BRZ，芸苔素唑；GA，赤霉素；UNI，烯效唑。

南农2019级博士研究生杨宗锋为本文第一作者，刘正辉教授（南农）、郭庆华教授（植物所）为共同通讯作者，南农丁艳锋教授、李刚华教授，植物所苏艳军、庞树鑫、高上等参与了部分工作。该研究受到国家重点研发计划（2017YFD0300103）、国家自然科学基金（31771719）、863计划（2014AA10A605）等项目资助。

南京农业大学水稻栽培团队长期致力于作物生理学的基础理论与应用研究。近年来与中科院植物所、英国洛桑研究所（Rothamsted Research）等单位合作，在胚/胚乳互作、源库关系、理想株型以及生理性状的发掘与应用中取得新进展。相关研究结果发表在The Crop Journal、Plant Methods、Plant & Cell Physiology、BMC Plant Biology和Plant & Soil等国际期刊。

据悉，作物科学在一定意义上是关于作物性状的靶标选择（遗传改良）与定向促控（栽培管理）的理论与知识体系。作物科学研究的核心对象是性状，其中心任务是提出有农学价值的新性状，揭示其遗传基础、生理机制、环境效应与调控机理，为作物育种和栽培提供新的选择、诊断指标，支撑现代作物育种与智慧化管理。与株高、生物量、收获指数等传统农艺性状（agronomic trait）相比，生理性状（physiological trait）更能表征作物产量、品质与抗逆性的形成机制，是具备现代生物学理论基础的新性状。日新月异的人工智能、表型组学、功能基因组学理论与技术研究成果，为作物生理性状的发掘、利用提供了动力源泉。

原文链接：https://plantmethods.biomedcentral.com/articles/10.1186/s13007-020-00660-y