图3 基于FLOPs、参数量、效率(FPS)和准确性(mAP@0.5)指标对目标检测模型进行评估。
图4 基于NSL-C数据集评估不同参数规模的RTMDet模型。
图5 基于NSL-T测试数据集的3个穗类别检测结果比较。(A) 不同模型检测结果比较；(B) 不同检测模型对穗类别的整体评估。
图6 玉米制种3个阶段中雄穗状态检测和评估结果。(A) 小穗阶段(Tassel-S类别在数量上占优势，尽管也有零星出现的Tassel-L类别)；(B) 抽穗阶段(Tassel-L开始涌现)；(C) 去雄后阶段(母本区域基本均为Tassel-N类别，父本行植株处于Tassel-S和Tassel-L阶段）。
北京市农林科学院信息技术研究中心杜建军研究员为第一作者兼通讯作者，西北农林科技大学硕士研究生李金瑞为并列第一作者，北京农林科学院信息技术研究中心郭新宇研究员和赵春江院士为论文的共同通讯作者。该研究得到了国家重点研发计划（2022YFD1900701）、黑龙江省“揭榜挂帅”科技攻关项目（20212XJ05A02）、北京市农林科学院协同创新中心建设项目（KJCX20230429）、国家自然科学基金（U21A20205）等项目的部分支持。
杜建军，北京市农林科学院信息技术研究中心研究员。研究领域：（1）作物多尺度表型技术与产品；（2）图像处理与人工智能；（3）生物力学仿真。招收机器视觉、遥感、地理信息和AI大数据方向的博士后、硕士研究生，同时欢迎客座学生的加入。
https://doi.org/10.34133/plantphenomics.0199
Plant Phenomics | Point-Line Net：一种自上而下的田间玉米叶脉生长轨迹检测模型
Three-dimensional modelling of maize canopies based on computational intelligence
https://doi.org/10.34133/plantphenomics.0160
Plant Phenomics | 安徽大学联合北京市农林科学院信息技术研究中心提出了基于计算智能的玉米冠层三维建模方法
《植物表型组学》（Plant Phenomics）是由南京农业大学和美国科学促进会（AAAS）合作创办的英文学术期刊，于2019年1月正式上线发行。采用开放获取形式，刊载植物表型组学交叉学科热点领域具有突破性科研进展的原创性研究论文、综述、数据集和观点。具体范围涵盖高通量表型分析的最新技术，基于图像分析和机器学习的表型分析研究，提取表型信息的新算法，作物栽培、植物育种和农业实践中的表型组学新应用，与植物表型相结合的分子生物学、植物生理学、统计学、作物模型和其他组学研究，表型组学相关的植物生物学等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等数据库收录。科睿唯安JCR2022影响因子为7.6，位于农艺学、植物科学、遥感一区。2023年中科院期刊分区位于农林科学大类一区。2020年入选中国科技期刊卓越行动计划高起点新刊项目、2024年入选江苏科技期刊卓越行动计划领军期刊项目。
说明：本文由《植物表型组学》编辑部负责组稿。
审核：孔敏、王平
