8月30日，广西农业科学院玉米研究所种质资源团队联合广西大学农学院、广西大学计算机与电子信息学院在国际学术期刊《European Journal of Agronomy》（中科院一区TOP期刊，IF：4.5）发表了题为“Developing a Deep Learning network “MSCP-Net” to generate stalk anatomical traits related with crop lodging and yield in maize”的研究论文。

该研究首先建立了一个玉米茎秆横截面切片表型数据集（MSCP），随后开发了基于卷积神经和实例分割的深度学习网络模型（MSCP-Net），最后利用MSCP-Net获取的茎秆解剖参数和重要农艺性状进行了关联分析。相关性分析结果表明，茎秆横截面面积、大维管束数目、纤维含量和气生根是影响玉米抗倒性和籽粒产量的关键指标。聚类分析将玉米自交系分为两组，其中第二组自交系有更高的育种利用价值，作者目前已利用第二组的D003和D008为亲本育成了高产优质抗倒的玉米新品种“桂单919”。当前，“桂单919”在广西推广面积约50万亩。该研究建立了玉米茎秆解剖学性状的计算和导出方法，使得高通量、自动化导出玉米茎秆解剖学结构参数成为可能。研究结果为深入了解玉米茎秆维管束特性及其遗传基础提供了技术保障，对提高抗倒伏能力和产量潜力具有重要参考价值。

玉米所周海宇为论文第一作者、广西大学硕士研究生李想、玉米所江禹奉副研究员为论文共同第一作者。玉米所程伟东研究员、谢小东副研究员等参与了该研究。此研究得到广西重点研发计划和广西自然科学基金等项目的共同资助。

玉米所 周海宇供稿/供图

一审一校：李慧峰

二审二校：薛臣艺

三审三校：陆炳强