旗叶夹角是小麦株型的重要构成因素之一，是决定小麦群体大小，群体光能拦截效率和通风透光性能的关键农艺性状。旗叶夹角长期依赖人工测量，效率低、精度差、主观性强，难以满足大规模精准育种和栽培管理的需求。因此，如何实现小麦旗叶夹角的低成本、高精度测量，已成为当前亟需解决的技术瓶颈。
近日，中国科学院遗传与发育生物学研究所蒋霓研究组在
The Crop Journal期刊上在线发表了题为
LeafPoseNet: a low-cost, high-accuracy method for estimating flag leaf angle in wheat的研究论文。该研究提出了一种成本低廉、实用性强的小麦田间旗叶夹角图像采集方法，并开发了轻量化的关键点检测模型LeafPoseNet。LeafPoseNet能自动识别旗叶中心点（Point of flag leaf center，Point L）、旗叶与茎的交点（junction between the flag leaf and stem，Point J）以及茎的中心点（point of stem center，Point S）三个关键位置，从而实现旗叶夹角的自动计算。与目前主流的关键点检测模型相比，LeafPoseNet 表现出更高的预测精度，其平均绝对误差（MAE）仅为1.75°，均方根误差（RMSE）为2.17°，决定系数（R²）高达0.998。LeafPoseNet能精准、稳定地识别各种类型的叶夹角的关键点位置，体现出良好的鲁棒性。更重要的是，LeafPoseNet采用轻量化设计，算力需求低，普通手机就能轻松运行，特别适合在田间大规模、快速测量使用。用LeafPoseNet 测量小麦自然群体旗叶夹角，并进行全基因组关联分析，鉴定出10个与旗叶夹角相关的数量性状位点，展示其应用于旗叶夹角遗传解析的潜力。综上所述，基于LeafPoseNet 所提取的高质量表型数据，为旗叶夹角性状的遗传解析提供了可靠的表型基础，为理想株型的精准表型获取与分子育种设计提供了重要的技术路径与应用范式。
中国科学院遗传与发育生物学研究所在读博士生王琦、孙孚俊为论文共同第一作者，蒋霓研究员为通讯作者。该研究得到农业农村部重大专项，国家重点研发计划和中国科学院战略性先导科技专项的资助。
图：基于LeafPoseNet的小麦旗叶夹角表型测量流程
