在小麦生产中，赤霉病（Fusarium head blight, FHB）主要是禾谷镰孢菌引发的一种真菌病害，不仅导致产量大幅下降，还会产生毒素污染谷物、威胁粮食安全。传统小麦FHB抗性鉴定依赖人工接种与目测评估，存在效率低、主观性强、难以在田间大规模应用等问题。近年来，通过融合无人机的高通量表型采集和深度学习目标采集技术为作物病害监测提供了新的解决方案，为实现大规模、自动化的小麦FHB抗性评价奠定了方法基础。
近日，南京农业大学周济/王秀娥课题组在The Crop Journal在线发表了题为“Combining ultralow-altitude drone phenotyping with deep learning analytics to assess resistance and disease dynamics of Fusarium head blight in wheat”的研究论文。该研究通过融合超低空无人机表型采集与自主开发的深度学习目标检测模型，实现了小麦品种的FHB高通量、自动化抗性评价，为抗性品种的选育提供了新的解决方案。该小麦FHB抗性高通量检测平台量化了接种后10~20天的FHB抗性相关关键性状，以此完成了动态侵染曲线的构建并基于时序对不同抗性等级小麦品种FHB侵染模式进行了分类，为育种家和植物研究者评价小麦FHB抗性水平、筛选抗病品种以及理解病害侵染过程提供了新方法和大数据支撑。
研究团队首先于2023–2024年生长季对423个小麦商业育种系进行了FHB温室接种试验，利用超低空无人机采集了高分辨率时序图像，构建了包含4867个病穗和106,801个健康穗的小麦赤霉病数据集OFHB，进而将轻量化共享卷积（ShConv）和组归一化（GN）模块引入标准YOLOv8n-seg模型，提出了YOLOv8-WFD模型。该模型在保持高精度大棚条件下FHB病穗检测（AP = 92.6%）的同时显著降低了模型的复杂度，再结合自适应超绿算法（AExG）提取穗部病斑区域，实现了6个FHB相关性状的自动化时序分析。
图1 接种后10至20天期间量化赤霉病相关性状的算法流程
然后，通过SHAP值分析和层次聚类，该研究还将423个所试育种系样本划分为高抗、中抗、中感和高感4个抗性等级，其分类结果与人工评估结果高度一致（其中高抗品种分类准确率达95%）。此外，该研究首次绘制了不同抗性等级品种的FHB动态侵染曲线，揭示了FHB在接种后10~20天内的动态侵染模式，并识别了抗性评价的关键时间窗口（如16 DAI为抗性分级关键期、不同抗性等级小麦品种抗性转变的关键时间点）。该研究建立的“无人机采集–AI模型检测–动态性状分析–抗性等级评估”的表型采集和自动化解析平台，不仅提升了FHB抗性鉴定的通量与准确性，还为育种家和植物学家理解FHB动态侵染规律提供了新方法和大数据支撑，对小麦抗病育种具有重要的应用价值。
图2 基于SHAP值的特征重要性分析，实现了两个生长季（2023–2024）中小麦赤霉病不同抗性等级的自动化分类
图3 小麦FHB不同抗性等级的关键性状动态侵染曲线，结合时间序列聚类算法进一步量化了不同抗性等级小麦品种的FHB动态侵染模式和关键侵染时刻。
南京农业大学前沿交叉研究院硕士研究生柳书臣、博士研究生戴杰和硕士研究生黄金龙为该文共同第一作者，周济教授和肖进教授为共同通信作者。该研究得到了生物育种国家科技重大专项（2023ZD04025）、江苏省种业振兴项目（JBGS [2021] 006）、国家自然科学基金项目（32070400）、英国BBSRC基金（BB/Y513969/1、BB/Y514081/1）以及Allan & Gill Gray基金会的资助。
植物科学最前沿，专注于植物科学前沿进展、资讯、招聘信息的发布及方法软件共享等。
投稿及招聘请后台回复“投稿”，均为无偿；商务合作请联系微信ID：zwkxqy ；
