玉米(ZeamaysL.)是全球产量最多的谷物，其生产力的提高归功于遗传、农艺和气候因素，其中适应更高密度的品种发挥着至关重要的作用。最近的研究重点是玉米的结构可塑性，特别是其适应叶子结构以在不同密度下最大化光拦截的能力。这种适应包括叶子重新定向，这是对种内竞争的反应，受到红光与远红光比率变化的影响。

新的自动算法揭示了叶子方向和植物生产力的关键见解

然而，目前的研究是有限的，通常只检查一种或两种基因型，并且受到耗时的手动测量的限制。使用RGB相机和LiDAR等技术的高通量表型分析的最新进展促进了更高效的数据收集。尽管取得了这些进步，但在开发用于跟踪玉米叶片方向的自动田间方法方面仍然存在重大差距，这是理解基因型与环境相互作用和在高密度条件下优化产量的重要方面。

2023年5月，PlantPhenomics发表了一篇题为“使用RGB图像的自动方法分析GxExM导致的玉米叶方向变化”的研究文章。

在本研究中，开发了一种自动算法(中脉检测自动叶子方位角估计[ALAEM])，用于使用垂直RGB图像描述田间条件下的玉米叶子方向。该算法根据手动地面测量进行了验证，并应用于法国南部两个地点以不同密度和行距播种的五个玉米品种。这项工作旨在评估基因型和环境对叶片方向的影响以及品种在适应叶片方向方面的可塑性。

验证结果表明，随着玉米植株的发育，ALAEM对叶片方向的估计与手动测量更加一致。早期阶段显示出较低的相关性(220°Cd时R2=0.014，430°Cd时R2=0.125)，但在650°Cd时观察到显着相关性(R2=0.36)。该算法捕获了治疗、基因型和位点之间的大部分变异性，RMSE偏差为10%，令人满意。

然而，ALAEM的有效性因地点和发育阶段而异，并受到地块异质性和叶子可见度等因素的影响。ALAEM揭示了不同基因型和播种模式的叶片方向的不同模式。在650°Cd时，注意到叶子有明显的优先方向，特别是在高矩形播种模式中。这种方向因地点而异，并受到阳光条件和种内竞争等因素的影响。该算法表明，一些杂交品种响应高矩形播种而具有更明显的叶片重新定向，表明可塑性更高。

尽管ALAEM很有效，但它也有局限性。它依赖于垂直RGB图像，无法提供每叶列的方位角。该算法主要检测树冠上部的叶子，而较低等级的叶子通常会被遮挡。图像捕获期间的照明条件也会影响中脉检测的准确性。

总体而言，该研究强调了种内竞争和环境条件对玉米叶片方向的影响。它发现了不同播种模式下杂交品种叶片重新定向能力的显着差异，从而深入了解它们的结构可塑性。这强调了ALAEM在大规模表型实验中的实用性，并增进了对田间条件下玉米叶片方向动态的理解。