小麥是一種經濟作物，其產量與農民的收入直接相關。隨著國家經濟水平的提高和城鎮化進程的加快，農民對于小麥的需求不斷增長，因此種植小麥成為了他們追求更高收入的重要途徑。由此可見，小麥的播種量增加與國家的經濟發展密切相關。

小麥作為主要糧食作物之一，其生產對于國家糧食安全具有重要的意義。在保證口糧供應的前提下，加大對小麥種植的補貼、提高小麥的種植效率等，這些措施進一步激發了農民對小麥種植的積極性，從而導致小麥的播種量不斷增加。

培育優質高產的小麥品種是小麥育種的主要目標，而小麥籽粒完整性直接影響小麥育種進程。完整籽粒與破損籽粒的部分特征差異較小，是限制基于深度學習識別破損小麥籽粒精準度的關鍵因素。

山東農業大學機械與電子工程學院/智能化農業機械與裝備實驗室組成劉平教授團隊，為解決小麥籽粒檢測精度低的問題，該研究建立ImCascade R-CNN模型，提出小麥籽粒表形鑒定方法，精準檢測小麥籽粒完整性、分割籽粒并獲取完整籽粒表形參數。

ImCascade R-CNN模型檢測小麥籽粒完整性的平均精度為90.2%，與Cascade Mask R-CNN、Deeplabv3+模型相比，能更好地識別、定位、分割小麥籽粒，為籽粒表形參數的獲取提供基礎。該方法測量粒長、粒寬的平均誤差率分別為2.15%和3.74%，測量長寬比的標準誤差為0.15，與人工測量值具有較高的一致性。

該研究結果可快速精準檢測籽粒完整性、獲取完整籽粒表形數據，加速培育優質高產小麥品種。

小麥的種植技術不斷改進和推廣，如大力發展農機化、推廣科學種植技術、加強品種改良等，這些措施使得小麥的種植成本降低、產量增加，從而進一步推動了小麥的播種量不斷增加的趨勢。

審核編輯 黃宇