图1：不同方法对湿地松新抽梢数量的预测密度图

图2：不同模型的检测效果（ 漏检的为黄色圆圈，误检的为蓝色圆圈）

湿地松（Pinus elliottii）原产美国，是优良的脂用和材用树种，在我国南方地区广泛引种栽培。通过遗传选育目标性状，可以有效提升其松脂和木材产量。新梢密度，与树冠大小、营养吸收与再分配、以及光合能力紧密相关，是湿地松育种策略中的关键指标。然而，传统的新梢密度测量方法依赖人工观察，效率低，耗时长。由于树高和冠层密度因素，新梢的有效计数变得困难。因此，迫切需要开发一种基于自动化的新梢检测技术，以满足现代对于高通量和高效树木性状测量的需求。

中国林科院亚林所林木种质资源研究团队联合山东农业大学、新西兰坎特伯雷大学等多家单位在《Plant Phenomics》（《植物表型组学》）在线发表了题为“CountShoots: Automatic detection and counting of slash pine new shoots using UAV imagery（"CountShoots"：一种使用无人机图像的湿地松新抽梢自动检测和计数软件）”的研究论文。

本研究基于两个阶段实现了湿地松单株树冠的新梢量计数。首先利用YOLOX算法从原始无人机图像中提取单株湿地松树冠。其次，构建湿地松新梢量自动计数模型-SPSC-net，SPSC-net以人群计数网络CCTrans作为基准，通过使用非平衡传输和透视引导的传输代价函数，实现对多尺度图像的高效精准计数，并采用基于非平衡的最优传输方法改进原始的最优传输损失，以加强损失项对错误预测的监督。此外，针对全变差损失容易造成过拟合的问题，SPSC-net使用透视引导的运输成本来增加拥挤区域中抽梢的密度间隔，以提高定位准确性。通过与CCTrans、DM-Count、CSR-net等经典计数算法的比较，SPSC-net的MSE与MAE分别为7.00与2.27，均优于其他模型。

基于构建的湿地松单株树冠提取模型与新梢量计数模型，本研究最终开发了一款自动检测和计数湿地松新抽梢数量的用户友好软件——"CountShoots"。其用户界面设计简洁易用，用户可以通过简单的点击操作进行图像上传和新梢计数，并直接查看每个树冠的新抽梢数量。这项创新性的研究为湿地松新抽梢的密度研究监测提供了一种新的非破坏性方法，湿地松在无人机图像中的新抽梢可以自动被检测和计数，从而更好地理解湿地松的生长和光合作用能力，为提高松脂产出和木材产量提供了新的研究工具。

亚林所李彦杰副研究员为唯一通讯作者，该成果得到了中国林科院“青年英才工程”优秀青年创新人才培育计划（CAFYBB2022QA001）和浙江省农业（林木）新品种选育重大科技专项（2021C02070-7）资助。