玉米(Zea mays L.)是全球产量最高的谷物，其生产力的提高得益于遗传、农艺和气候因素，其中适应高密度的品种起着至关重要的作用。最近的研究集中在玉米的结构可塑性上，特别是它在不同密度下适应叶片结构以最大化光拦截的能力。这种适应包括叶片重新定向，这是一种对种内竞争的反应，受红光与远红光比变化的影响。
然而，目前的研究是有限的，通常只检查一种或两种基因型，并且受到耗时的人工测量的限制。最近在高通量表型分析方面的进展，如使用RGB相机和激光雷达等技术，促进了更有效的数据收集。尽管取得了这些进展，但在基于田间的玉米叶片定位自动跟踪方法的发展方面仍然存在重大差距，这是了解基因型与环境相互作用和优化高密度条件下产量的重要方面。
2024年5月，Plant Phenomics发表了一篇题为《利用RGB图像的自动方法分析GxExM引起的玉米叶片取向变化》的研究文章。
在本研究中，开发了一种自动算法(automatic Leaf Azimuth Estimation from Midrib detection [ALAEM])，利用垂直RGB图像描述田间条件下玉米叶片的方位。该算法通过人工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的面板。本研究旨在评估基因型和环境对叶片取向的影响，以及品种对叶片取向的适应性。
验证结果表明，随着玉米植株的发育，ALAEM对叶片取向的估计与人工测量更加接近。早期阶段相关性较低(220°Cd时R2=0.014, 430°Cd时R2=0.125)，但在650°Cd时，相关性显著(R2=0.36)。该算法捕获了治疗、基因型和位点之间的大部分可变性，RMSE偏差为10%，令人满意。
然而，ALAEM的有效性受样地异质性和叶片能见度等因素的影响，因场地和发育阶段而异。ALAEM在不同的基因型和播种模式中显示出不同的叶片取向模式。在650°Cd下，叶片有明显的优先取向，特别是在高矩形播种模式下。这种朝向在不同的地点有所不同，并受到阳光条件和种内竞争等因素的影响。结果表明，在高矩形播种条件下，部分杂交种的叶片重定向更加明显，具有较高的可塑性。
尽管ALAEM很有效，但它也有局限性。它依赖于垂直RGB图像，不能提供每叶秩的方位角。该算法主要检测上层树冠的叶子，下层树冠的叶子通常会被遮挡。图像捕获期间的照明条件也影响中脉检测精度。
总体而言，本研究强调了种内竞争和环境条件对玉米叶片取向的影响。发现不同播种方式下杂交种叶片定向能力存在显著差异，为了解其结构可塑性提供了依据。这强调了ALAEM在大规模表型实验中的实用性，并促进了对田间条件下玉米叶片取向动态的理解。
