近年来基于图像的植物表型钻研的进展提高了我们钻研养吩熠成长动态的能力。然而，更复杂的农艺性状，例如重要是对谷物产量贡献的花序结构（IA）的农作物，在量化方面更具挑战性，而索求水平相对较低。以前利用基于图像的表型分析来估计花序有关性状的致力仅限于粉碎性的端点丈量？⒎欠鬯樾曰ㄐ蚍中推教芄患涌毂硇捅湟斓姆⑾，蕴含花序动态和调控关键产量成分的潜在基因的定位。

本钻研的重要主张是在高时空分辨率下评价水稻花序的受精后的发育和成长动态。为此，此钻研开发了圆锥成像平台(PI-Plat)，以非粉碎性的方式理解IA的多维特点。使用11个水稻基因型在施肥后每周采集初生穗的多视图图像。这些图像被用来沉建圆锥花序的三维点云，这使得可能提取数字特点，如体素计数和色彩强度。了局批注，成熟穗体素计数与种子数和沉量呈正有关。发育圆锥花序的体素计数反映了在籽粒充盈期增长的总体体积，其中色彩强度的量化估计了圆锥花序成熟的速度；3D的阐发型解决规划比传统的基于2D的步骤阐发出更好的机能。

利用PI-Plat发展圆锥花序的多视角图像分析。使用3D沉建和2D步骤的多视图图像分析的流程图（a）和（b）图形暗示

体素计数的估计。三维点云的体素计数代表发育穗的总体积。均匀体素计数从所有基因型别离为医治(节造和HNT)和功夫点(第1、2和3周)显示。箱形图暗示一样的领域、中位数和均匀值(红色三角形)。与类似字母相连的均匀数没有显著性差距。b节造前提下基于体素计数的基因型档次聚类分析。c体素计数对应于簇I-IV的单个基因型。y轴暗示体素计数，x轴暗示功夫点(第1、2、3周)。C: control(蓝线)，HNT:夜间高温(红线)。箱形图暗示一样的领域、中位数和均匀值(红色三角形)。与类似字母相连的均匀数没有显著性差距。