橡胶树是重要的热带经济作物，其生长状况直接关系到天然橡胶产量与品质。石细胞作为树皮中具有代表性的机械组织，其分布特征与橡胶树的抗逆性和生理发育密切相关。分割技术对准确识别石细胞并提取其结构参数具有重要意义，有助于加快橡胶树的表型分析进程，提升分子育种效率和橡胶林管理的智能化水平。

图为海南橡胶林。受访者 供图

  ?

然而，当前橡胶树树皮石细胞的图像分割任务仍面临挑战，一是石细胞边缘结构复杂多变，切片过程中易出现细胞破碎，导致图像中目标轮廓模糊、不连续；二是石细胞具有特定的分布规律，主要集中于砂皮外层及粗皮之间，而传统卷积神经网络在此类局部密集特征中提取有效表征信息存在困难；三是传统机器学习方法在训练过程中易受到损失函数中鞍点与局部极小值影响，进而影响模型性能。

橡胶树树皮切片影像特征。受访者 供图

  ?

为此，中南林业科技大学教授周国雄团队与中国热带农业科学院橡胶研究所副研究员张源源科研团队，联合提出了一种名为CGWO-LWNet的新模型，可有效分割橡胶树树皮石细胞。该成果近日发表在The Plant Journal上。

新模型集成三个创新，首先提出低秩可加核网络模块，用于学习输入与输出数据之间的复杂映射关系，该模块通过可学习的权重与偏置自适应调节，显著提升对石细胞复杂边缘结构的建模能力；其次引入小波增强注意力机制，在空间与通道两个维度上对图像进行高低频分解，实现多分辨率特征表达；最后设计约束灰狼优化算法，提升训练收敛速度的同时增强模型稳定性，有效避免陷入局部最优。

研究团队基于中国热带农业科学院采集的石细胞切片图像，构建了一个包含1084张橡胶树树皮石细胞图像的高质量数据集，并在此基础上开展建模与评估实验。

实验结果表明，团队提出的CGWO-LWNet模型，对图像分割准确度达到了较高水平，平均有 69.1% 的区域和真实结果完全重合，形状匹配程度达到 81.7%，找出的目标占实际目标的 80.4%，总体效果比目前常用的分割方法更好。石细胞识别准确率方面，CGWO-LWNet达到97.8%，表现出更高的精度和鲁棒性。

据介绍，该方法可作为石细胞高精度图像分割的有效工具，支持大规模、自动化的橡胶树性状提取与分析，有助于深入开展石细胞形成机制、乳胶产量影响以及对树皮结构稳定性与胁迫响应能力的遗传研究。

相关论文信息：doi:http://dx.doi.org/10.1111/tpj.70371