玉米果穗表型性状是玉米育种、产量预测的重要参数。长期以来，玉米果穗表型性状主要依靠人工测量和统计分析，存在耗时、费力、主观性强、准确性差等问题。目前，利用计算机视觉和图像处理技术自动、高通量获取果穗各项表型性状参数已成为玉米果穗考种的重要手段，不但有助于降低人力成本、提高玉米考种效率、推进玉米考种作业流程的精准化、标准化，而且能够计算出诸多依靠人工难以直接测定或者统计耗时的性状特征，比如穗粒数、果穗体积和颜色纹理等。
玉米果穗形态、颜色复杂多样，依靠单张图像解析果穗表型性状参数存在数据缺失问题，因此融合果穗多侧面图像信息成为提高果穗考种精度的必然选择。该文利用步进电机驱动果穗转动、摄像机固定拍摄方式来获取果穗各个侧面图像（分辨率为1292×1080像素，像素尺寸为0.031cm/像素）。为了使图像采集区域覆盖玉米果穗整个表面且方便后期果穗表型计算，通常将图像采集数量设置为4的倍数。
在提出的玉米果穗表型计算框架中，将各个穗粒的形状、颜色等特征作为算法设计优先考虑的问题。对图像序列中果穗进行轴向、径向畸变校正，目的就是在像素分辨率尺度上恢复果穗和穗粒的边界轮廓和表面形态特征，为果穗三维重建和穗粒信息检测提供依据；对图像中穗粒进行精准检测，则是利用了作者前期开发的“玉米果穗分级阈值分割方法技术”，该方法基于穗粒统计特征实现感兴趣目标的精准检测、分类和识别；进一步，利用轮廓分析技术在穗粒尺度上实现了图像序列中穗粒拼接和融合，生成果穗表面上的穗粒分布图，由此可计算出果穗和穗粒的各项表型性状参数。
以郑单、先玉、京科等品种的100个果穗作为测试样本，以人工测量的穗长、穗粗、穗行数、行粒数等作为对照数据进行该文方法的计算精度测试。各表型参数计算值和实测值间的线性回归和统计直方图分析结果表明，提出的方法对穗型及穗粒分布规则的玉米果穗具有较高测量精度，其中穗行数、行粒数、总粒数、穗长和穗粗的平均计算精度分别为98.231%、94.351%、96.921%、98.956%和98.165%。然而，果穗秃尖和穗粒厚度等小尺寸性状的检测值与人工测量值之间则存在一定差异，主要是受限于果穗图像分辨率。
值得指出的是，该文对果穗表型性状的定义均是从图像分析角度进行描述，如何结合玉米育种专家的知识和经验，进一步明确果穗性状的定义、计算方法和误差范围，进而建立标准化的玉米果穗自动化考种流程和规范，将是下一步研究亟待解决的问题。
