根系是植物埋藏于地下的重要器官，其表型特征决定着植物吸收养分和水分的能力，但受土壤阻隔使得人们对其遗传潜力的研究和认识远远落后于植物冠部。从传统的挖掘法、钉板法，到现代的地下根室、微根室技术以及从早期的人工测量，到现代基于图像分析的自动检测技术，人们一直致力于对植物根系构型检测技术的研究和创新。根系表型特征研究的技术瓶颈主要集中在三个方面：一是原位性要求，检测得到的表型参数必须能够体现根系在土壤空间中自然生长的原始状态下的构型特征；二是完整性要求，表型参数的完整性要求检测技术不仅可以获得根系的二维构型特征，而且还要体现其三维构型特征；三是无损性要求，表型参数的检测过程需要在不影响植物正常生长的情况下进行，以便能够实现连续动态的表型分析。针对植物根系三维构型原位观测方法面临的技术难题，华南农业大学农业成像检测技术研究室在国家863计划项目、国家自然科学基金项目等多项课题的不断资助下，开展了一系列的研究工作，在算法理论、关键技术、实现方法、硬件集成和系统研制各方面均取得了突破性的重要成果。

一、基于平板探测器的植物根系原位成像检测系统

课题组针对生长在介质环境中的植物根系这种特殊的原位检测对象，研究确定了对其进行原位断层成像的技术要求，选用进口的160千伏小焦点X射线源和大视野平板探测器等作为根系原位成像的关键部件，采用近似锥束扫描断层重建方法，设计研制了一套植物根系原位计算机层析成像检测系统。该系统主要由X射线源、高压发生器、平板探测器、机械扫描系统、运动控制系统、安全防护系统和计算机图像采集系统等部件组成（图1）。

系统的主要性能参数：空间分辨率达3线对/毫米，密度分辨率达1%；待测样品最大重量为 15千克，最大直径为 250毫米，扫描高度可达 500毫米；断层图像解析度（重建矩阵）分为 512×512、1 024×1 024、2 048×2 048 三种模式，像素数据存储位数达 32位。

二、植物根系原位层析成像质量的因素分析与优化

课题组在完成了原位根系层析成像检测系统的构建之后，通过理论分析与试验研究相结合，较为全面地考查了影响土壤中植物根系层析成像质量的各种主要因素及其作用规律，并找出了相应的优化改进方法，以期在现有硬件条件下获得更好的原位根系成像质量，为进一步挖掘成像系统的原位检测能力提供了理论依据和技术方法。

开展了土壤介质中植物根系成像检测的试验研究，实现了大尺寸样品（直径达210毫米）土壤介质中植物根系的清晰成像，并完成了系统的几何校准和设备验收工作。选用内径为 210毫米的花盆满装广州本地红壤土的植物根系样品，对其进行标准CT扫描测试。重建获得CT断层图像中的根系区域清晰可见。

开展了介质类型、组成、尺寸和水分等因素对成像质量影响的试验研究，找出了介质颗粒大小、水分含量对成像质量的影响规律。测试结果表明，椰蓉有机土的成像效果最好、本地红壤土次之、沙质土效果最差。根系样品的成像质量不仅与介质的密度差有关，还与其颗粒大小、组成分布和含水量等因素相关。介质颗粒越小、越均匀，越有利于提高细小根系的分辨能力。对20目（0.9毫米） 、30目（0.6毫米）、40目（0.45毫米）、65目（0.25毫米）、80目（0.2毫米）、100目（0.15毫米）、120目（0.125毫米）等不同土壤颗粒中根系样品进行成像测试，图2呈现了3组粒径不同的土壤颗粒对原位根系CT图像重建质量影响的效果。图2（a）中的土壤取自20目与30目筛之间，其粒径范围为：0.6～0.9毫米，图2（b）中的土壤取自30目与40目筛之间，其粒径范围为：0.45～0.6毫米，试验条件下成像质量最好的土壤颗粒大小是0.25～0.45毫米（位于40目与65目筛之间的土壤）。

三、植物根系原位断层图像重建算法的并行加速与优化

课题组在现有CT重建理论的基础上，综合分析了基于平板探测器的CT重建方法，通过对FDK重建算法的原理进行分析，对滤波、反投影等符合SIMD的处理过程进行深入研究，最后探讨了不同滤波效果对成像质量的影响。基于CUDA实现了FDK滤波和反投影阶段算法的并行设计。基于CUDA加速的FDK重建方法突破了CPU重建的性能瓶颈，在对比实验中可以获得最高18倍以上的加速。

四、植物根系原位断层序列图像的处理与分割方法

为了进一步改善原始图像的质量，以降噪和提高图像对比度为目标，对原位根系CT序列图像进行了数字图像处理方法的研究，包括均值滤波、中值滤波、形态学滤波以及线性分段开窗显示、着色显示、直方图均衡等预处理方法的适用性研究。确定了合适的图像处理方案，取得了显著的改善效果，为后续分割算法设计和优化奠定了基础。

课题组从原始空间序列图像的直方图分析入手，对原位根系空间序列图像数据的特征进行了深入系统的研究。针对与根系密度相似、空间相邻的介质体素以及可能出现的逆生长和微细根系与周围介质的分割粘连等技术难题，展开了原位根系空间序列图像精细分割方法的研究。先后开展了基于区域生长与阈值分割相结合的综合图像分割算法、基于遗传算法的模糊阈值分割方法以及原位根系三维区域生长算法等多种分割方法的研究工作，获得了高精度的根系断层区域，取得了较为理想的分割效果。图3展示了采用遗传优化算法对某根系样品在第104、160和165等不同断层的CT图像进行图像分割的结果。

五、基于CT图像的植物根系三维重建与可视化表达方法

结合序列图像层间递推分割算法的特点，课题组提出一种融合分割过程的移动立方体（MC）算法，将层间递推分割过程与MC三维重建过程有机融合在一起，将分割完成的上下层根系区域直接作为MC算法的输入，边分割边构建层间等值面。这种改进不仅摆脱了传统MC算法只能采用阈值分割的局限性，可以将多种适用的分割算法集成到三维重建过程中来；而且可以避免对大量非根系体素的访问以及两个过程独立执行带来的额外时间开销。

课题组通过建立原位根系稀疏云点骨架模型，提出由原始切片数据对根系进行建模并三维可视化的新方法。通过借助OpenGL工具箱编写蒙皮的骨架模型渲染方法对稀疏云点模型进行可视化，利用GPU提高了可视化模型的渲染速度，达到较好的交互测量和显示效果。相对于传统的表面模型，这种改进的基于骨架模型的三维可视化方法不仅能够有效地降低数据量、提高可视化渲染速度，而且为后续对根系的交互测量和定量分析提供了更好的数据基础。图4展示了几种不同的植物根系样品进行原位、三维可视化重建的结果。

六、植物根系三维矢量模型的构建与构型分析方法

利用前期获取的原位根系序列图像分割数据和三维实体（体素）数据，分别开展了基于2D序列分割数据的三维骨架提取方法研究和基于3D实体数据的三维骨架提取方法研究。在基于序列分割数据的研究中，主要完成了根心曲线的拟合方法、分支点和端点定位方法等研究工作。在基于三维实体数据的研究中，重点开展了采用拓扑细化算法直接提取三维实体数据的骨架方法研究，以及先检测实体模型的边界体素、再利用点云模型的骨架提取算法获取三维骨架的方法研究。并对上述多种方法获取的三维骨架进行了定位精度和提取速度的对比分析，图5 展示了不同算法提取的三维骨架效果。

在三维骨架模型的基础上，通过增加基点、转折点和分支点等节点处的等效半径参数，构建原位根系的三维矢量模型，图6展示了某根系三维表面模型与三维矢量模型的可视化对比。

在三维矢量模型的基础上，开展了根长、根数、根体积、表面积、分支角以及根长密度等关键构型参数计算方法的研究。三维根系构型参数及其统计分析结果最终是以定量分析报表的形式输出。

七、植物根系原位三维成像检测与分析原型系统的设计与实现

在Windows系统上采用C++编程语言，借助跨平台的图形用户界面应用程序开发框架Qt、OpenCV、OpenGL、CUDA、ITK（Insight Segmentation and Registration Toolkit）以及VTK（Visualization Toolkit）等专业工具箱，通过集成图像采集、处理、分割、三维重建和矢量模型的构建等程序模块，设计开发了一套植物根系原位成像检测与分析软件原型系统。

将原型样机系统自动测量得到的植物根系构型参数与采用传统人工测量方法得到的相应数据进行了统计对比分析。初步测试结果表明，该原型系统对植物根系的最小可测直径为0.2毫米，体积重建精度接近87%，结构根系长度的相对误差在3.27%～10.82%之间，平均相对误差为7.07%；根系分支节点直径的相对误差在3.00%～12.18%之间,平均相对误差为8.06%。

华南农业大学农业成像检测技术研究室实施的“植物根系原位成像检测技术”项目，针对植物根系原位检测的技术瓶颈问题，以降低硬件成本、提高检测水平为目标，采用先进的CBCT成像技术原理，研制了低成本、高分辨率的植物根系原位成像检测系统，能够在不影响植物根系正常生长的条件下实现对其三维构型参数的原位、无损、精确的自动检测与定量分析。作为根系生物学、形态学、营养学等相关学科研究急需的工具平台，具有广阔的市场空间和应用前景。