玉米是全世界产量最高的粮食作物之一,也是我国三大主粮之一。玉米籽粒包含胚、胚乳和空腔等内部结构,其中胚乳可根据硬度分为粉质胚乳和角质胚乳。定量分析玉米籽粒结构成分对精准选育玉米品种、提高玉米品种食用价值和市场价值等至关重要。目前,常规玉米籽粒考种只能基于机器视觉或者人工测量粒长、粒宽、粒厚和百粒重等性状,但无法准确获取籽粒三维及内部结构成分信息,比如籽粒、胚、胚乳和空腔体积。Micro-CT是一种非破坏性的3D成像技术,能够以二维或三维图像形式,清晰、准确、直观地展示玉米籽粒的内部结构、组成、材质及缺损状况。然而,目前仍然缺乏基于玉米籽粒CT图像的自动化、高精度定量表型分析方法和软件。本研究构建了玉米籽粒CT图像标注数据集,开发深度学习的籽粒二维/三维语义分割网络,构建自动化的CT图像籽粒表型提取管道,准确提取和评估籽粒及其内部结构成分的性状,研发玉米籽粒三维表型分析软件,并应用于大批玉米籽粒品种的表型评估和GWAS分析。具体研究工作如下:1)在玉米籽粒三维结构表型鉴定方面,针对籽粒胚结构设计了RAUNet三维分割网络。构建了高通量的籽粒扫描和表型提取管道,获取了23个表征籽粒品种差异的表型指标,并进行籽粒分类鉴定。首先,通过Micro-CT对密集放置的籽粒进行低分辨率扫描（1000×1000,像素尺寸为27.1μm）,利用三维分水岭算法拆分出单颗籽粒;然后,使用ITK-SNAP标注籽粒胚,构建包含50个籽粒胚的三维数据集,进而训练和评估RAUNet三维分割网络;最后,设计三维图像表型分析管道分割出籽粒胚、胚乳、空腔等语义的三维结构,并提取23个相关表型参数。结果表明:RAUNet分割胚的DICE精度为93.4%;粒长、粒宽和粒厚与人工实测值的R~2分别为0.902、0.926和0.904;基于SVM的玉米不同品种籽粒的识别精度达90.4%。2)在玉米籽粒结构表型GWAS分析方面,针对籽粒胚乳、空腔结构构建了籽粒精细结构的表型分析方法,基于更高CT分辨率图像获取了20项籽粒结构性状指标。结合GWAS技术进行控制籽粒结构性状基因的挖掘。首先,使用Micro-CT对玉米关联分析群体籽粒进行较高分辨率扫描（2000×2000,像素尺寸为13.55μm）;使用Vgg UNet实现多个胚和籽粒的并行分割;利用阈值技术将胚乳分解为粉质胚乳和角质胚乳,利用图像间运算将空腔细分为皮下空腔、胚空腔和胚乳空腔;最后,基于提取的结构表型指标将关联分析群体籽粒聚成3类,并进一步地对籽粒的典型结构指标（胚体积、胚占比、胚乳体积、胚乳占比、空腔体积和空腔占比）进行GWAS分析,挖掘出了控制籽粒结构相关性状的基因,其中多个基因编码的蛋白（如b HLH）的功能已经被前人报道过等。3)在软件设计方面,基于Python和Pytorch,设计开发了基于CT图像的籽粒三维表型解析软件,包含批处理、结果浏览、表型质控、模型训练和三维可视化功能,极大提高基于CT图像的籽粒三维表型获取效率。