近年来基于图像的植物表型研究的进展提高了我们研究营养期生长动态的能力。然而，更复杂的农艺性状，例如主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，而探索程度相对较低。以前利用基于图像的表型分析来估计花序相关性状的努力仅限于破坏性的端点测量。开发非破坏性花序分型平台可以加速表型变异的发现，包括花序动态和调控关键产量成分的潜在基因的定位。

本研究的主要目的是在高时空分辨率下评价水稻花序的受精后的发育和生长动态。为此，此研究开发了圆锥成像平台(PI-Plat)，以非破坏性的方式理解IA的多维特征。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。这些图像被用来重建圆锥花序的三维点云，这使得能够提取数字特征，如体素计数和颜色强度。结果表明，成熟穗体素计数与种子数和重量呈正相关。发育圆锥花序的体素计数反映了在籽粒充盈期增加的总体体积，其中颜色强度的量化估计了圆锥花序成熟的速度。基于3D的表现型解决方案比传统的基于2D的方法表现出更好的性能。

利用PI-Plat展开圆锥花序的多视角图像分析。使用3D重建和2D方法的多视图图像分析的流程图（a）和（b）图形表示

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。平均体素计数从所有基因型分别为治疗(控制和HNT)和时间点(第1、2和3周)显示。箱形图表示相同的范围、中位数和平均值(红色三角形)。与相似字母相连的平均数没有显著性差异。b控制条件下基于体素计数的基因型层次聚类分析。c体素计数对应于簇I-IV的单个基因型。y轴表示体素计数，x轴表示时间点(第1、2、3周)。C: control(蓝线)，HNT:夜间高温(红线)。箱形图表示相同的范围、中位数和平均值(红色三角形)。与相似字母相连的平均数没有显著性差异。