这项研究解决了处理过的木材育种计划中对原木端部分裂的关键考虑。目前缺乏有效优化这一特定性状表型过程的研究。该研究旨在比较原木端裂表型的方法，并开发一种基于图像的裂纹评估方法。最初，32个桉树无性系通过人工测量、数字图像分析和视觉评估进行了表型分析。结果显示相似的表型值，但图像分析显示出更好的克隆辨别能力，与手动测量相比，评估时间缩短至78小时。第二部分着重于使用真实图像和合成图像测试卷积神经网络架构（UNet、LinkNet和FPN）。U-Net在更高的交集超过并集（Intersection over Union，IoU）值的基础上表现出轻微的优势，表现出与真实值的高度相关性（0.89）。这种方法将评估时间显著缩短至约10.15小时，强调了与传统方法相比的效率。

图1  原木端部分割图像分析的简化框架。

图2  使用各自的掩膜创建合成图像的过程。（a） 工作室图像，（b）在改变和不改变纹理的情况下提取日志，以及（c，d）改变具有原始纹理和合成纹理的图像的背景。

图3  本研究中使用的体系结构U-Net、FPN和LinkNet

图4  三种评估方法的Scott–Knott聚类。I、 S和M分别表示图像、分数和手册。

图5  断裂的可视化

图6  U-Net模型在不同背景下的分类性能。

图7  根据U-Net结构分析裂缝的实际值和估计值（a）以及预测面积和实际面积之间的差异（b）。

图8  裂纹高估的示例

图9 裂纹低估的示例