一、团队介绍

植物品种保护与鉴定团队是专业从事农业植物品种特异性（Distinctness)、一致性(Uniformity)和稳定性(Stability)测试（简称DUS测试）的公益性测试机构。团队始终本着 “科学、严谨、客观、公正”的质量方针开展各类植物品种测试相关的新技术研究、植物品种DUS鉴定测试以及植物新品种保护技术服务咨询工作。

二、团队人员

团队首席：于堃

团队助理：李华勇

团队其他成员：沈奇、王艳平、王显生、汪鸿星、刘晓宏、卢必慧、潘红、刘家鹏、任继贤、蒋廷林、何述琴

三、研究内容

1.植物品种DUS测试指南研制及标准制（修）订；

2.分子数据库构建及其辅助品种DUS测试近似品种筛选；

3.信息技术在作物品种DUS测试中的应用研究；

4.植物品种DUS测试新技术、新方法研究。

四、服务职能

1.承担各类植物品种DUS测试与鉴定检测工作；

2.开展植物品种测试和鉴定新技术、新方法研究；

3.承接各类有关品种侵权案件的技术咨询与鉴定；

4.构建种子、性状描述、DNA指纹、图像等信息数据库；

5.提供品种保护与品种测试等技术服务咨询与培训；

6.植物新品种权申请代理及品种DUS测试全流程服务。

五、技术研究及其进展

1.科研项目

近5年来团队先后主持承担农业农村部、科技部、江苏省农业科技自主创新、院探索性颠覆性创新计划和院亚夫专项等科研项目19项，其中农业农村部资源保护项目、科技部重大生物育种专项子课题、江苏省农业科技自主创新项目等12项。

2.标准制（修）订

近5年来团队先后制（修）定农业农村行业标准等5项，其中颁布实施农业农村行业标准2项：《植物品种特异性、一致性和稳定性测试指南 新几内亚凤仙》（NY/T4537-2025）、《植物品种特异性、一致性和稳定性测试指南 甜菊》（NY/T4532-2025）；通过专家审定并提交农业农村行业标准报批稿2项：《大麦品种鉴定 SSR分子标记法》和《芝麻品种鉴定 SSR分子标记法》；通过专家审定待颁布实施江苏省地方标准1项：《水稻实质性派生品种鉴定规程》。基于促进创新育种，广泛征集大麦品种资源，结合团队前期研究基础，研制完成实质性派生品种鉴定技术标准1项：《大麦品种及其实质性派生品种鉴定 SNP标记法》（初稿）。

3.指南研制

基于多年田间种植试验，在充实表型数据和图像资料的基础上，初步完成植物品种DUS测试指南2项：《植物品种特异性、一致性和稳定性测试指南 虞美人》、《植物品种特异性、一致性和稳定性测试指南 大花马齿苋》。

4.信息化技术研究与应用

针对水稻、玉米、小麦和大豆等作物品种DUS测试中的耗时、耗力的环节，在人工智能、5G、高精度导航和虚拟现实等技术支撑下，积极推进作物表型鉴定智能化、减人化建设步伐，不断提升信息化技术在植物品种保护、DUS测试和区域试验中的应用研究，更好地为我国新品种保护、品种DUS测试和区域试验鉴定等提供新技术支撑。

（1）高通量作物表型智能化采集平台研发

基于组装的作物高通量智能化表型采集平台，研发具有自主知识产权、适用于不同作物自动化三维立体成像平台，实现高通量作物表型三维信息的高通量采集，在一定程度上提高了作物品种DUS测试可室内采集的工作效率，目前已通过该装备采集了水稻、棉花、大麦和小麦等近400余份不同生育期的表型多视角序列图像数据，并建立3D点云植物表型数据库。基于该平台的研发，申请发明专利1项，形成技术规程1套。

（2）作物表型性状智能提取、代码转化算法软件系统

结合图像识别技术与深度学习算法，采用YOLOv8模型进行农作物识别，精确提取作物植株或部分器官的表型特征数据和准确描述，团队依据水稻、棉花DUS测试指南要求，梳理、筛选了适用于深度学习、图像识别的DUS测试性状指标，研发了水稻、棉花等表型性状智能提取与代码转化算法软件系统2项，初步实现了水稻、棉花等17个表型性状的智能化采集与代码快速转换，下一步团队将围绕室内、室外性状表现的“可控差异”，增加计算机性状代码识别的样本量，围绕室内、外性状的特点，通过优化和完善，进一步提升图像采集、指标提取和代码转换的精准度，实现室内可控，具备可代表室外田间“群体表现”的智能化转化结果。通过上述算法研发，申请并授权软件著作权2项。

（3）作物叶片表型数据自动获取装备及其算法系统

针对作物品种DUS主要作物叶片长、宽度等性状采集田间测试耗时费力的现状，利用数字图像处理技术，开展水稻、小麦、油菜等作物叶片信息田间数据快速采集分析装备及算法研究，初步形成可搭载相机或手机的田间便携式表型数据采集装备，经与传统水稻田间测试相比，可从原先的至少2-3人缩减至1人即可，可节约人工成本70%以上。目前，团队正针对该装备及配套软件开展进一步优化工作，后期将在DUS测试体系内部推广与应用。

（4）DUS测试图像快速智能编辑处理软件

在植物DUS品种测试过程中，需采集海量植物生长过程中的品种描述等图像资料，需通过对比筛选、图像调整、编辑裁剪和标签标记等一系列流程完成品种描述图像处理。该项工作过程依赖大量人工处理，耗费费力，且成品图像质量不统一会导致后期品种图像数据库管理和图像信息使用效率较低。利用人工智能图像处理技术和算法，自主研发作物品种DUS测试图像快速处理分析软件系统，减少了图片处理的人工干预，提升了图片编辑和存档的效率，形成了测试图像一站式搞定（原始图片、田间号、测试编号、图像裁剪与编辑、图像输出与存档等）的工作模式。经实际对比评估，利用该系统可由原始操作的约30张/小时的处理速度提升至120张/小时左右，且操作过程中无需人工干预。目前该软件系统申请并授权软件著作权2项，已先后在上海、重庆、阜阳、昆明等20余家测试机构（站）试应用，应用效果反馈良好。

（5）无人机轻简化平台应用

基于无人机低空飞行平台，搭载激光雷达、多光谱以及高光谱等传感器，开展植物群体高度、颜色及其他冠层性状的分析提取，开发多架无人机协同作业技术，实现大面积测试田块的中水稻、玉米、大豆等作物叶片颜色、植株高度等性状的快速、高效采集，进一步研发从数据采集、影像拼接、三维重建到株高提取等自动化应用研究。同时基于株高变化，智能推荐施肥、灌溉、病虫害防治等农事操作方案，开展无人机农事操作智能决策，实现精细化管理，进一步提高农业生产效率和资源利用率。

5.分子数据库构建

利用高通量分子检测技术开展水稻全基因组重测序和基于探针杂交的靶向测序基因型分型技术，开展水稻、玉米、小麦、大豆、棉花等品种SNP液相芯片靶向测序，采集完成DNA分子数据8000余份，分析比对表型数据，构建水稻、玉米、大麦等主要作物SNP分子指纹图谱。通过大量的分子标记的筛选，指纹图谱的比较，鉴别测试品种与近似品种、派生品种与原始品种两者之间的细微差别和相互遗传关系。探讨GBTS技术在DUS测试中近似品种筛选和品种库维护方面的应用潜力，为水稻等作物品种DUS测试寻求一种更加科学、高效的检测手段。

6.植物品种DUS测试

团队2021-2025年度先后承担农业农村部下达及省级科研院所、种子企业委托的20余种作物品种DUS测试任务8627件12000多份，为我国优良新品种保护和品种审定、品种登记及品种认定提供了强有力的技术支撑，为我国种业的健康发展奠定了坚实基础。

六、工作成效

截止2025年8月，五年来团队先后主持承担各类科研项目17页；颁布实施国家标准1项、农业农村行业标准2项；修订并通过专家审定农业农村行业标准2项；制定江苏省地方标准1项；申请国家发明专利2项；研发信息化装备及软件系统6套；申请并授权软件著作权6项；出版专著4部；发表SCI、中文核心论文4篇；采集水稻等20多种作物12000多份品种表型数据和水稻等7种主要农作物品种8000余份分子数据。

七、奖项荣誉（2021-2025年度）

荣获 “2021年度DUS测试体系先进团队”称号1项；荣获“全国植物新品种保护先进个人”称号1项；荣获“DUS测试体系年度先进个人”称号2项；荣获“DUS测试体系优秀青年”称号1项；荣获“院优秀共产党员”称号1项；“院先进工作者”称号1项；通过并获得国际植物新品种保护联盟（UPOV）远程培训课程DL-205合格证书6人次。