在植物种群水平上，无人机已被用于评估红叶莴苣种质的遗传多样性，鉴定农艺特征和富含类胡萝卜素的基因型，并从超大型航空图像中测量产量相关表型。
在植物水平上，单个生菜的高分辨率图像可用于提取和评估更复杂的性状，例如地上生物量，叶冠面积，颜色，纹理，但莴苣冠层或侧像中的叶子遮挡使得提取完整的叶子结构变得困难。
除了可见光成像，高光谱和叶绿素荧光成像还被用于评估新鲜切下的生菜叶的劣化。
此外，其他成像方式可用于捕获叶子图像，用于叶脉的分割和分析。
相对而言，分离叶子的可见图像反映了从颜色到叶脉结构的许多叶子信息。
从图像处理的角度来看，卷积神经网络等数据驱动的图像技术及其衍生模型可用于蔬菜植物叶片的分割和分类。
基于CNN的模型可用于检测叶子中的单个或多个物体，并根据精确注释的图像进行图像级分类。
一旦叶子成分，如中莴苣、脉脉和叶柄被提取和量化，就可以使用更详细的信息来描述生菜叶的特征。
对于每个叶子组件，可以使用其形态学，颜色和结构属性来描述基于图像的特征，对于整个叶子，脉络和颜色表明有价值的生物和生理特性。
例如，不同类型的静脉代表不同的水力损伤耐受性，一些特殊特征，如静脉密度、脉分支和与叶片面积的面积比，可能与其光合能力和鲜重有关。
这些静脉特征还可用于研究环境因素对静脉模式的影响，或比较不同物种的静脉模式以进行进化研究。
此外，由于花青素通过控制叶色的基因积累，生菜叶的颜色显着不同，传统研究侧重于量化全叶颜色，但不区分正面叶和背叶的颜色。
叶片的正反图像之间的叶子颜色有本质差异，反映了叶片的不同生理功能，据我们所知，叶片成分及其在正背叶之间的性状差异尚未得到定量评估。
本研究旨在开发一种自动化表型分析管道，以量化分离的生菜叶，并评估大规模生菜品种的多语义性状。
该研究强调了自动表型管道在识别生菜叶的多个语义成分和评估不仅叶子成分而且阳性和背叶之间的性状差异方面的功效。
生菜叶可以使用与大小相关和无大小的特征来表示。
莴苣叶的大小相关性状由常见的几何指标组成，例如叶面积、周长、长度和宽度。
这些特征是根据端到端语义分割产生的语义组件计算的，而不同生菜品种的叶片在同一生育期大小和叶面积存在显著差异。
因此，将这些叶子旋转到相同的方向并缩放到相同的大小，以消除尺寸差异的影响并提高表型过程的效率。
进行叶片归一化，通过旋转和缩放程序获得生菜叶的标准“无尺寸”图像。
根据叶子的中间将叶子旋转到直立位置，中肋弯曲，叶柄的宽度总是很大。
