中国科学院遗传与发育生物学研究所等单位的研究团队合作开发了一种名为TillerPET的人工智能模型，该模型能够基于收获后水稻的RGB图像，同步实现分蘖数和植株紧凑度的高通量原位分析。相关研究成果于11月7日发表在《作物杂志》。

水稻分蘖数与植株紧凑度是影响最终产量的关键农艺性状。然而，田间测量常因植株遮挡、光照不均及人工评估效率低而受限，自动化成像系统则往往成本高昂、流程复杂。TillerPET模型采用基于点查询的Transformer架构，并结合了深度感知的水稻区域提取模块，构建了一个轻量级特征提取器。研究人员用Swin系列处理器替换了原架构的核心部分，在简化设计的同时提升了性能并降低了计算负担。

该模型在分蘖计数方面达到了0.941的R²值，在紧凑度测量方面达到了0.978的R²值，并在多年、多地点数据集上表现稳定。利用TillerPET提取的表型数据，研究人员能够对不同基因型的水稻品种进行分类与鉴定。这些高通量表型数据为水稻理想株型育种提供了重要的数据支持。

这项工作展示了人工智能模型在作物表型分析中的应用潜力。TillerPET为高效、低成本地获取关键农艺性状提供了新的技术手段，有助于推动作物育种研究的数字化与智能化进程。

更多信息：作者： Letian Zhou 等，标题：《TillerPET：利用收获后秸秆对水稻分蘖数和紧实度进行高通量原位表型分析》，发表于：《作物杂志》(2025)。