向可持续农业的过渡需要通过自动化植物表型分析对田间植物有更深入的了解。叶片分割在这一领域至关重要，它能够准确评估植物性状，这对于管理经济上可行的作物和植物的生长至关重要。本文回顾了叶分割方法的最新发展，重点介绍了提示分割的新兴范式。提示式分割，以Meta AI的分割任何模型（Segment Anything Model，SAM）为例，通过允许用户为分割任务提供各种提示，提供了灵活性和多功能性。然而，诸如复杂的背景、重叠的叶子和计算复杂性等挑战仍然存在。本文讨论了诸如快速工程、分割输出后处理和微调分割模型等策略来应对这些挑战。未来的研究包括探索遮挡处理技术，采用参数有效的微调方法，收集和利用公开可用的数据集，合成数据生成，以及采用基于视频的数据收集。通过克服这些挑战并利用及时分割的潜力，研究人员可以为任何植物物种创建自动化植物表型分析，从而为农业可持续性提供更准确，高效和可扩展的解决方案。

图1  SAM项目概述。该插图包含了任务、模型和数据组件，这些组件是分割任何东西的组成部分。

图2  为特定任务调整或微调SAM的方法概述，包括调整图像编码器（通过冻结，全调优或参数有效的微调方法），微调轻量级掩码解码器和提示编码器，或使用自定义分割头。