TillerPET：一种基于视觉AI算法的分蘖与株型高通量鉴定方法-慧诺瑞德（北京）科技有限公司|叶绿素荧光|光合作用|植物表型

学术中心

全部分类

TillerPET：一种基于视觉AI算法的分蘖与株型高通量鉴定方法

发布时间：

2025-11-25

来源：

作者：

水稻分蘖数与株型紧凑度是决定穗数、群体密度与产量形成的关键表型，但田间测量受遮挡严重、光照不均与传统人工测量效率低下等因素制约，加之自动化方案或硬件成像成本高昂、流程复杂导致此类性状的高通量获取难以突破。近日，中国科学院遗传与发育生物学研究所联合华中科技大学、崖州湾国家实验室共同开发一种基于AI算法的模型TillerPET，可在收获后水稻RGB图像中，同步完成分蘖数与紧凑度的原位高通量表型鉴定。研究成果发表在The Crop Journal上，题为“TillerPET: High-throughput in-situ phenotyping of rice tiller number and compactness from post-harvest stubbles”。

该研究利用布署在北京、四川、长春和海南的轨道式高通量植物表型平台TraitDiscover采集多年多点的水稻RGB图像数据集，提出了TillerPET模型，其基于点查询的Transformer架构，在引入基于深度信息的水稻区域提取模块的基础上构建了轻量化特征提取方法。其结果在于将基于点查询的转换器的骨干网络转换为Swin系列模型，简化了原网络中的编码器架构，在显著减少模型运算量的同时提升了性能。

图1 本研究采用的表型数据采集平台TraitDiscover和数据集

TillerPET在水稻RGB图像数据集上分蘖计数R²可达 0.941；同时可进一步实现水稻分蘖紧凑度的测量，精度可达R²0.978。基于TillerPET提取的分蘖与株型特征可实现不同基因型水稻品种的识别分类，同时，多年多点水稻分蘖及株型表型数据可为水稻株型育种提供数据支撑。

图2 TillerPET的总体流程图

图3 TillerPET的实验结果及其预测与真实情况的一致性检验

来源

Letian Zhou, Zhixin Tang, Songliang Cao, Xiaonan Hu, Wei Zhou, Xuhui Zhu, Xiaodong Bai, Hao Lu, Fan Chen, Weijuan Hu, TillerPET: high-throughput in-situ phenotyping of rice tiller number and compactness from post-harvest stubble, The Crop Journal, 2025, https://doi.org/10.1016/j.cj.2025.09.022.

作者介绍

华中科技大学硕士生周乐天与中国科学院遗传与发育生物学研究所在读博士生汤芷歆为该文共同第一作者，中国科学院遗传发育所育种前沿技术实验室胡伟娟博士与崖州湾国家实验室陈凡研究员为通讯作者。华中科技大学陆昊副教授与海南大学白晓东副教授深度参与了本论文的研究工作。该研究得到国家自然科学基金项目（32370435, 62106080）和湖北省自然科学基金项目（2024AFB566）的资助。