水稻是全球最重要的糧食作物之一，其產量直接關係到全球糧食安全。穗密度、株型結構和產量形成，都與水稻的分蘗數和株型緊湊度息息相關。然而，長期以來，田間測量這些關鍵性狀一直面臨著嚴峻的挑戰，例如嚴重的遮擋、光照不均以及傳統人工評估的低效率。自動化或依賴硬體的影像系統，其高昂的成本和複雜的工作流程，也進一步阻礙了這些性狀的高通量獲取。如今，一項由中國科學院遺傳與發育生物學研究所、華中科技大學和崖州灣國家實驗室合作完成的研究，為解決這些問題帶來了曙光。他們開發了一款名為 TillerPET 的人工智慧（AI）模型，能夠從收穫後的水稻 RGB 圖像中，同時進行原位高通量分蘗數和緊湊度表型分析。

TillerPET：AI 賦能水稻表型分析

這項研究於 2025 年 11 月 7 日發表在《The Crop Journal》上，詳細介紹了 TillerPET 的設計與性能。TillerPET 採用基於點查詢的 Transformer 架構，並整合了一個深度感知的水稻區域提取模組，構建了一個輕量級的特徵提取器。研究人員利用多年、多地點的水稻 RGB 圖像數據集訓練和驗證了該模型，結果顯示 TillerPET 在分蘗計數方面達到了 0.941 的 R² 值，在測量分蘗緊湊度方面更是達到了 0.978 的 R² 值。這些數據表明，TillerPET 具有極高的準確性和可靠性。

解決傳統表型分析的痛點

傳統的水稻表型分析方法，例如人工測量，不僅耗時耗力，而且容易受到主觀因素的影響，難以實現高通量和精準的分析。而 TillerPET 的出現，有望徹底改變這一現狀。該模型能夠自動處理大量的圖像數據，快速準確地提取水稻的分蘗數和緊湊度等關鍵性狀，極大地提高了表型分析的效率和準確性。

技術細節：Swin Transformer 的應用

為了進一步提升 TillerPET 的性能，研究人員將點查詢 Transformer 的骨幹網路替換為 Swin 系列。Swin Transformer 是一種新型的 Transformer 架構，它通過引入分層的注意力機制，能夠更有效地捕捉圖像中的全局信息，同時降低計算複雜度。這種改進簡化了原始編碼器的設計，在大幅降低計算負載的同時，顯著提高了性能。

TillerPET 的應用前景

TillerPET 的成功開發，不僅為水稻表型分析提供了一種高效、準確的工具，也為水稻育種和遺傳研究開闢了新的途徑。

助力水稻育種

TillerPET 提取的分蘗和株型結構性狀，能夠進一步用於不同基因型水稻品種的分類和鑑定。這對於育種家來說，是一個非常有價值的工具，可以幫助他們快速篩選出具有優良性狀的水稻品種，加速育種進程。此外，多年、多地點的水稻分蘗和株型結構表型數據，也為水稻理想株型育種提供了寶貴的數據支持。

深化水稻遺傳研究

TillerPET 的高通量表型分析能力，使得研究人員能夠更深入地研究水稻分蘗和株型結構的遺傳機制。通過將 TillerPET 提取的表型數據與基因組數據相結合，研究人員可以鑑定出控制這些性狀的關鍵基因，為分子育種提供理論基礎。

推動智慧農業發展

TillerPET 的應用，是智慧農業發展的一個縮影。隨著人工智慧、機器學習等技術的不斷發展，越來越多的農業生產環節將實現自動化和智能化。這將極大地提高農業生產效率，降低生產成本，為實現農業的可持續發展做出貢獻。

挑戰與展望

儘管 TillerPET 在水稻表型分析方面取得了顯著的進展，但仍然存在一些挑戰。例如，該模型目前主要基於 RGB 圖像，對於其他類型的圖像數據，例如高光譜圖像，可能需要進行調整和優化。此外，TillerPET 的性能還可能受到環境因素的影響，例如光照、濕度等。

展望未來，隨著技術的不斷進步，TillerPET 有望在以下幾個方面得到進一步的發展：

多模態數據融合：

將 RGB 圖像與高光譜圖像、LiDAR 數據等多種數據源相結合，可以更全面地描述水稻的表型特徵，提高表型分析的準確性和可靠性。

環境適應性增強：

通過引入環境參數，例如光照、濕度等，可以提高 TillerPET 對不同環境的適應性，使其在更廣泛的範圍內應用。

模型輕量化：

在保證性能的前提下，進一步簡化 TillerPET 的模型結構，降低計算成本，使其能夠在移動設備上運行，方便田間應用。

結論

TillerPET 的成功開發，是水稻表型分析領域的一個重要突破。該模型不僅能夠高效、準確地提取水稻的分蘗數和緊湊度等關鍵性狀，而且為水稻育種和遺傳研究開闢了新的途徑。隨著技術的不斷進步，TillerPET 有望在未來得到更廣泛的應用，為提高水稻產量、保障全球糧食安全做出更大的貢獻。這項研究也再次證明，人工智慧等新技術在農業領域具有巨大的應用潛力，將為農業的轉型升級注入強勁動力。

Newsflash | Powered by GeneOnline AI
For any suggestion and feedback, please contact us.
原始資料來源: GO-AI-6號機 Date: December 17, 2025