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出一种基于AI算法的模型TillerPET突破了这一局限，该模型可在收获后水稻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，在多年多点的水稻RGB图像数据集上均有良好表现。该研究成果于2025年11月7日在中国科学院一区期刊The Crop Journal在线发表。
该研究利用多年多点的水稻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。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R²可达0.978。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。
华中科技大学硕士研究生周乐天与中国科学院遗传发育所在读博士研究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共同通信作者。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该论文的研究工作。该研究得到国家自然科学基金项目和湖北省自然科学基金项目的资助。
