水稻分蘗數與株型緊湊度是決定穗數、群體密度與產量形成的關鍵表型，但田間測量受遮擋嚴重、光照不均與傳統(tǒng)人工測量效率低下等因素制約，加之自動化方案或硬件成像成本高昂、流程復雜導致此類性狀的高通量獲取難以突破。
近日，中國科學院遺傳與發(fā)育生物學研究所等利用多年多點的水稻RGB圖像數據集，開發(fā)出一種基于AI算法的模型TillerPET。該模型可在收獲后水稻RGB圖像中，同步完成分蘗數與緊湊度的原位高通量表型鑒定，在多年多點的水稻RGB圖像數據集上均有良好表現。
TillerPET模型基于點查詢的Transformer架構，引入基于深度信息的水稻區(qū)域提取模塊的基礎上，構建了輕量化特征提取方法，簡化了原網絡中的編碼器架構，顯著減少模型運算量的同時提升了性能。TillerPET在水稻RGB圖像數據集上分蘗計數R2可達0.941，可進一步實現水稻分蘗緊湊度的測量，精度R2可達0.978?；赥illerPET提取的分蘗與株型特征，可實現不同基因型水稻品種的識別分類。多年多點水稻分蘗及株型表型數據可為水稻株型育種提供數據支撐。
相關研究成果發(fā)表在《作物學報》（The Crop Journal）上。研究工作得到國家自然科學基金項目和湖北省自然科學基金項目的支持。
