TillerPET：一種用於水稻分蘗性狀高通量表型分析的人工智能模型

 (https://www.sciencedirect.com/science/article/pii/S2214514125002673?via%3Dihub)

 稻米是全球農業的基石，是全球一半以上人口的主要膳食來源，尤其是在亞洲、非洲和拉丁美洲。隨著全球人口的持續成長，氣候變遷和環境惡化導致水稻產量下降，進而導致對水稻的需求顯著增加。水稻產量的關鍵決定因素之一是分蘗數，它與穗的生長密切相關，進而影響籽粒產量。透過對此參數進行精確的表型分析，育種者可以有效地評估水稻在特定條件下（例如不同的施肥水平或種植密度）的生長反應，從而有助於品種選擇和種植策略的最佳化。另一個決定因素是分蘗角，它反映了水稻植株的緊湊程度。雖然緊湊的植株結構可以提高種植密度，但過度緊湊可能會降低冠層的光照穿透率。為了避免人工測量的低效率和主觀性，分蘗表型分析方法正朝著自動化方向發展，引入機械設備來簡化流程並取代勞動密集的人工操作。這些方法可分為三類：基於硬體的方法、基於影像處理的方法和基於深度學習的方法。

一項新研究中，研究人員開發了一種名為TillerPET的人工智能模型，該模型能夠從收穫後水稻的RGB圖像中同時進行分蘗數和緊湊度的原位高通量表型分析。該模型在多年、多地點的水稻RGB資料集上均表現出穩定的性能。

TillerPET萃取的分蘗和株型性狀能夠進一步對不同基因型的水稻品種進行分類和鑑定。此外，多年、多地點的水稻分蘗和株型表型數據為水稻理想型育種提供了寶貴的數據支持。