在现代农业研究中，作物田间表型高通量获取分析作为解析基因型与环境互作机制的关键环节，对于加速作物改良和提升农业生产力具有重要意义。然而，传统的表型获取方法依赖于人工采样和手工测量，这种方式不仅耗时费力，而且主观性强，难以满足现代大规模表型研究的需求。因此，高通量植物表型平台（HTPP）应运而生，它能够实现非破坏性、自动化、准确和快速的表型数据采集。近日，由中国科学院遗传发育所主导，联合慧诺瑞德公司和华中科技大学提出的一项创新性研究突破了这一局限，成功构建了一种基于夜间环境的高通量植物表型分析系统，并以水稻为案例进行了深入研究，为植物表型分析领域带来了新的曙光。该成果于2025年4月7日在中国科学院一区top期刊Computers and Electronics in Agriculture在线发表。

    该研究对轨道式高通量植物表型平台TraitDiscover的基础上设计了一种阵列式照明系统，使其能够在夜间稳定运行，确保在低光照条件下也能获得高质量的图像。软件方面，研究人员集成了最先进的YOLOv8目标检测和K-Net语义分割框架，开发了一个名为TraitNavigator的Web应用程序，用于管理传感器、规划路径、调度任务和分析数据。为验证系统夜间运行性能，研究团队以水稻为实验对象，建立了高质量的夜间水稻图像分割数据集，用于量化表型分析的有效性。实验结果显示，系统的夜间分割效能达到了高达93.52%的掩膜交并比，远高于日间系统测量表现，分割性能显著提升。进一步分析提取得到的28个与颜色、形态和纹理状态相关的表型参数，这些参数涵盖了从植株的绿色面积比例到叶片的纹理复杂度等多个方面。经验证，与实际表型参数值间的平均R²也达到了0.95。此项研究为农业生产和植物科学研究提供了更有力的数据支持和技术支撑。

    华中科技大学徐冰慧和慧诺瑞德公司张佳菲为论文共同第一作者；中国科学院遗传与发育生物学研究所胡伟娟博士、慧诺瑞德公司韩志国博士和华中科技大学陆昊博士为论文共同通讯作者；本研究得到了国家重点研发计划（2023YFF1001502）、国家自然科学基金/面上项目（32370435）、长春市市院科技创新合作专项（23SH18）和慧诺基金等项目的资助。