2月5日，农学院张艳霞教授团队与数学与信息学院梁云教授团队在植物表型组学领域取得重要突破。团队合作提出一种新型实例分割模型——双引导非对称MP-Former（DGA-MP-Former），构建了首个水稻根系实例分割基准数据集（RRSD），为高通量、高精度根系表型分析提供了全新技术方案。
根系长度、数量等表型性状是植物生长和生产力的关键指标，但由于根系形态细长、密集重叠且频繁遮挡，精准提取这些性状面临挑战。传统数字图像处理方法通量低、鲁棒性有限，多数深度学习方法依赖语义分割，无法区分单个根系，限制了实例级表型分析的应用。为解决这一问题，团队提出专为根系表型分析设计的新型实例分割模型DGA-MP-Former。该模型基于MP-Former框架，创新引入引导增强像素解码器（GEPD）和非对称双查询解码器（ADQD）两大核心模块：GEPD通过混合卷积聚合器、语义引导融合模块和频率引导特征增强模块提升多尺度特征表示，有效捕捉精细根系结构和低对比度区域；ADQD借助语义查询与实例查询的非对称交互，优化长距离依赖建模和遮挡场景下的实例分离。同时，团队构建了水稻根系分割数据集（RRSD），包含343张带实例级标注的高分辨率图像。
该模型在实例分割任务中明显优于MaskR-CNN、YOLO系列等对比方法。团队还提出了相对面积误差和相对周长误差两个新指标来直接评估表型量化的准确性，结果分别为26.4%和20.2%，大幅低于基准模型的59.5%和57.1%，表明分割精度的提升确实转化为了更可靠的性状测量结果。
这项工作通过数学与信息科学和作物学的交叉融合，突破了单一学科的研究局限，为水稻遗传育种中的根系表型分析提供了自动化工具，为植物根系高通量、精准化表型分析提供了技术支撑，有助于提高耐旱、耐盐碱等性状筛选的效率。
张艳霞教授为本文最后及共同通讯作者，梁云教授为文章第一作者及共同通讯作者，两学院多位师生参与了研究工作。研究得到广东省重点研发计划（2025B0202050003）、广州市重点研发项目（2024B03J1358）、广东省自然科学基金（2025A1515010803）、广东省种业振兴行动项目（2025-ZJS-00-002）、生物育种国家科技重大专项（2023ZD04072）、国家自然科学基金面上项目（32470309）、广东省科学技术厅与广东省基础与应用基础研究基金（2025A1515012425）的资助。
论文相关链接：https://www.sciencedirect.com/science/article/pii/S2643651526000142
文图/农学院
