水稻分蘗性狀的重要性與量測限制

　　分蘗為水稻主莖基部長出分生莖的過程，其數量會影響植株的生長空間與群體結構，是決定產量的重要性狀。然而，傳統分蘗性狀分析仰賴人工操作，不僅耗時費力，田間光照不均與植株重疊也進一步增加辨識難度，難以因應大規模育種需求。

TillerPET模型的開發與影像蒐集方式

　　中國科學院、華中科技大學與崖州灣國家實驗室的研究團隊，開發一套結合影像分析的人工智慧模型TillerPET。研究人員利用無人機或手持設備，於田間從不同角度拍攝水稻照片，以人工標註的分蘗資訊進行訓練，並透過資料強化與交叉驗證提升模型準確性。

分蘗性狀分析的準確性與一致性表現

　　研究結果顯示，TillerPET在不同水稻品種與生長條件下，對分蘗數量及相關性狀的測量結果具有高度一致性，其準確度亦優於人工量測，顯示該模型具備實際應用於育種試驗的可行性。

高通量分析應用與研究發表

　　TillerPET能在短時間內自動分析大量影像資料，準確辨識重疊的水稻植株，並量測分蘗數量與角度，同時支援行動裝置應用，可即時追蹤水稻生長過程中的分蘗變化。

　　研究團隊指出，TillerPET可作為水稻表型分析的標準化工具，有助於加速植株結構改良與產量提升，同時降低育種成本，推動數位農業的發展。未來該模型可延伸應用至其他作物，為育種效率與全球糧食安全提供技術支援。本研究已發表於2025年《The Crop Journal》期刊。

【延伸閱讀】－旱災求生！乾濕交替的灌溉模式種稻 可省水三成