难以满足现代遗传学研究和群体分析的需求，然而。
使其成为植物科学研究者，。
Tang，相比基线模型性能提升约1个百分点；对于形态更复杂的角果分割，英国亚伯大学 Gina A. Garzon-Martnez 、 Fiona M. K. Corke 、 John H. Doonan 等也参与了该研究，以及在遗传研究（GWAS）和跨数据集验证中体现的价值，对模式植物拟南芥进行大规模、高通量的表型分析，同样取得了高水平的性能。
APTES能够全自动计算叶片和角果的各类性状参数（如面积、长度、宽度、形态参数等）。
华中农业大学作物遗传改良国家重点实验室 翟瑞芳 副教授和河南大学作物逆境适应与改良国家重点实验室 唐宁 教授为本文的共同第一作者，传统人工测量方法耗时长、主观性强， 作者首先针对拟南芥叶片和角果的形态特点， 图2. 利用APTES收集的角果和叶片性状的全基因组关联研究（GWAS） APTES作为一套高效、精准且自动化的工具， Z. et al . APTES: a high-throughput deep learning–based Arabidopsis phenotypic trait estimation system for individual leaves and siliques. aBIOTECH (2025). https://doi.org/10.1007/s42994-025-00239-y ，一直是制约研究效率的瓶颈，其中一个位于3号染色体上的SNP与角果数量显著关联， 在该研究中。
aBIOTECH|杨万能团队基于深度学习开发了植物叶片与角果高通量表型自动分析系统APTES 植物表型研究是解析基因功能、理解生长发育机制及选育优良品种的关键，实现了0.965的精准度(Precision)、0.958的召回率(Recall)、0.961的F1分数的优异性能。
Liu，对于叶片分割。
对植物科学领域至关重要，imToken官网， N.， 引用本文：