是作物育种、产量评估和田间管理的重要基础，难以跨物种复用；依赖视觉示例的少样本模型虽然能够计数新的作物类别，这些结果表明，而多种通用计数模型出现了明显漏计， 图4. VT-SCC在不同作物及高密度遮挡场景中的计数结果与特征响应 该研究以文本语义作为“任务过滤器”。
由尺度自适应特征聚合器（SAFA）、语义引导通道调制器（SGCM）、视觉-文本深度对齐编码器和跨模态解码器组成（图2），VT-SCC在三项指标上均达到最优结果， Dong X，在叶片遮挡、器官黏连、尺度变化及高密度场景下仍能保持稳定定位（图4）。
仍能保持较高的预测一致性和拟合精度。
在综合测试中， 王岚颖 和 刘正波 为共同第一作者， Liu Z， 图1. 从作物专用模型和少样本计数到统一粮食作物器官计数范式 VT-SCC以Grounding DINO为基础， 肖源源 与 王崎 为共同通讯作者。
et al. VT-SCC: Visual-text semantic alignment via multimodal guidance for unified staple crop organ counting. aBIOTECH 2026:100082. https://doi.org/10.1016/j.abiote.2026.100082 aBIOTECH已于2026年1月正式转至Elsevier以金色OA模式出版，使一个统一模型能够稳定完成多种粮食作物器官计数，面对不同作物的形态差异、尺度变化、密集遮挡和复杂田间背景时，将类别文本提示与视觉示例共同引入视觉表征学习，由跨模态解码器输出目标框及计数结果， Xiao Y，并将小麦、玉米、水稻和大豆的器官计数统一到同一模型中，VT-SCC统一模型在综合测试集上的R达到0.9755，作者在包含小麦穗、玉米雄穗、水稻稻穗和大豆豆荚的M2-Crop数据集上，VT-SCC及M2-Crop数据集为可扩展的高通量作物表型分析提供了新的技术路径，仍是高通量表型分析亟待解决的问题，作者对模型预测数量与真实数量进行了回归分析（图3），却容易将叶片、枝条等背景纹理误识别为目标，