“帮我分析一下这组水稻种子的表型数据。”9月11日，在武汉经开区形识智能科技有限公司（以下简称形识智能），软件工程师周鸿宇在电脑上输入指令后，作物多模态AI表型分析平台PhenoAgent随即启动。几秒后，平台便自动分析出水稻种子的长度、宽度、长宽比、面积、周长、圆度等数据，并生成分析报告。

软件工程师周鸿宇正在分析水稻种子表型数据。

“我们把分析报告交给育种专家，帮助他们更高效地开展育种筛选。”形识智能项目负责人张俊说，预计9月底，该软件将正式上线。

“表型分析，简单说就是测量作物的各种外在特征。”张俊介绍，穗粒数量、种子长宽等性状，都是育种专家筛选优良品种的重要依据。

过去，育种专家判断种子好不好，靠的是“一把尺子一杆秤”，拿尺子量、用秤称，再把数据逐项录入表格。

“传统方法，测不准，也测不快。”2016年，张俊进入育种行业时，一次水稻考种经历让他印象深刻。当时，团队需要对1000个品种进行考种，测量种子长、宽、千粒重等性状。

“10位技术人员，整整干了一周。”张俊向记者回忆，为了赶上海南南繁播种期，团队经常熬夜。“有一次，团队人员把水稻籽粒长度记成了1.3厘米，大家以为发现了好种子，复核后才发现是录入错误。”

如今，这套流程开始交给AI。张俊大致算了算，面对同样规模的1000个品种考种，利用该AI软件，一两天即可完成，还可直接导出分析报告，整体效率提高了七成以上。他说，目前，平台AI模型已覆盖水稻、小麦、玉米、油菜、大豆、土豆、番茄、菊花等多种作物。“关键性状分析准确率超95%。”

除分析外观性状外，平台还接入光谱、热红外、荧光、CT、三维等6种多模态成像传感器，可从作物外观、营养、病害、抗逆性及内部结构等维度采集数据。“平台可以根据收集到的数据生成产量预测模型，筛选出前5%的高产品种和后5%的低产品种，辅助专家初筛杂交组合。”张俊说。

目前，公司已与国内约20家育种企业及科研单位建立合作关系，并开展软件试用，根据实际应用情况持续迭代更新。

张俊坦言：“农业领域的数据共享有限，但农业是‘饭碗’问题，必须做好，我们仍在收集更多数据优化软件。”未来，公司计划与基因遗传领域企业合作，进一步打通表型、遗传组和代谢组数据，让育种专家获得更完整的信息。

同时，张俊透露，公司正在积极构建农业专家知识库，未来将把应用从育种拓展至栽培决策、病害诊断等生产场景，让AI从“育种助手”走向农业生产一线。

编辑：张靖