由于水稻种子具有体积小、外观相似的特点，对密集状态下粘连的水稻种子进行图像分割时， 常常会遇到漏检和边界不光滑的问题。因此，如何实现水稻种子的精确分割和提取，成为目标分割领域中 的一个重大挑战。本文构建了在密集状态下九个品种的水稻种子数据集，并基于 YOLACT 提出了一种改 进模型的水稻种子实例分割网络。试验结果表明，在自建数据集上，经过改进后的网络在密集状态下对水 稻种子进行分割，预测框和掩膜的平均精度值分别提高了 4.85%和 2.06%，有效地解决了在密集状态下，水 稻种子分割精度较差，出现漏检和掩膜质量不高的问题。