【目的】传统马铃薯花粉活力检测方法依靠肉眼计数,存在效率低、准确性差等问题。本研究基于PaddlePaddle深度学习框架,通过比较不同模型,提出一种快速检测花粉活力的方法。【方法】首先收集花粉,使用2,3,5-氯化三苯基四氮唑(2,3,5-triphenyltetrazolium chloride,TTC)染色,通过显微镜拍照获取图像;利用Photoshop(PS)进行数据标注,分别标注有活力花粉和所有花粉,并将标签图转为单通道图像;选用SegFormer、U-Net和DeepLabV3模型进行训练,分割有活力花粉和所有花粉;最后使用Python OpenCV程序计数,计算花粉活力。【结果】与其他模型相比,SegFormer在两类数据集中的各项评估指标均为最优。相比于人工识别,OpenCV程序可以实现快速、批量计数,且误差小。【结论】通过图像处理技术可以快速、准确检测马铃薯花粉活力,进一步利用该方法快速鉴定了200份F2株系的花粉活力,为马铃薯花粉活力表型采集奠定了基础。