Las técnicas de aprendizaje profundo juegan un papel importante en la investigación del fenotipo de las plantas, debido a sus potentes capacidades de procesamiento y modelado de datos. Se ha investigado el aprendizaje multitarea para el análisis del fenotipo de las plantas, lo que puede combinar diferentes rasgos de las plantas y permitir considerar las correlaciones entre múltiples características fenotípicas para un análisis más completo. En este documento, se propone y estudia un método de aprendizaje multitarea inteligente y optimizado para el análisis fenotípico. Basado en la red VGG16, se utilizan el intercambio de parámetros rígidos y la incertidumbre dependiente de la tarea para ponderar la función de pérdida de cada tarea, lo que permite que los parámetros asociados con la clasificación del genotipo, el conteo de número de hojas y la predicción del área de las hojas se aprendan conjuntamente. Se realizaron experimentos en el conjunto de datos, y el modelo propuesto logró una precisión de clasificación ponderada, precisión y puntuaciones de , , y , respectivamente. Además, los valores del coeficiente de determinación en las tareas de regresión del número de hojas y el área de las hojas alcanzaron 0.7944 y 0.9787, respectivamente.