La experimentación de campo es un proceso crucial en la cría de cultivos, y la experimentación fenotípica manual tradicional es intensiva en mano de obra y consume mucho tiempo. Por lo tanto, se han estudiado muchas plataformas automáticas de experimentación fenotípica de alto rendimiento (HTPPs). Sin embargo, los métodos automáticos de experimentación fenotípica existentes encuentran problemas de oclusión en los campos. Este documento presenta un nuevo paradigma de experimentación fenotípica de cognición interactiva en el campo. Se propone un método activo de cognición interactiva para eliminar la oclusión y la superposición para una mejor construcción de un entorno cuasi-estructurado detectable con un robot de experimentación en campo. Primero, se diseña un robot humanoide equipado con dispositivos sensoriales de adquisición de imágenes que contienen un control remoto intuitivo para manipulaciones de experimentación en campo. En segundo lugar, se introduce una solución bioinspirada que permite al robot de experimentación imitar las operaciones de experimentación manuales. De esta manera, se realiza la experimentación fenotípica automática de alto rendimiento durante todo el período de crecimiento y se dispone de una gran cantidad de datos de conteo de macollos. En tercer lugar, se propone una red residual de atención (AtResNet) para el reconocimiento del número de macollos de arroz. El experimento en campo muestra que el método propuesto logra aproximadamente un 95% de precisión de reconocimiento con la plataforma de experimentación fenotípica de cognición interactiva. Este documento abre nuevas posibilidades para resolver los problemas técnicos comunes de oclusión y postura de observación en la experimentación de campo.