Los frijoles de soya son una fuente esencial de alimento, proteína y aceite en todo el mundo, y los nódulos en sus sistemas de raíces desempeñan un papel crítico en la fijación de nitrógeno y el crecimiento de las plantas. En este estudio, abordamos el desafío de cantidades limitadas de imágenes de alta resolución y las restricciones en el aprendizaje del modelo empleando de manera innovadora la tecnología de segmentación de imágenes para un análisis profundo de la fenómica de los nódulos de soya. A través de un algoritmo de segmentación meticulosamente diseñado, dividimos las imágenes de alta resolución en numerosas más pequeñas, mejorando efectivamente la eficiencia de aprendizaje del modelo y aumentando significativamente el volumen de datos disponibles, sentando así una base sólida para el análisis posterior. En cuanto a la selección y optimización del modelo, después de varias rondas de comparación y pruebas, se identificó a YOLOX como el modelo óptimo, logrando una precisión del 91.38% en el conjunto de pruebas con un R de hasta el 86%, demostrando plenamente su eficiencia y confiabilidad en las tareas de conteo de nódulos. Posteriormente, utilizamos YOLOV5 para la segmentación de instancias, logrando una precisión del 93.8% en la extracción rápida y precisa de indicadores fenotípicos clave como el área, circunferencia, longitud y ancho de los nódulos, y calculamos las propiedades estadísticas de estos indicadores. Esto proporcionó una gran cantidad de datos cuantitativos para el estudio morfológico de los nódulos de soya. La investigación no solo mejoró la eficiencia y precisión en la obtención de datos fenotípicos de los nódulos y redujo costos, sino que también proporcionó evidencia científica importante para la selección y cría de materiales de soya, resaltando su potencial valor de aplicación en la investigación agrícola y la producción práctica.