El análisis del fenotipo de verduras de hoja verde en el entorno de siembra es la tecnología clave de la agricultura de precisión. En este documento, se emplea una red neuronal convolucional profunda para realizar la segmentación de instancias de verduras de hoja verde mediante aprendizaje débilmente supervisado basado en anotaciones a nivel de caja y similitud de color Excess Green (ExG). Luego, las malas hierbas se filtran en función del umbral de área, el agrupamiento K-means y la restricción de contexto temporal. En tercer lugar, el seguimiento de verduras de hoja verde se logra mediante el emparejamiento de gráficos bipartitos basado en la medida de superposición de máscaras IoU. Bajo el marco de seguimiento del fenotipo, se pueden realizar algunas tareas de análisis de fenotipo dependientes del contexto temporal, como el monitoreo del crecimiento. Los experimentos muestran que el método propuesto puede lograr un puntaje F1 de 0.95 y 76.3 sMOTSA (precisión de seguimiento y segmentación de múltiples objetos suaves) utilizando datos de anotación débilmente supervisados. En comparación con el enfoque completamente supervisado, el método propuesto puede reducir efectivamente los requisitos de anotación de datos agrícolas, lo que tiene más potencial en aplicaciones prácticas.