إن تقسيم الأوراق هو الطريقة الأكثر مباشرة وفعالية لتحليل بيانات الفينوتياب النباتية عالية الإنتاجية والأبحاث الكمية للصفات المعقدة. في الوقت الراهن، يهدف قياس الفينوتياب النباتية الرئيسي إلى تحسين دقة القياسات الفينوتيابية التلقائية. في هذه الدراسة، نقدم شبكة LeafMask، وهي نموذج جديد متكامل (end-to-end) لتحديد مناطق الأوراق الفردية وحساب عدد الأوراق، ويتألف من مكونين رئيسيين: 1) وحدة تجميع الأقنعة التي تدمج القواعد الحساسة للموقع لكل صندوق مُقدّر بعد عملية تقليل الحد الأقصى غير المُتكرر (NMS) والمعاملات المقابلة لإنشاء الأقنعة الأصلية؛ و2) وحدة تحسين الأقنعة التي تُحسّن حدود الأوراق من خلال وحدة تجميع الأقنعة باستخدام استراتيجية اختيار النقاط ومُقدّر. بالإضافة إلى ذلك، قمنا بتصميم وحدة انتباه متعددة المقاييس جديدة ومرنة للفرع الموجه بالانتباه المزدوج (DAG-Mask) لتعزيز تعبير المعلومات بشكل فعّال وإنتاج قواعد أكثر دقة. تكمن إسهاماتنا الرئيسية في إنشاء الأقنعة النهائية المُحسّنة من خلال دمج وحدة تجميع الأقنعة مع وحدة تحسين الأقنعة ضمن إطار تقسيم الكيانات دون استخدام الأقواس (anchor-free instance segmentation). وقد تم التحقق من أداء نموذجنا LeafMask من خلال تجارب واسعة النطاق على مجموعة بيانات تحدي تقسيم الأوراق (LSC). وحقق النموذج المقترح درجة BestDice تبلغ 90.09%، متفوّقًا على الطرق المتطورة الأخرى.