随笔分类 - 表型组
摘要：2024年7月，美国丹佛斯植物科学中心的Katherine M. Murphy等人在Annual Review of Plant Biology发表了题为 Deep Learning in Image-Based Plant Phenotyping 的文章，综述了深度学习技术在植物表型分析中的应用。
阅读全文
摘要：近期，看了不少表型组论文，发现越来越多的高通量表型组相关的学术研究开始往实际育种上面靠拢，这是一个非常好的趋势和现象。 我们之前关注这一块比较少，虽然零星分享过几篇推文，但阅读量都不高，受众群体比较少。比如，之前做过一个合集：高通量表型组在作物育种上的研究与应用合集。但现在它也是育种的重要技术之一，
阅读全文
摘要：计算机视觉智能系统融合了计算机视觉、人工智能和机器学习技术，使机器能够模仿人类的视觉和认知能力做出决策，已广泛融入现代人类生活的各个层面。自 20 世纪后期以来，自动化的视觉系统已革新了各多个行业。鉴于世界人口的增长、可耕地的减少以及劳动力的短缺等问题，农业从业者需要各种信息来做出关于作物管理的决策
阅读全文
摘要：一些文章 基于无人机成像技术的作物育种表型分析综述 Plant Phenomics | 华中农业大学开发了基于无人机平台的大田作物表型数据提取和分析平台 基于无人机的植物育种高通量表型分析系统 Plant Phenomics | 利用表型组学辅助筛选技术开发高效植物育种表型预测因子 韩志国：植物表型
阅读全文
摘要：分享中国农业大学数字农业创新团队马韫韬老师报告。 声明：本文仅用于学习交流，不用于任何商业用途。文中所有转载的图片、音频、视频文件等知识归该权利人所有。如不慎侵犯权益，请后台联络，我们将第一时间删除。 视频（阅读原文跳转）： https://www.bilibili.com/video/BV1zS4
阅读全文
摘要：分享中国农业大学数字农业创新团队马韫韬老师报告。 声明：本文仅用于学习交流，不用于任何商业用途。文中所有转载的图片、音频、视频文件等知识归该权利人所有。如不慎侵犯权益，请后台联络，我们将第一时间删除。 视频（阅读原文跳转）： https://www.bilibili.com/video/BV1zS4
阅读全文
摘要：在作物功能基因组学、数字育种与智慧栽培等的需求牵引下，作物表型组学近年来发展迅速。然而，作物表型组学技术及装备产品的研发与应用缺乏标准规范已成为限制作物表型产业高质量发展的瓶颈问题。 2024年6月，北京市农林科学院信息技术研究中心数字植物北京市重点实验室联合华中农业大学在中国工程院院刊_Engin
阅读全文
摘要：作物模型提出很早，但应用有限。看起来复杂，其实解决的是环境与表型间的关联，可参考前期推文：作物生长模型CropGrow。环境组的复杂，关键在于数据的准确性获取。对于数据分析人员来说，如果不care数据准确性，分析其实很简单的，就是经典的机器学习流程。 这里提供一段伪代码仅供参考。 1. 导库 imp
阅读全文
摘要：北京市农林科学院信息技术研究中心赵春江院士团队联合华中农业大学杨万能教授团队发布在PBJ上的综述文章：Plant microphenotype: from innovative imaging to computational analysis，深入探讨了植物微观表型（microphenotype）
阅读全文
摘要：全球主要可用的高通量表型分析设施列表 参考1 参考2 来源：赵春江，植物表型组学大数据及其研究进展 参考3 来源：High-Throughput Phenotyping: A Platform to Accelerate Crop Improvement
阅读全文
摘要：摘要：为探究我国智慧农业未来发展的目标、任务与政策，本文基于系统工程学视角，阐释了智慧农业的概念与内涵，介绍了国外智慧农业相关战略布局与行动计划，分析了我国智慧农业发展现状、特点以及与国际上的差距，提出了我国智慧农业未来发展目标、重点任务与政策建议。美、德、英、日等国在农业传感器、农业大数据智能、农
阅读全文
摘要：这篇论文介绍了一种使用YOLO算法进行植物检测和计数的技术，旨在为农业实践提供一种自动化、有效的解决方案。作者通过收集大量的农田照片，并对每张照片中的植物实例进行精确的边界框标注，训练了这个算法。YOLO算法以其实时物体检测能力而闻名，在图像中将输入图像划分为网格，并预测每个网格单元格的边界框和类别
阅读全文
摘要：目录数据采集无人机系统数据预处理图像拼接颜色转换和校正图像分割数据分析图像分析关键技术作物株高提取叶面积指数提取技术植物病害检测技术 基于无人机系统的作物表型分析方法集数据采集、处理和分析于一身，大大缩短和精简了作物表型研究的时间和过程。首先，利用小型无人机在作物种植区域进行图像数据的采集；获取完毕
阅读全文
摘要：目录摘要传统PPIR技术基于深度学习的PPIR技术1.卷积神经网络（Convolutional neural network, CNN）2. 深度置信网络（Deep belief network, DBN）3.循环神经网络（Recurrent neural network, RNN）4. 堆叠自编码
阅读全文
摘要：目录 介绍一篇浙江大学发表的一篇深度学习在植物表型组研究的综述： 岑海燕，朱月明，孙大伟，等. 深度学习在植物表型研究中的应用现状与展望[J]. 农业工程学报，2020，36(9)：1-16. 本文首先概述了植物表型与深度学习方法的背景；随后从植物识别与分类、胁迫分析、产量预测、面向精准育种和精准管
阅读全文
摘要：目录 标题: Big Data and AI Revolution in Precision Agriculture: Survey and Challenges 单位：台湾清华大学 关键词：精准农业，大数据分析，机器学习，可持续农业，智能农业，数字农业 本文通过分析2000-2020年间的主要相关
阅读全文
摘要：目录 植物图像承载着丰富的信息，反映了植物的颜色、形态、生长和健康状态等关键特征。高通量植物表型采集技术广泛用于植物表型组学研究，产生了大量基于图像的性状数据，对种质筛选、植物病虫害鉴定和农艺性状挖掘等方面具有重要价值。 为了提供有效的数据管理和支持智慧农业，中科院遗传与发育所作物表型组学研究中心与
阅读全文
摘要：目录作物生长模型概述研究思路研究进展未来发展 作物生长模型概述 农业信息技术在世界农业领域的兴起始于20 世纪70年代末，以作物生长模型（crop growth model）的成功研制和应用为突出代表。 作物生长模型以作物生长发育的内在规律为基础，综合作物遗传潜力、环境效应、调控技术之间的因果关系，
阅读全文
