利用PTR-ToF-MS高效筛选植物中VOC合成基因

利用PTR-ToF-MS高效筛选植物中VOC合成基因

本文提出了一种快速、高灵敏度的方法:通过将质子转移反应飞行时间质谱仪(PTR-ToF-MS)与自动采样器耦合,VOC排放水平/模式进行高通量表征,植物表型资讯介绍如下:

植物挥发性有机化合物(VOC)生物合成基因的功能表征及其产物的生[……]

继续阅读

基于Kinect传感器自标定的果树冠层三维形态测量方法

基于Kinect传感器自标定的果树冠层三维形态测量方法

本文提出了一种基于Kinect传感器自标定的果树冠层3D形态测量方法,包括三维点云生成、点云配准和树冠信息提取,植物表型资讯介绍如下:

 

果树冠层感知是现代果园智能化控制的关键技术。由于果树冠层的三维(3D)结构复杂[……]

继续阅读

基于深度学习的表型分析系统

基于深度学习的表型分析系统

本文提出了一种除了能够有效检测和定位植株异常位置之外,还可以通过结合视觉对象识别和语言生成技术生成关于病害症状和与场景交互更详细信息的方法,植物表型资讯介绍如下:

深度神经网络的最新进展允许开发用于植株异常识别的高效以及自动化诊断系统[……]

继续阅读

利用作物根系表型分析进行育种改良

利用作物根系表型分析进行育种改良

本文提出可利用模型在育种过程中的不同阶段进行测试,然后对根-土壤根际在土壤中进行非侵入式表型分析,从而揭示与农业系统实际相关的新型组合性状,为作物改良提供选择,植物表型资讯介绍如下:

自20世纪70年代根系性状和根际被纳入种质资源以来[……]

继续阅读

利用高光谱成像结合机器学习对植物盐胁迫进行高通量表型分析

本文介绍了一种利用深度学习从HSI图像中提取RGB图像的植物叶片分割方法,植物表型资讯介绍如下:

在盐碱化土地上快速选择耐盐作物增加粮食产量对可持续农业具有重要意义。目前已采用非破坏性高通量植物表型技术对植物生理生态进行测量来加速植物[……]

继续阅读

利用机器人多摄像头规划技术生成农作物高密度高光谱点云

本文提出了一种利用机器人多相机套件自动生成高密度高光谱点云的最佳方案,植物表型资讯介绍如下:

园艺作物的高光谱成像和基于点云制图的应用为精准农业提供了重要信息。本文提出了一种利用机器人多相机套件自动生成高密度高光谱点云的最佳方案(该方[……]

继续阅读

利用高通量表型提取玉米3D模型

利用高通量表型提取玉米3D模型

本文提出了一种基于3D重建冠层植物表型特征的自动提取方法。该方法可以加强作物性状评估,为作物随生长阶段季节性变化提供准确、长期的统计数据,植物表型资讯介绍如下:

结合无人机和手持相机采集的高分辨率RGB图像以及运动结构,可以重建玉米植[……]

继续阅读

利用深度学习对作物病害进行检测和分类

利用深度学习对作物病害进行检测和分类

本文综述了用于可视化各种植物病害的DL模型,并使用了几个性能指标进行评估,植物表型资讯介绍如下:

病害影响作物生长发育,因此对其早期鉴定十分重要。目前,许多机器学习(ML)模型已应用于植物病害的检测和分类。随着深度学习(DL)的发展,[……]

继续阅读

利用冠层光合荧光长期观测四种作物光合与环境的相关作用

本文使用高通量光合表型仪LIFT分析了光合作用与两个季节内波动环境和冠层结构的相互作用,植物表型资讯介绍如下:

光合作用在不同时间尺度上对变化的条件会作出动态反应。光照和温度适应平衡了光合过程与波动环境的复杂相互作用。然而,由于测量技[……]

继续阅读

利用无人机3D激光雷达技术进行作物株高和小区估算

利用无人机3D激光雷达技术进行作物株高和小区估算

针对行作物,本文提出了利用无人机3D激光雷达技术测量作物株高,植物表型资讯介绍如下:

了解作物株高对监测作物健康和生长周期至关重要,特别是利用高通量植物表型。针对行作物,本文提出了利用无人机3D激光雷达技术测量作物株高。该方法的关键步[……]

继续阅读

基于图像的植物病害预测模型的最新进展

基于图像的植物病害预测模型的最新进展

本文对基于机器学习的植物病害预测模型进行了探讨,并对多种成像技术,如RGB、多光谱、高光谱、热光谱、荧光光谱等进行了简要综述,植物表型资讯介绍如下:

印度作为整个食品工业的主要贡献者,在农业领域的地位举足轻重。目前,保护作物免受植物病[……]

继续阅读

利用高光谱分布图预测小麦氮、水含量和分布

利用高光谱分布图预测小麦氮、水含量和分布

本文做了如下研究:(i)使用高通量表型系统获得小麦植株高光谱图像,(ii)开发了能够预测小麦植株水分含量和氮水平的回归模型,(iii)将表现最佳的模型回归系数应用于高光谱图像,开发预测图以可视化植物中的氮和水分布,植物表型资讯介绍如下:[……]

继续阅读

利用卷积编译码网络学习语义图形实现水稻自动除草

利用卷积编译码网络学习语义图形实现水稻自动除草

本文提出了一种新型神经网络训练方法,该方法将语义图形用于数据注释并结合高级编译码网络,实现稻田中自动作物行和杂草检测,植物表型资讯介绍如下:

杂草是农场侵略者,与作物争夺营养及其他资源,造成作物产量降低。使用大量化学品控制杂草会对人类[……]

继续阅读

利用传感器和无人机系统对多年生黑麦草生物量进行高通量表型分析

本文利用集成多光谱传感器的无人机系统,对多年生黑草生物量进行评估(这些多年生黑草田试验分别以单株间隔式、行间隔式和草地式播种),植物表型资讯介绍如下:

牧草育种计划的主要目标是增加牧草生物量。在牧草育种过程中通常涉及三种类型田间试验,[……]

继续阅读

从表型到表型组学:葡萄性状分析的现状与展望

从表型到表型组学:葡萄性状分析的现状与展望

本文主要聚焦于大规模遗传学研究,如QTL定位,描述了当前的表型方法及其局限性,并介绍了表型学未来的机遇,包括促进公平的数据原则的可发现性,可访问性,互操作性以及可重用性,植物表型资讯介绍如下:

葡萄表型是对葡萄生长、发育、耐受性、抗性[……]

继续阅读

新一代植物表型组学的发展之路

新一代植物表型组学的发展之路

随着多种植物全基因组测序的完成,科研人员越来越认识到植物表型研究的重要性,并将其提升至“组学”的高度。植物表型组学是研究植物生长、表现和组成的科学,能够有效追踪基因型、环境因素和表型之间的联系,是突破未来作物学研究和应用的关键领域。该文介绍[……]

继续阅读

利用卷积神经网络进行无监督图像分割实现作物自动监测

本文介绍了一种用于监测作物生长和健康状况的无监督分割方法,植物表型资讯介绍如下:

在农业自动化过程中,作物生长周期中各种事件定位和分割至关重要,尤其在枝叶茂密的情况下面临更大的挑战。目前,已经实现基于卷积神经网络进行监督图像分割,而本[……]

继续阅读

利用机器学习实现高通量表型分析玉米泡状细胞遗传结构

本研究首次将机器学习方法、转录组学和基因组学结合起来研究泡状细胞模式,也是首次利用自然变异来研究这种微观特征的遗传结构,植物表型资讯介绍如下:

泡状细胞由生长在草叶近轴(上)表面的特化细胞组成,并沿着成体叶片近远轴形成线性排列。泡状细[……]

继续阅读

护根鞘:帮助植物耐受干旱胁迫的潜在根系特征

护根鞘:帮助植物耐受干旱胁迫的潜在根系特征

本文旨在通过实验验证增强的根鞘形成是否有助于植物更好地从干燥土壤中获取水分,植物表型资讯介绍如下:

护根鞘是附着在根系表面的土壤颗粒层。目前,尽管有几种关于其能在干燥土壤中获取水分和养分的积极作用的推测,但尚未得到证实。本文旨在通过实[……]

继续阅读

棉花高通量表型分析

棉花高通量表型分析

本文重点介绍了棉花中HTP技术的最新发展,根据棉花形态和生理特性综述了其潜在应用,并比较了这些HTP系统在棉花种植中的优点和局限性,植物表型资讯介绍如下:

近年来表型分析技术的进步提高了棉花数据收集和分析效率。高通量表型分析(HTP)[……]

继续阅读

通过分析航空图像预测玉米开花期、产量和籽粒大小

通过分析航空图像预测玉米开花期、产量和籽粒大小

本文以具有良好产量潜力的玉米杂种为实验材料,利用搭载经光谱修正的无人机相机采集图像,其中每个像素值都是基于蓝色和近红外波长带之间的归一化差值植被指数(BNDVI),植物表型资讯介绍如下:

如果作物表型图像分析方法能够有效、可靠地获取相[……]

继续阅读

用于研究贮藏根发育的低成本雾培表型系统:揭开木薯的地下秘密

本文旨在开发一种可靠、低成本、有效的研究影响木薯贮藏根萌发和发育因素系统,植物表型资讯介绍如下:

块根类和块茎类作物由于碳水化合物含量高(仅次于谷类)而变得越发重要。尽管存在商业价值,但由于研究贮藏根的固有问题和缺乏合适的模型系统来监[……]

继续阅读