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

Nature综述:提高作物产量的遗传策略

Nature综述:提高作物产量的遗传策略

2019年11月6日,Nature在线发表的题为 Genetic strateies for improving Crop Yields 的综述文章,讨论了利用植物科学解决绿色革命后农业挑战的潜力,并探索了在气候变化中增强作物可持续生产。植[……]

继续阅读

有效的表型应用需要性状与平台的匹配以及对理论的更多关注

本文分享了作者的参会感受:如何更有效地进行表型分析,即如何为植物育种带来切实成果的表型分析,植物表型资讯介绍如下:

2018年春季,阿德莱德市主办了第五届国际植物表型分型研讨会(IPPS),主题为“从植物到数据再到影响”,以及OECD[……]

继续阅读

利用无人机图像特征解释冬小麦籽粒产量变化的主变量选择

本文旨在从无人机图像中选取对冬小麦产量贡献最大的主要特征和关键生育期,植物表型资讯介绍如下:

目前,自动化表型技术不断推进育种过程。然而,在整个生长季节收集各种次生性状并处理大量数据仍需要付出大量精力和时间。选择具有最大预测能力且最小[……]

继续阅读

基于图像分析技术的水稻单穗粒数识别与计数

基于图像分析技术的水稻单穗粒数识别与计数

本文旨在研究一种有效的离体穗粒数快速测量方法,为水稻穗粒数快速大批量检测提供技术支持,植物表型资讯介绍如下:

在表型基因组学研究中,往往需要大批量的表型检测,从而筛选突变植株并识别相应的遗传基因。单穗粒数作为水稻籽粒产量的重要构成因素[……]

继续阅读

了解受控环境下高、低蛋白小麦基因型生物量、产量和籽粒蛋白质含量的相互作用

本文旨在了解高、低GPC小麦基因型之间氮素响应的差异并通过生物量生长分析评估氮素响应差异,植物表型资讯介绍如下:

籽粒蛋白质含量(GPC)是小麦重要的品质属性和市场特性。在当前世界范围的种植系统中,氮肥施用量仍是决定作物产量的主要因素[……]

继续阅读

无创表型揭示了影响春小麦开花前耐旱性和恢复期的基因组区域

本文通过非侵入式成像研究了干旱条件下春大麦的生长情况并揭示了其潜在的关键遗传因素,植物表型资讯介绍如下:

随着持续的气候变化,干旱越来越频繁,并且会在开花前影响作物生物量形成。本文通过非侵入式成像研究了干旱条件下春大麦的生长情况并揭示[……]

继续阅读

通过主动学习与弱监督对谷类作物进行经济有效的穗检测

本文提出了一种基于弱监督的主动学习方法来检测谷物穗密度,植物表型资讯介绍如下:

小麦、高粱等谷类作物穗密度是了解其产量的主要依据之一。为了有效表征谷类作物穗密度,研究人员一致认为迫切需要基于计算机视觉对象检测技术。特别是近年来,基于深[……]

继续阅读

使用非成像光谱数据训练的校准模型检测和鉴别马铃薯病害

本文分析了可见光和近红外(400 – 1000nm)部分光在检测和鉴定几种重要的马铃薯病害中的应用,并使用偏最小二乘和反向传播神经网络光谱校正模型进行探讨,植物表型资讯介绍如下:

植物叶片吸收、透射或反射光波长比例取决于叶片结构、生理[……]

继续阅读

基于深度神经网络RGB图像和热图像的小麦穗检测

基于深度神经网络RGB图像和热图像的小麦穗检测

本文旨在建立小麦穗识别与计数系统,为进一步估计小麦穗覆盖密度和产量预测提供必要的技术支持,植物表型资讯介绍如下:

近年来,RGB和热成像相机越来越多地作为配件或集成部件应用于智能手机,同时智能手机在农民中的使用率日益增加。利用这样的手[……]

继续阅读

基于Kinect传感器自标定的温室植物3D点云重建及形态测量方法

本文提出了一种基于Kinect v2传感器自标定的高通量3D快速温室植物点云重建方法,植物表型资讯介绍如下:

植物形态数据是精准农业和植物表型研究的重要基础。植物3D几何形态较为复杂,在植物整个生长周期中变化较为明显。为了对温室植物3[……]

继续阅读

利用对抗网络进行无监督图像转换改善植物病害识别

利用对抗网络进行无监督图像转换改善植物病害识别

本文提出了一个简单pipeline,在无监督图像转换环境中通过利用GANs改善植物病害数据集中数据分布学习,减少由严重类失衡引起的偏性,从而使分类决策边界朝着更好的方向发展,植物表型资讯介绍如下:

由于专业性和时间限制,在植物病害识别[……]

继续阅读

可提高植物生产力的计算机视觉表型分析:机器学习的视角

利用计算机视觉从图像和视频中提取有用信息正成为识别植物表型变化的关键技术。本文回顾了计算机视觉在自动化植物表型分析中的新兴应用,植物表型资讯介绍如下:

利用计算机视觉从图像和视频中提取有用信息正成为识别植物表型变化的关键技术。本文回顾[……]

继续阅读

在Enviratron中测量植物生长

在Enviratron中测量植物生长

Enviratron是一组定制的植物生长室,可模拟不同环境条件,结合机器人探测器进行基于传感器的精确表型测量,植物表型资讯介绍如下:

评估环境对植物生长的影响需要在受控环境条件下种植植物。植物表型是基因型×环境(G×E)的产物,爱荷华[……]

继续阅读

高通量表型分析仪在巴尔干辣椒果实多样性分析中的应用

本文通过收集50种不同巴尔干辣椒果实形状、大小和颜色,利用番茄分析仪(TA)对辣椒种内和种间的果实多样性进行描述,植物表型资讯介绍如下:

多年来,工业辣椒生产的重点一直是培育高产大果品种。这导致了辣椒(Capsicum annuum[……]

继续阅读

植物表型多模态图像配准的特征点检测器比较

植物表型多模态图像配准的特征点检测器比较

本文对用于自动配准VIS和FLU植物图像的七个不同特征点检测器进行了比较,植物表型资讯介绍如下:

现代植物表型中多相机系统的引入给多模态图像分析带来了新机遇。可见光(VIS)、荧光(FLU)和近红外图像使科学家能够根据光学外观、生化成[……]

继续阅读

HyperRail:用于成像和传感器套件的模块化线性运动控制系统

本文提出一个用于成像和传感器套件的模块化线性运动控制系统——HyperRail:该系统可3D打印、长度范围在1-100米、可编程且成本低,植物表型资讯介绍如下:

目前尚未出现可靠、准确和低成本的线性运动控制系统应用于精准农业。大多数向[……]

继续阅读

基于高光谱成像的茶树炭疽病检测

基于高光谱成像的茶树炭疽病检测

本文提出了一种基于高光谱成像的茶树炭疽病检测方法,植物表型资讯介绍如下:

炭疽病(Gloeosporium theae-sinesis Miyake)是茶树中一种重要的常见病害,严重威胁茶叶品质和产量。高光谱成像技术能够无创、客观地检[……]

继续阅读

利用机械表型对谷类作物抗倒伏性进行评估

利用机械表型对谷类作物抗倒伏性进行评估

这篇综述详述了在机械测试中被用来单独评估茎和根抗倒伏性的表型方法,并且针对每种方法,都讨论了其优、缺点以及局限性,植物表型资讯介绍如下:

植物机械故障,又称倒伏,是造成粮食作物严重减产且不可预测的因素。倒伏分为茎倒伏和根倒伏两种不同破[……]

继续阅读

深度计数:利用简单线性迭代聚类和深度卷积神经网络对田间麦穗进行自动量化

本文提出一种称为深度计数的高效计数系统,可以自动识别和计数自然条件下拍摄的数字图像中的小麦穗数,植物表型资讯介绍如下:

对育种学家、研究人员和农民来说,小麦产量是一项重要的指标,可由每平方米穗数、每穗粒数和千粒重估算。麦穗计数是育种计[……]

继续阅读