学术中心
全球人口的不断增长以及气候变化给农业带来了重大挑战。大多作物新品种都是在特定环境下培育的,周期长,新品种适应不断变化的气候难以实现(Abberton等人,2016年)。因此,迫切需要开发新的方法,加快培育高效、抗逆作物品种的速度。近几十年来,作物育种经历了许多变化,从应用分子标记到转基因作物,以及最近的基因组编辑作物(Scheben等人,2017年)。然而,我们对复杂性状的基因组基础缺乏了解限制了这些方法的应用。在新的基因组测序和表型组学技术产生大量数据的情况下,更加需要新方法将这种爆炸式数据转化为改良的作物品种。
农业数据生命周期概述
深度学习早已不是新鲜事物,但是其在机器人技术、智能汽车、智能家居和农业中的应用近几年才取得了重大进展。深度学习的突破并不是由深度学习方法的重大进步推动的,而是由大型标签训练数据的可用性增加以及计算硬件(尤其是图形处理器(GPU))的进步推动的。随着农业表型和基因型数据的不断增加,应用深度学习加速作物育种和农业生产力势不可挡。本文对深度学习在农业中的应用进行了综述。
来源:
Philipp E. Bayer David Edwards. Machine learning in agriculture: from silos to marketplaces. Plant Biotechnology Journal. https://doi.org/10.1111/pbi.13521.
扫二维码用手机看
推荐新闻

发布时间 : 2022-11-13 07:26:55

发布时间 : 2022-05-20 11:45:57

发布时间 : 2022-05-13 10:56:43
视频展示
专题报道
联系我们
慧诺瑞德(北京)科技有限公司
地址:北京市海淀区西三旗街道建材城中路12号院8号楼2门
电话:010-62925490、82928854、82928864、82928874
传真:010-62925490-802
Email: info@phenotrait.com
邮编:100096
在线留言
关注我们

植物表型圈

植物表型资讯
慧诺瑞德(北京)科技有限公司版权所有 京ICP备15043840号 网站建设:中企动力 北二分 法律声明