‍https://doi.org/10.34133/plantphenomics.0132

Plant Phenomics | 北京工业大学联合东京大学提出一种自适应无锚点果实检测模型

‍https://doi.org/10.34133/plantphenomics.0135

Plant Phenomics | 基于注意力机制的深度学习模型在温室栽培的谷物作物中的高通量穗检测

‍https://doi.org/10.34133/plantphenomics.0155

Plant Phenomics | AI助力苜蓿根系表型研究，ResNet-18技术精准解析植物结构

‍https://doi.org/10.34133/plantphenomics.0251

Plant Phenomics | 利用深度学习技术实现地标的快速检测与分组，为根表型分析提供高效无缝的解决方案

‍https://doi.org/10.34133/plantphenomics.0175

Plant Phenomics | 中南林业科技大学周国雄教授团队基于FHTW-Net的水稻叶片病害图文检索精确框架

‍https://doi.org/10.34133/plantphenomics.0168

Plant Phenomics | 南京农业大学开发人工智能创新识别黄瓜性状系统

‍https://doi.org/10.34133/plantphenomics.0193

Plant Phenomics | 中南林业科技大学周国雄教授团队基于AISOA-SSformer的有效水稻叶病图像分割方法

‍https://doi.org/10.34133/plantphenomics.0218

Plant Phenomics | 华中农业大学作物表型团队开发了一种高效准确测量未经整形的水稻稻穗表型方法

‍https://doi.org/10.34133/plantphenomics.0213

Plant Phenomics | 武汉理工大学开发了一款结合深度学习与移动端的小麦条锈病严重度表型智能评测APP

‍https://doi.org/10.34133/plantphenomics.0201

Plant Phenomics | 浙江大学岑海燕教授团队基于无人机图像的水稻育种小区稻穗计数与穗型分类

‍‍https://doi.org/10.34133/plantphenomics.0265

Plant Phenomics | SAM在葡萄簇结构与果实特性综合分析中的应用

‍https://doi.org/10.34133/plantphenomics.0202

Plant Phenomics | 浙江大学岑海燕教授团队基于智能手机与神经辐射场的田间稻穗表型低成本高精度解析

‍https://doi.org/10.34133/plantphenomics.0279

加入作者交流群

扫码添加小编微信，拉您进入《植物表型组学》作者交流群，群内不定期开展作者分享会、专刊发布会等高质量活动。

添加小编微信，备注姓名+单位+PP，加入作者交流群

About Plant Phenomics

《植物表型组学》（Plant Phenomics）是由南京农业大学和美国科学促进会（AAAS）合作创办的英文学术期刊，于2019年1月正式上线发行。采用开放获取形式，刊载植物表型组学交叉学科热点领域具有突破性科研进展的原创性研究论文、综述、数据集和观点。具体范围涵盖高通量表型分析的最新技术，基于图像分析和机器学习的表型分析研究，提取表型信息的新算法，作物栽培、植物育种和农业实践中的表型组学新应用，与植物表型相结合的分子生物学、植物生理学、统计学、作物模型和其他组学研究，表型组学相关的植物生物学等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等数据库收录。科睿唯安JCR2023影响因子为7.6，位于农艺学、植物科学、遥感一区。2023年中科院期刊分区位于农林科学大类一区。2020年入选中国科技期刊卓越行动计划高起点新刊项目、2024年入选江苏科技期刊卓越行动计划领军期刊项目、中国科技期刊卓越行动计划二期英文梯队期刊。

说明：本文由《植物表型组学》编辑部负责组稿。