欢迎您来到博普特科技官方网站!

土壤仪器电话

010-82794912

品质至上,客户至上,您的满意就是我们的目标

技术文章

当前位置:  首页 > 技术文章

Plant Phenomics | 机器学习文章合集

发表时间:2023-01-19 12:47:53点击:792

来源:植物表型组学

分享:

1674099749403254.png

点击标题查看文章介绍

点击下载所有文章PDF文章

Plant Phenomics | 田间条件下检测玉米雄穗的开花进程

1674099788228656.png

Plant Phenomics | 结合无人机高光谱图像和倒伏特征构建水稻产量类别检测模型

1674099810523915.png

Plant Phenomics | 基于植物叶片三维点云的稳健表面重建

1674099829746049.png

Plant Phenomics | 南京农大小麦生理生态与生产管理课题组提出了一种从显微镜视频中跟踪和监测气孔动态的集成方法

1674099856279079.png

Plant Phenomics | 无人机高光谱影像在玉米自交系作物性状估算中的应用

1674099877417412.png

Plant Phenomics | 对八倍体草莓形态的自动化表型和遗传分析

1674099934276532.png

使用深度学习在复杂背景下增强基于田间马铃薯枯萎病检测

1674099964962806.png

Plant Phenomics | 深度融合多角度图像以预估育种应用中的大豆产量

1674101376525880.png

Plant Phenomics | 基于无人机图像和深度学习鉴定大豆对水涝胁迫的响应

1674101397544163.png

Plant Phenomics | 基于叶绿素荧光图像的高通量玉米图像分割和性状提取

1674101421624769.png

Plant Phenomics | SNAP:基于机器学习的全自动大豆根瘤提取算法

1674101440462098.png

KAT4IA:用于田间植物表型图像分析的 K-Means 辅助训练

1674101457603599.png

Plant Phenomics | 基于多光谱航拍图像对大豆茸毛进行分类

1674101496504640.png

使用 Faster-RCNN 检测模型从无人机 RGB 图像估计玉米植株密度:空间分辨率的影响

1674101552173566.png

Plant Phenomics | GANana:用于水果三维重建的无监督域自适应体积回归算法

1674101579770180.png

Plant Phenomics | Panicle-3D:水稻穗点云精确语义分割的高效表型工具

1674101600913665.png

Plant Phenomics | 氮肥都去哪儿了?湿地松不同部位氮元素含量差异及其光谱预测方法

1674102203964264.png

Plant Phenomics | 基于多传感器系统和超像素分类的麦穗图像分割

1674102234866195.png

Plant Phenomics | 华中科技大学曹治国教授提出用于麦穗检测的动态颜色变换网络

1674102316329715.png

基于图像的主动学习对植物器官分割有多大用处?

1674103223253421.png

Plant Phenomics | 基于近端多源时序数据和多任务深度学习同步预测小麦产量和品质性状

1674103240963626.png

Plant Phenomics | 基于表型图像信息与反向神经网络预测温室葡萄成熟度

1674103259399545.png

Plant Phenomics | 基于图像增强和机器学习的苜蓿根系表型研究

1674103275468838.png

Plant Phenomics | 利用高通量冠层高光谱遥感预测高粱的光合参数

1674103292644853.png

通过高光谱成像评价西兰花采后衰老

1674103311163717.png

基于Web注释器的植物高通量表型深度分割技术

1674103324814083.png

Plant Phenomics | PSegNet:针对多品种作物点云的器官同步语义分割与实例分割深度学习网络

1674103350291603.png

Plant Phenomics | 基于深度学习的微根管图像自动化分析方法

1674103377126418.png

Plant Phenomics | 基于无人机成像实现对田间小麦叶面积指数的快速精准估计

1674103393104861.png

高光谱和叶绿素荧光成像的端到端融合识别水稻胁迫

1674103414270615.png

Plant Phenomics | 光谱预处理与深度转移学习相结合的叶片叶绿素含量评估

1674103429182282.png

Plant Phenomics | 基于无人机多传感器和集成学习的玉米表型高通量估算

1674103442309706.png

Plant Phenomics | EasyDAM_V2,零数据标注实现果实识别模型构建

1674103470915896.png

Plant Phenomics | 基于可平衡特征金字塔网络的小苹果检测模型

1674103591999415.png

基于高分辨率图像的草莓冠层描绘和生物量预测的深度学习

1674103632621192.png

SegVeg:基于深浅层融合法分割植被RGB图像的绿色和衰老部分

1674103652169557.png

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。

1662096989509323.png

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JCR2021影响因子为6.961,位于农艺学、植物科学,遥感一区。中科院农艺学、植物科学一区,遥感二区,生物大类一区(TOP期刊)。2020年入选中国科技期刊卓越行动计划高起点新刊项目。


说明:本文由《植物表型组学》编辑部负责组稿。

中文内容仅供参考,一切内容以英文原版为准。

合集整理:李嘉琦(南京农业大学)

排版:张婕(南京农业大学)

审核:孔敏、王平

  • 土壤仪器品牌德国steps
  • 土壤仪器品牌奥地利PESSL
  • 土壤仪器品牌荷兰MACView
  • 土壤仪器品牌德国INNO_Concept
  • 土壤仪器品牌比利时WIWAM
  • 土壤仪器品牌德国GEFOMA
  • 土壤仪器品牌奥地利schaller
  • 土壤仪器品牌荷兰PhenoVation
  • 土壤仪器品牌法国Hi-phen系统
  • 土壤仪器品牌Videometer
  • 土壤仪器品牌比利时INDUCT(OCTINION)
  • 土壤仪器品牌美国EGC
  • 土壤仪器品牌HAIP
  • 土壤仪器品牌植物遗传资源学报