主動學習對基于圖像的植物表型深度學習模型已經成功地應用于各種基于圖像的植物表型應用，包括疾病檢測和分類。然而，有監(jiān)督的深度學習模型的成功部署需要大量的標記數據，由于固有的復雜性，這在植物科學(和大多數生物學)領域是一個重大挑戰(zhàn)。具體來說，數...

利用無人機圖像的機器學習預測番茄生物量和產量首先從植物高度(PH)和植被指數(VI)圖中確定預測番茄產量的重要變量。這些地圖來自無人機(UAV)拍攝的圖像。其次，使用選定的變量集，檢驗多機器學習算法對番茄鮮枝質量(SM)、果實重量(FW)和...

深度學習實現玉米和高粱葉片計數自動化葉片數量和葉片出苗率是植物育種家、植物遺傳學家和作物模型學家感興趣的表型。即使對一個沒有經過專業(yè)訓練的普通人員，計算一株植物現有的葉子數量也是很簡單的，但手動跟蹤數百個個體在多個時間點上的葉子數量變化卻是...

檢測高光譜和多光譜分辨率下龍爪稷的生物物理學特性和氮狀態(tài)龍爪稷對小農戶來說是一種重要的谷類作物，通過遙感技術對一些作物參數（比如作物生長情況和含氮量）進行可靠評估，可以促進龍爪稷的應季管理。本研究采用偏最小二乘回歸(PLSR)選擇最佳波段法...

測量高光譜反射率預測小麥的生理性狀數千種基因型的產量關鍵性狀進行快速田間測量的需求是作物育種的主要障礙，最近，葉片的高光譜反射數據已被用于訓練機器學習模型，使用偏最小二乘回歸(PLSR)來快速預測小麥和其他物種的光合和葉子性狀的遺傳變異，然...

自從高光譜技術應用到農業(yè)上之后，很多科學家進行研究將這項技術用于作物診斷。然而，由于光學設備的特性，不同圖像獲取條件下得到的反射率是不同的。并且在使用高光譜成像的過程中也沒有優(yōu)化方法來減少這種技術誤差。因此，本研究旨在尋找一種能夠反映在不同...

3D成像計算玉米根系層次結構和細粒度特征的方法X射線、CT、MRI等三維成像技術已被廣泛應用于植物根系結構的研究。有許多計算工具可以從3D根部圖像中提取粗粒度特征，如總體積、根數和總根長。然而，目前還缺乏精確有效地計算細粒根系特征的方法，如...

隨著遙感技術的不斷發(fā)展，高光譜相機作為一項前沿的光譜成像技術，在環(huán)境監(jiān)測領域展現出巨大的應用潛力。與傳統(tǒng)的RGB相機相比，高光譜相機能夠獲取更精細的光譜信息，提供豐富的物質成分和狀態(tài)數據，為環(huán)境監(jiān)測、資源管理、災害預警等多個方面提供了有力的...