-
主動(dòng)學(xué)習(xí)對(duì)基于圖像的植物表型深度學(xué)習(xí)模型已經(jīng)成功地應(yīng)用于各種基于圖像的植物表型應(yīng)用,包括疾病檢測(cè)和分類(lèi)。然而,有監(jiān)督的深度學(xué)習(xí)模型的成功部署需要大量的標(biāo)記數(shù)據(jù),由于固有的復(fù)雜性,這在植物科學(xué)(和大多數(shù)生物學(xué))領(lǐng)域是一個(gè)重大挑戰(zhàn)。具體來(lái)說(shuō),數(shù)...
-
利用無(wú)人機(jī)圖像的機(jī)器學(xué)習(xí)預(yù)測(cè)番茄生物量和產(chǎn)量首先從植物高度(PH)和植被指數(shù)(VI)圖中確定預(yù)測(cè)番茄產(chǎn)量的重要變量。這些地圖來(lái)自無(wú)人機(jī)(UAV)拍攝的圖像。其次,使用選定的變量集,檢驗(yàn)多機(jī)器學(xué)習(xí)算法對(duì)番茄鮮枝質(zhì)量(SM)、果實(shí)重量(FW)和...
-
深度學(xué)習(xí)實(shí)現(xiàn)玉米和高粱葉片計(jì)數(shù)自動(dòng)化葉片數(shù)量和葉片出苗率是植物育種家、植物遺傳學(xué)家和作物模型學(xué)家感興趣的表型。即使對(duì)一個(gè)沒(méi)有經(jīng)過(guò)專(zhuān)業(yè)訓(xùn)練的普通人員,計(jì)算一株植物現(xiàn)有的葉子數(shù)量也是很簡(jiǎn)單的,但手動(dòng)跟蹤數(shù)百個(gè)個(gè)體在多個(gè)時(shí)間點(diǎn)上的葉子數(shù)量變化卻是...
-
檢測(cè)高光譜和多光譜分辨率下龍爪稷的生物物理學(xué)特性和氮狀態(tài)龍爪稷對(duì)小農(nóng)戶(hù)來(lái)說(shuō)是一種重要的谷類(lèi)作物,通過(guò)遙感技術(shù)對(duì)一些作物參數(shù)(比如作物生長(zhǎng)情況和含氮量)進(jìn)行可靠評(píng)估,可以促進(jìn)龍爪稷的應(yīng)季管理。本研究采用偏最小二乘回歸(PLSR)選擇最佳波段法...
-
測(cè)量高光譜反射率預(yù)測(cè)小麥的生理性狀數(shù)千種基因型的產(chǎn)量關(guān)鍵性狀進(jìn)行快速田間測(cè)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(shù)據(jù)已被用于訓(xùn)練機(jī)器學(xué)習(xí)模型,使用偏最小二乘回歸(PLSR)來(lái)快速預(yù)測(cè)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(shù)應(yīng)用到農(nóng)業(yè)上之后,很多科學(xué)家進(jìn)行研究將這項(xiàng)技術(shù)用于作物診斷。然而,由于光學(xué)設(shè)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(guò)程中也沒(méi)有優(yōu)化方法來(lái)減少這種技術(shù)誤差。因此,本研究旨在尋找一種能夠反映在不同...
-
3D成像計(jì)算玉米根系層次結(jié)構(gòu)和細(xì)粒度特征的方法X射線(xiàn)、CT、MRI等三維成像技術(shù)已被廣泛應(yīng)用于植物根系結(jié)構(gòu)的研究。有許多計(jì)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(shù)和總根長(zhǎng)。然而,目前還缺乏精確有效地計(jì)算細(xì)粒根系特征的方法,如...
-
隨著遙感技術(shù)的不斷發(fā)展,高光譜相機(jī)作為一項(xiàng)前沿的光譜成像技術(shù),在環(huán)境監(jiān)測(cè)領(lǐng)域展現(xiàn)出巨大的應(yīng)用潛力。與傳統(tǒng)的RGB相機(jī)相比,高光譜相機(jī)能夠獲取更精細(xì)的光譜信息,提供豐富的物質(zhì)成分和狀態(tài)數(shù)據(jù),為環(huán)境監(jiān)測(cè)、資源管理、災(zāi)害預(yù)警等多個(gè)方面提供了有力的...