主动学习对基于图像的植物表型深度学习模型已经成功地应用于各种基于图像的植物表型应用，包括疾病检测和分类。然而，有监督的深度学习模型的成功部署需要大量的标记数据，由于固有的复杂性，这在植物科学(和大多数生物学)领域是一个重大挑战。具体来说，数...

利用无人机图像的机器学习预测番茄生物量和产量首先从植物高度(PH)和植被指数(VI)图中确定预测番茄产量的重要变量。这些地图来自无人机(UAV)拍摄的图像。其次，使用选定的变量集，检验多机器学习算法对番茄鲜枝质量(SM)、果实重量(FW)和...

深度学习实现玉米和高粱叶片计数自动化叶片数量和叶片出苗率是植物育种家、植物遗传学家和作物模型学家感兴趣的表型。即使对一个没有经过专业训练的普通人员，计算一株植物现有的叶子数量也是很简单的，但手动跟踪数百个个体在多个时间点上的叶子数量变化却是...

检测高光谱和多光谱分辨率下龙爪稷的生物物理学特性和氮状态龙爪稷对小农户来说是一种重要的谷类作物，通过遥感技术对一些作物参数（比如作物生长情况和含氮量）进行可靠评估，可以促进龙爪稷的应季管理。本研究采用偏最小二乘回归(PLSR)选择最佳波段法...

测量高光谱反射率预测小麦的生理性状数千种基因型的产量关键性状进行快速田间测量的需求是作物育种的主要障碍，最近，叶片的高光谱反射数据已被用于训练机器学习模型，使用偏最小二乘回归(PLSR)来快速预测小麦和其他物种的光合和叶子性状的遗传变异，然...

自从高光谱技术应用到农业上之后，很多科学家进行研究将这项技术用于作物诊断。然而，由于光学设备的特性，不同图像获取条件下得到的反射率是不同的。并且在使用高光谱成像的过程中也没有优化方法来减少这种技术误差。因此，本研究旨在寻找一种能够反映在不同...

3D成像计算玉米根系层次结构和细粒度特征的方法X射线、CT、MRI等三维成像技术已被广泛应用于植物根系结构的研究。有许多计算工具可以从3D根部图像中提取粗粒度特征，如总体积、根数和总根长。然而，目前还缺乏精确有效地计算细粒根系特征的方法，如...

随着遥感技术的不断发展，高光谱相机作为一项前沿的光谱成像技术，在环境监测领域展现出巨大的应用潜力。与传统的RGB相机相比，高光谱相机能够获取更精细的光谱信息，提供丰富的物质成分和状态数据，为环境监测、资源管理、灾害预警等多个方面提供了有力的...