葉綠素熒光圖像的高通量玉米圖像分割與性狀提取植物分割和單個器官的特征提取是高通量表型(HTP)操作中的兩個關(guān)鍵挑戰(zhàn)。為了應對這一挑戰(zhàn)，普渡大學的AgAlumniSeedPhenotypingFacility(AAPF)利用葉綠素熒光圖像(C...

受控條件下的高自動化、獨立型和低成本的表型分析系統(tǒng)受控條件下的植物生長設施讓改變影響植物生長氣候條件成為可能（例如濕度、溫度和光照），從而可以更好地了解植物對非生物和生物脅迫的反應。盡管世界范圍內(nèi)已經(jīng)建立了數(shù)個高通量表型分析設施，但需要進一...

光譜和砧木影響溫室番茄對補充光照長光周期的響應植物生物量和產(chǎn)量在很大程度上取決于植物攔截的光總量（日光積分(DLI)-強度×光周期）。為所需的DLI提供長周期而低強度光照更經(jīng)濟，因為它使用更少的燈具從而降低了成本。此外，燈具在長時間的光照下...

拉曼光譜是一種非常重要的分析技術(shù)，它通過測量光子與物質(zhì)相互作用而產(chǎn)生的散射光譜，來研究物質(zhì)的結(jié)構(gòu)和性質(zhì)。拉曼光譜儀作為一種高度精密的儀器，在科學研究、醫(yī)學診斷、材料分析等領域發(fā)揮著重要作用，具有許多意義和價值。首先，光譜儀可以用于確定物質(zhì)的...

主動學習對基于圖像的植物表型深度學習模型已經(jīng)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(shù)據(jù)，由于固有的復雜性，這在植物科學(和大多數(shù)生物學)領域是一個重大挑戰(zhàn)。具體來說，數(shù)...

利用無人機圖像的機器學習預測番茄生物量和產(chǎn)量首先從植物高度(PH)和植被指數(shù)(VI)圖中確定預測番茄產(chǎn)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(zhì)量(SM)、果實重量(FW)和...

深度學習實現(xiàn)玉米和高粱葉片計數(shù)自動化葉片數(shù)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(jīng)過專業(yè)訓練的普通人員，計算一株植物現(xiàn)有的葉子數(shù)量也是很簡單的，但手動跟蹤數(shù)百個個體在多個時間點上的葉子數(shù)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(nóng)戶來說是一種重要的谷類作物，通過遙感技術(shù)對一些作物參數(shù)（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...