一区二区三高清,spankingbdsm虐打,国产黄色免费片

當(dāng)前位置：武漢谷豐光電科技有限公司>>技術(shù)文章

3D 植物性狀測量用于生長監(jiān)測2024/10/07: 在植物表型研究中在，需要能夠精確測量植物性狀以進(jìn)行生長監(jiān)測的非破壞性系統(tǒng)。本研究中對室外條件下辣椒植物(CapsicumannumL.)的生長進(jìn)行了監(jiān)測。提出了一種基于運(yùn)動算法結(jié)構(gòu)，使用單個手機(jī)攝像頭進(jìn)行3D生長監(jiān)測的無損解決方案。還提出了一種在葉片卷曲時測量葉片長度和葉片寬度的方法。利用重建和分割的3D模型在不同的植物生長階段測量各種植物性狀，例如葉數(shù)、莖高、葉長和葉寬。3D植物重建和植物性狀測量的流程圖通過比較3D植物模型的值與手動測量的值來評估所提出系統(tǒng)的準(zhǔn)確性。結(jié)果表明，與的系統(tǒng)相比，所

Plant Phenomics│作物表型組學(xué)研究中心在水稻全生育期表型分析方法研究中取得進(jìn)展2024/10/07: 水稻是我國大口糧作物，水稻安全生產(chǎn)直接關(guān)乎我國糧食安全和農(nóng)業(yè)的可持續(xù)發(fā)展。隨著人口的不斷增長及生態(tài)環(huán)境壓力的持續(xù)加大，對水稻的增產(chǎn)優(yōu)質(zhì)基因改良及高產(chǎn)優(yōu)質(zhì)品種創(chuàng)制提出了更高的要求。水稻育種離不開全面、準(zhǔn)確、高效的表型鑒定，植物表型的核心是獲取高質(zhì)量、可重復(fù)的性狀數(shù)據(jù)，進(jìn)而量化分析基因型和環(huán)境互作效應(yīng)及其對產(chǎn)量、品質(zhì)、抗逆等相關(guān)的主要性狀的影響。隨著水稻功能基因組學(xué)的發(fā)展，準(zhǔn)確快速獲取大規(guī)模群體表型數(shù)據(jù)對水稻的育種和改良具有重要意義。而傳統(tǒng)的表型數(shù)據(jù)獲取往往需要進(jìn)行大量的人工實驗且費(fèi)時費(fèi)力，自動化快

Plant Biotechnology Journal|高通量作物表型技術(shù)助力小麥生長和產(chǎn)量相關(guān)性狀遺傳解析2024/10/07: 小麥?zhǔn)侵匾募Z食作物之一，為人類提供了大量的能量和蛋白質(zhì)。然而，小麥的產(chǎn)量受到許多復(fù)雜性狀的影響，如生長速度、生物量積累、抗逆能力等，這些性狀的遺傳基礎(chǔ)尚不清楚。為了解決這一難題，華中農(nóng)業(yè)大學(xué)楊教授、教授和加拿大國家研究委員會等研究人員，利用高通量作物表型技術(shù)和全基因組關(guān)聯(lián)分析對一個包含288個小麥品系的群體進(jìn)行了系統(tǒng)的表型和基因型檢測，并在《PlantBiotechnologyJournal》上發(fā)表了題為“Decipheringgeneticbasisofdevelopmentalａndagr

熱成像：便于高通量提取植物生長與脅迫響應(yīng)表型性狀的數(shù)字火眼金睛2024/10/06: 近年來，熱成像技術(shù)在植物表型解析中取得了顯著進(jìn)展，已被用于植物防御機(jī)制研究、植物脅迫檢測和癥狀嚴(yán)重程度評估、篩選抗旱耐鹽或耐寒作物品種、評估植物生物量和產(chǎn)量等。總體而言，熱成像是評估生物脅迫、非生物脅迫和其他應(yīng)用下植物表型的有效工具。本綜述首先總結(jié)和對比了各成像技術(shù)在植物表型分析中的優(yōu)缺點(diǎn)（如圖1所示），簡單分析了基于成像技術(shù)的2D、3D表型的特點(diǎn)；接著介紹了熱成像的基本原理（如圖2所示）、熱成像圖像采集的近地與無人機(jī)平臺以及應(yīng)用場景、熱成像圖像識別的傳統(tǒng)方法以及深度學(xué)習(xí)方法（技術(shù)流程如圖3a所

基于植物-冠層模型的亞馬遜棕櫚果實成熟度航空識別2024/10/06: 曲葉矛櫚生長于潮濕的熱帶雨林，是保護(hù)亞馬遜生物群落的基礎(chǔ)，調(diào)節(jié)雨林的新熱帶濕地，可生產(chǎn)富含蛋白質(zhì)、脂肪、維生素和碳水化合物的棕櫚果實。由于難以進(jìn)入這些茂密的雨林，遙感方法成為其生長評估的重要技術(shù)手段。為了實現(xiàn)對亞馬遜曲葉矛櫚果實成熟狀態(tài)的識別，本研究采用配備多光譜相機(jī)的無人機(jī)在60m高度上采集一個棕櫚物候期內(nèi)的可見/近紅外圖像，與冠層水平上的反射狀態(tài)進(jìn)行相關(guān)性分析。基于MaskR-CNN深度學(xué)習(xí)算法自動分割并識別感興趣區(qū)域(RoI)，并基于25個VIs和圖像提取的特征，形成一個二分類的數(shù)據(jù)集(綠

利用卷積神經(jīng)網(wǎng)絡(luò)從原位冠層圖像和光譜評估棉花黃萎病的嚴(yán)重程度2024/10/06: 黃萎病（VW）是棉花常見的土傳病害。它主要發(fā)生在幼苗和棉鈴開放階段，嚴(yán)重影響棉花的產(chǎn)量和品質(zhì)。快速、準(zhǔn)確地識別和評估病害嚴(yán)重程度（VWS）是田間棉花病害控制的基礎(chǔ)，對棉花生產(chǎn)具有重要意義。棉花的VWS值通常是經(jīng)過現(xiàn)場觀測和實驗室測試來診斷測量的，這需要大量的時間和專業(yè)知識。及時、準(zhǔn)確地評價棉花黃萎病，對棉花病害防治和快速育種具有重要意義。本研究于2019年和2021年在3個試驗點(diǎn)進(jìn)行了原位調(diào)查，收集了361個棉花冠層的VWS值、原位圖像和光譜。為了估計棉花在冠層尺度上的VWS值，我們開發(fā)了兩種深

基于改進(jìn)CNN-BiGRU的水稻病害識別方法2024/10/05: 在精準(zhǔn)農(nóng)業(yè)領(lǐng)域，由于錯誤率高、影響因素多、條件不穩(wěn)定等問題，從圖像診斷水稻病害仍然具有挑戰(zhàn)性。傳統(tǒng)的作物病害監(jiān)測方法涉及有損取樣、實驗室分析和專用儀器，具有破壞性和滯后性。雖然機(jī)器學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)在識別水稻疾病方面顯示出有希望的結(jié)果，但它們解釋疾病特征之間關(guān)系的能力有限。在本研究中，作者提出了一種改進(jìn)的水稻疾病分類方法，該方法將卷積神經(jīng)網(wǎng)絡(luò)（CNN）與雙向門控循環(huán)單元（BiGRU）相結(jié)合。具體來說，作者在Inception模塊中引入了殘差機(jī)制，擴(kuò)展了模塊的深度，并集成了一個改進(jìn)的卷積塊注意力模

WheatSpikeNet: 一種改進(jìn)的小麥穗分割模型，用于田間成像圖像中小麥穗的準(zhǔn)確估計2024/10/05: 小麥穗數(shù)與小麥總產(chǎn)量息息相關(guān)，是重要的農(nóng)藝性狀之一。隨著人工智能、計算機(jī)視覺等信息技術(shù)的快速發(fā)展，已經(jīng)提出了不同的深度學(xué)習(xí)方法來分割和計數(shù)小麥穗。然而，當(dāng)前研究多集中在實驗室條件下，難以代表真實的、復(fù)雜的田間環(huán)境。由于麥田環(huán)境的多樣性，快速、準(zhǔn)確地識別小麥穗數(shù)仍然是挑戰(zhàn)。本研究旨在從小麥田間圖像中精準(zhǔn)檢測、分割和計數(shù)小麥穗。首先整理并標(biāo)注了一個具有精確掩碼和邊界框的小麥穗分割數(shù)據(jù)集SPIKE-segm（3種氮處理、不同生長階段下10個小麥品種圖像數(shù)據(jù)集），提出了一種基于CascadeMaskR-

基于機(jī)器視覺和卷積神經(jīng)網(wǎng)絡(luò)的大米外觀品質(zhì)快速自動檢測系統(tǒng)的研究2024/10/05: 在稻谷生產(chǎn)和儲藏過程中，傳統(tǒng)的稻谷外觀品質(zhì)檢測方法主要是通過人工自主識別，即通過人眼結(jié)合對照的直觀分析進(jìn)行鑒別。人工檢測和評估的方法不僅耗時耗力，而且結(jié)果也基本受到專業(yè)檢測人員主觀性的影響。由于檢測人員的主觀性以及不同地區(qū)造成的判斷標(biāo)準(zhǔn)的差異，使得快速、自動、準(zhǔn)確的檢測稻米外觀品質(zhì)成為行業(yè)的發(fā)展趨勢。本研究通過引入卷積神經(jīng)網(wǎng)絡(luò)和圖像處理技術(shù)，自主設(shè)計了一套基于機(jī)器視覺技術(shù)的大米外觀品質(zhì)快速自動檢測系統(tǒng)。本研究通過將NIR和RGB圖像疊加生成五通道圖像數(shù)據(jù)，并采用Watershed算法和Otus自

AwnImageAnalysisandPhenotypingUsingBarbNet使用BarbNet進(jìn)行芒的圖像分析和表型分析2024/10/04: 芒(Awns)是包括小麥、水稻、大麥和黑麥等主要作物在內(nèi)的許多禾本科植物穎殼和/或穎殼的刺狀延伸體，在禾本科植物中有許多重要的功能，包括同化、機(jī)械保護(hù)、種子傳播和埋藏。芒的一個重要特征是外芒表面存在或不存在倒刺-細(xì)鉤狀的單細(xì)胞毛狀體，其可以使用顯微成像進(jìn)行可視化。然而，目前還沒有合適的軟件工具來對這些小的、半透明的結(jié)構(gòu)進(jìn)行高通量自動分析。此外，利用傳統(tǒng)的模式檢測和分割方法對倒刺進(jìn)行自動分析受到其光學(xué)外觀(包括尺寸，形狀和表面密度)高度可變性的阻礙。在本文中，作者提出了一種基于專用深度學(xué)習(xí)模型——

基于無人機(jī)多光譜圖像結(jié)合深度學(xué)習(xí)的糧食作物氮素狀態(tài)監(jiān)測2024/10/04: 有效的氮素營養(yǎng)對提高作物產(chǎn)量至關(guān)重要。為了從一塊田中獲得產(chǎn)量,營養(yǎng)必須在所有作物之間均勻分配。氮肥的不合理使用不僅會導(dǎo)致產(chǎn)量的損失，還會導(dǎo)致籽粒品質(zhì)的下降。不合理的高劑量農(nóng)用化學(xué)品不僅會對環(huán)境產(chǎn)生負(fù)面影響，也會對人體健康產(chǎn)生負(fù)面影響。在這方面，確定合理、足量的氮肥用量的相關(guān)研究需求尤為迫切。本文提出了一種深度學(xué)習(xí)圖像分割方法組合，用于監(jiān)測整個農(nóng)田的營養(yǎng)狀況，并檢測養(yǎng)分短缺的區(qū)域。作者特別考慮了基于U-Net的五種的神經(jīng)網(wǎng)絡(luò)架構(gòu)，對這些神經(jīng)網(wǎng)絡(luò)模型進(jìn)行了訓(xùn)練、效果評估和適用性研究，以解決正射影像圖

基于無人機(jī)多傳感器光譜和紋理特征融合的冬小麥總氮含量分析機(jī)器學(xué)習(xí)模型2024/10/04: 氮是作物生長的關(guān)鍵營養(yǎng)素，影響作物生長發(fā)育、產(chǎn)量和質(zhì)量。總氮含量（TNC）是作物氮狀態(tài)的主要指標(biāo)，監(jiān)測TNC可以揭示其營養(yǎng)狀況，并促進(jìn)有效的田間管理。傳統(tǒng)的氮含量測定方法有損、耗時、費(fèi)力、耗材。雖然出現(xiàn)了葉綠素計等無損方法來估計氮含量，但它們并不能反映植物的整體狀況。隨著無人機(jī)遙感技術(shù)的發(fā)展，使用無人機(jī)搭載傳感器可以高通量和無損的方式進(jìn)行土壤和作物TNC監(jiān)測。紋理信息是遙感圖像的重要補(bǔ)充，有助于識別圖像中物體或區(qū)域的重要特征。不同的氮處理會影響作物生長，導(dǎo)致植物株高差異、結(jié)構(gòu)差異以及葉片大小和顏

StomataTracker：利用原位視頻和深度學(xué)習(xí)揭示小麥氣孔晝夜節(jié)律2024/09/29: 植物氣孔是由葉表皮細(xì)胞上的保衛(wèi)細(xì)胞圍成的小空隙，是植物適應(yīng)陸地環(huán)境的關(guān)鍵器官。氣孔作為植物與環(huán)境之間氣體(如二氧化碳和水)交換的重要通道，在調(diào)節(jié)光合作用、蒸騰作用和水分利用方面發(fā)揮著關(guān)鍵作用。氣孔行為已被證明受晝夜節(jié)律的影響。在大多數(shù)植物中，生物鐘被認(rèn)為是一種內(nèi)源性的、自主的計時機(jī)制。生物鐘能預(yù)測生物對環(huán)境變化的反應(yīng)，調(diào)節(jié)生理和外在行為，如葉片運(yùn)動、開花、氣孔開閉等。了解氣孔的行為對完善植物生理學(xué)理論和指導(dǎo)實際應(yīng)用具有重要意義。本文提出了一種基于深度學(xué)習(xí)的氣孔追蹤器（StomataTracker

三維點(diǎn)云在數(shù)字植物表型分析中的附加價值——以黃瓜節(jié)間長度測量為例2024/09/29: 植物結(jié)構(gòu)如株高、葉片或分支角度、葉片大小以及節(jié)間長度等，影響著對光的截留，從而影響植物光合作用與生產(chǎn)力。植物結(jié)構(gòu)的變化可以反映植物面臨的脅迫情況，例如節(jié)間長度的變化與干旱、鹽脅迫有關(guān)。簡單的表型性狀可以從2D圖像中測量，但節(jié)間長度、分支角度等復(fù)雜性狀則需要使用3D數(shù)據(jù)。本研究以黃瓜為例（含彎曲株和直立株），基于激光三角測量，使用PhenospexPlantEyeF500采集了10天的3D數(shù)據(jù)，該多光譜3D掃描儀還為點(diǎn)云中的每個點(diǎn)提供了光譜信息。同時，每天多次采集2D圖像，獲得一個包含9990張圖

基于少量訓(xùn)練樣本的玉米籽粒分類2024/09/27: 玉米在谷物市場占主導(dǎo)地位。根據(jù)數(shù)據(jù)統(tǒng)計顯示出該谷物在世界經(jīng)濟(jì)中的重要性，必須在其商業(yè)化過程中定義標(biāo)準(zhǔn)，其中包含品質(zhì)分析。目前，玉米籽粒的品質(zhì)分析是由專家手動進(jìn)行的，檢查過程由于存在目視的主觀性，使得這項任務(wù)繁瑣、復(fù)雜且易錯。本文提出了一種有效的方法來對一組接觸的玉米粒進(jìn)行分類，其中可能包含良好或有缺陷的玉米粒以及雜質(zhì)。所提出的方法包括兩個階段，個階段是分割網(wǎng)絡(luò)，通過使用一組合成圖像進(jìn)行訓(xùn)練，該圖像用于將給定圖像劃分為一組單獨(dú)的實例。然后提出一個高效的輕量級CNN架構(gòu)，將每個實例分為三類（即好，有

無人機(jī)( UAV )成像和機(jī)器學(xué)習(xí)在植物表型中的應(yīng)用2024/09/27: 缺乏有效的作物生長監(jiān)測是導(dǎo)致農(nóng)業(yè)產(chǎn)量下降的因素之一，及時和準(zhǔn)確地獲取植物生長狀況對于農(nóng)業(yè)生產(chǎn)決策至關(guān)重要。然而，田間數(shù)據(jù)的收集往往費(fèi)時費(fèi)力。因此，需要準(zhǔn)確高效的方法來監(jiān)測作物的生長和發(fā)育。本研究旨在評估結(jié)合無人機(jī)(UAV)成像和機(jī)器學(xué)習(xí)(ML)技術(shù)監(jiān)測甜玉米高度、生物量和產(chǎn)量的有效性。采用隨機(jī)區(qū)組設(shè)計(RCBD)，設(shè)置25%、50%、75%和100%充分灌溉4個灌水處理，每個處理4個重復(fù)，共16個試驗小區(qū)。收集株高、鮮/干生物量以及產(chǎn)量的田間數(shù)。同時，使用大疆Matrix210v2無人機(jī)配備Mi

基于改進(jìn)的YOLO系列算法的溫室葫蘆科果實實時檢測2024/09/25: 水果和蔬菜通常對人類健康很重要，因為它們富含許多營養(yǎng)素，包括鉀、、、膳食纖維等。隨著日益增長的果蔬需求，農(nóng)業(yè)機(jī)器人成為收獲、修剪、局部噴施等栽培任務(wù)中的熱門手段，這促進(jìn)了果蔬檢測圖像分析和計算機(jī)視覺方法的發(fā)展。然而，復(fù)雜溫室環(huán)境下的葫蘆科果實時檢測算法存在諸多挑戰(zhàn)，如葉片遮擋、果實重疊、逆光、正光等等都是其中的挑戰(zhàn)之一。與此同時，果實檢測算法被期望具有通用性、輕量級、準(zhǔn)確和快速的特點(diǎn)。為此，本研究提出了一種改進(jìn)的YOLO序列檢測算法用于溫室葫蘆科果實檢測，并與YOLOv4、YOLOv5算法進(jìn)行了

華中農(nóng)業(yè)大學(xué)基于RGB-D相機(jī)的作物表型機(jī)器人自主導(dǎo)航方法2024/09/24: 機(jī)器人在大規(guī)模高通量獲取作物表型信息的應(yīng)用上具有較大的潛力。自主導(dǎo)航技術(shù)是移動機(jī)器人研究中的一項重要內(nèi)容，但農(nóng)業(yè)場景的非結(jié)構(gòu)化特征給該項技術(shù)的研究帶來了巨大挑戰(zhàn)，且在表型采集場景中機(jī)器人還面臨著場景變化大、高頻高重復(fù)性工作等具體問題。目前鮮有針對表型檢測機(jī)器人導(dǎo)航方法的研究。華中農(nóng)業(yè)大學(xué)作物表型團(tuán)隊在JournalofFieldRobotics在上發(fā)表了題為''AutonomousnavigationmethodbasedonRGB-Dcameraforacropphenotypingrobot

1 2 3 4 5 共5頁98條記錄

手机版av在线_96精品国产aⅴ在线观看_中文字幕35页_国产亚洲成AV人片在线观黄桃_全黄性色大片_免费视频h

提示