作物表型 智慧农业

通过长期定位试验研究氮肥后效对冬小麦-夏玉米轮作系统土壤-作物协调及微生物功能的调控机制。

评估7种网格重建流程在作物表型三维数字化中的保真度与一致性。

提出一种抗遮挡和光照变化的番茄成熟度检测方法。

基于无人机RGB与多光谱影像，结合株高与Stacking集成算法，实现水稻地上生物量高精度自动制图。

用无人机与近地多光谱传感器评估有芒/无芒小麦产量与品质，比较不同生育期和年份的植被指数关系。

提出OneGrow模型，联合生成小麦时序图像与器官分割掩码。

构建黄瓜早期生长监测平台，用YOLO模型自动量化发芽与子叶面积，并评估ZnO-NPs缓解盐胁迫效果。

用二维光谱表示与多门混合专家多任务学习预测植物叶片功能性状。

区分光合与非光合氮分配，改进辐射传输模型以提升叶片生化参数估算精度。

提出PlantC2USeg，通过跨尺度一致性预训练实现少样本植物点云分割。

Physiology-Informed Hyperspectral Retrieval of Leaf Vcmax across Wheat and Maize。Smart Agricultural Technology

中国农业大学土地科学与技术学院马韫韬教授团队围绕棉花关键生育时期的表型智能识别与量化分析，在 Computers and Electronics in Agriculture、Plant Phenomics 和 Precision Agriculture 等国际权威期刊上连续发表三篇研究论文，题目分别为 MS-R outperforms RGB: Lightweight CYOLO-BiCNet enables efficient detection and storage optimization of cotton flowers，Scalable phenotyping and yield estimation via stability index and single-plant variability using a vision-based large model framework 和 Assessing Cotton Boll-opening Concentration for Harvest Decision-making via Foundation Model-enhanced Cross-scale Phenotyping。

比较葡萄叶片上下表面颜色特征，发现下表面更能区分品种。

提出 PhenoStream 网络基础设施，自动化航空影像作物性状提取全流程。