NDAVI Improves Genotypic Discrimination in Dense Bread Wheat Canopies under Moderate Nitrogen Contrast
评估无人机多光谱植被指数在密植小麦中区分氮处理和基因型的能力。
关键词 · 相关资讯与研究
沿着“无人机表型”继续探索,共 1 条内容。
评估无人机多光谱植被指数在密植小麦中区分氮处理和基因型的能力。
综述无人机与遥感目标检测中的对抗补丁与伪装攻击及防御,并提出几何感知分类体系。
用无人机多光谱表型与GWAS解析巴基斯坦小麦品种早期抗旱遗传结构。
利用无人机搭载向上光谱仪与多元线性回归,从多光谱影像直接反演地表反射率。
综述构建了水稻小麦倒伏从分子到收获的跨尺度力学框架,连接生物力学性状、表型检测与智能收获。
An air-ground phenotyping framework for precise estimation of maize structural traits。Smart Agricultural Technology
该框架将空中与地面观测结合估算玉米株型结构参数,适用于育种与田间表型高通量测量场景,但精度与适用条件需结合原文验证。
综述无人机图像小目标检测的深度学习研究,提出对称性视角与三层框架。
提出一种结合深度学习和几何建模的猫姿态自动分析框架,从RGB图像提取临床可解释的姿态描述符。
原文标题: Artificial Intelligence Empowering Modern Agricultural Biological Breeding。作者: 徐启玉、郑波、钟上威(北京大学现代农业研究院、潍坊市科技创新促进中心、北京大学生命科学学院)。DOI: 10.12133/j.smartag.SA202602016。本文系统探究AI驱动植物育种范式变革的底层逻辑,梳理智慧育种的代际演变及其在表型解析、基因组预测和分子设计等关键环节的技术进展,并深入探讨育种大模型对育种全流程的重构作用,以期为中国种业科技实现自立自强提供理论参考。重点阐述AI在种质资源高效挖掘、高通量表型精准解析、全基因组选择模型预测及分子设计育种等关键环节的技术逻辑与实证案例,并针对跨学科数据壁垒、深度学习算法的可解释性不足、复杂变动环境下的模型泛化能力弱等核心挑战进行了深入分析。