智慧农业 植物表型

提出基于智能手机视频的盆栽植物三维表型工作流F2DMAS，实现复杂背景下高效高精度重建与测量。

系统综述植物器官级3D分割，提出数据-算法-算力三角框架并开源基准平台PSS。

提出LeafTrackNet深度学习框架，实现俯视植物表型中稳健的叶片追踪。

比较阈值法、U-Net和预训练ViT在植物分割中的跨物种泛化能力。

9月2日下午上海农科院信息所举办"AI时代的智慧农业与植物表型"专题学术报告会,特邀中国农业大学教授、博士生导师、作物表型三维仿真首席科学家马韫韬作专题学术报告。马韫韬重点介绍了棉花育种表型研究进展,基于DINO视觉大模型实现棉铃精准分割与最佳集中收获期量化,首创无人机交叉环绕飞行三维重建技术,为棉花机采化育种、产量预测与基因挖掘提供高效技术手段。

报告Genesis平台如何支撑跨设施植物表型实验，将12小时人工分析缩短为秒级查询。

结合叶片电阻抗谱与防御激素动态，实现水稻稻瘟病症状前检测。

提出动态多尺度特征融合与层级注意力网络，用于叶片实例分割，提升精度。