品质至上,客户至上,您的满意就是我们的目标
技术文章
当前位置: 首页 > 技术文章
Plant Phenomics |《植物表型组学》2022年1-6月文章目录
发表时间:2023-01-04 11:05:20点击:576
点击下载所有文章PDF文章
01
高通量野外表型系统综述:聚焦地面机器人
02
太赫兹光谱技术可以精确区分艾绒纯度和生长年限
文章介绍:Plant Phenomics | 太赫兹光谱技术可以精确区分艾绒纯度和生长年限
03
基于深度学习的微根管图像自动化分析方法
文章介绍:Plant Phenomics | 基于深度学习的微根管图像自动化分析方法
04
Psegnet:植物点云的同时语义和实例分割
文章介绍:Plant Phenomics | PSegNet:针对多品种作物点云的器官同步语义分割与实例分割深度学习网络
05
基于Web注释器的植物高通量表型深度分割技术
06
通过高光谱成像评价西兰花采后衰老
07
无人机成像技术助力湿地松生物量遗传选择育种
文章介绍:Plant Phenomics | 无人机成像技术助力湿地松生物量遗传选择育种
08
利用高通量冠层高光谱遥感估算高粱光合参数
文章介绍:Plant Phenomics | 利用高通量冠层高光谱遥感预测高粱的光合参数
09
基于图像增强和机器学习的苜蓿根系表型研究
文章介绍:Plant Phenomics | 基于图像增强和机器学习的苜蓿根系表型研究
10
基于表型图像信息与反向神经网络预测温室葡萄成熟度
文章介绍:Plant Phenomics | 基于表型图像信息与反向神经网络预测温室葡萄成熟度
基于近端多源时序数据和多任务深度学习同步预测小麦产量和品质性状
文章介绍:Plant Phenomics | 基于近端多源时序数据和多任务深度学习同步预测小麦产量和品质性状
12
基于图像的主动学习对植物器官分割有多大用处?
13
用于麦穗检测的动态颜色变换研究
文章介绍:Plant Phenomics | 华中科技大学曹治国教授提出用于麦穗检测的动态颜色变换网络
14
基于多传感器系统和超像素分类的麦穗图像分割
文章介绍:Plant Phenomics | 基于多传感器系统和超像素分类的麦穗图像分割
湿地松不同部位氮元素含量差异及其光谱预测方法
文章介绍:Plant Phenomics | 氮肥都去哪儿了?湿地松不同部位氮元素含量差异及其光谱预测方法
加入作者交流群
扫码添加小编微信,拉您进入《植物表型组学》作者交流群,群内不定期开展作者分享会、专刊发布会等高质量活动。
添加小编微信,备注姓名+单位+PP,加入作者交流群
《植物表型组学》(Plant Phenomics)是由南京农业大学和美国科学促进会(AAAS)合作创办的英文学术期刊,于2019年1月正式上线发行。采用开放获取形式,刊载植物表型组学交叉学科热点领域具有突破性科研进展的原创性研究论文、综述、数据集和观点。具体范围涵盖高通量表型分析的最新技术,基于图像分析和机器学习的表型分析研究,提取表型信息的新算法,作物栽培、植物育种和农业实践中的表型组学新应用,与植物表型相结合的分子生物学、植物生理学、统计学、作物模型和其他组学研究,表型组学相关的植物生物学等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等数据库收录。科睿唯安JCR2021影响因子为6.961,位于农艺学、植物科学,遥感一区。中科院农艺学、植物科学一区,遥感二区,生物大类一区(TOP期刊)。2020年入选中国科技期刊卓越行动计划高起点新刊项目。
说明:本文由《植物表型组学》编辑部负责组稿。
中文内容仅供参考,一切内容以英文原版为准。
排版:苏梓钰(实习)
审核:孔敏、王平