欧亚国际

SPECIAL ISSUE:

Image Analysis and Machine Learning for Cyber-Agricultural Systems

智慧农业系统的图像分析与机器学习

如今，高效且经济有效的传感器以及高性能计算技术正在寻求将传统的基于经验的农业转变为更为高效的智慧系统。廉价、部署简单、通信高效的IOT技术为在栽培育种实验和农业生产中以不同的空间和时间尺度收集大量数据创造了巨大的机会。因此，对于可持续和可盈利的农业来说，离线和实时农业数据分析，以及异构数据同化并提供自动化、可操作的信息是至关重要的。因此，将先进的图像处理和机器学习方法应用于这一重要的社会需求可被视为农业产业的变革性延伸。这些文章介绍了图像分析和机器学习算法、实验技术、软件、管道模型以及智慧农业应用的新成果。

Guest Editors

Plant Phenomics, vol. 2020, Article ID 1375957, 14 pages, 2020.

Liang Liu, Hao Lu, Yanan Li, and Zhiguo Cao

文章介绍

Plant Phenomics | 华中科技大学曹治国教授课题组提出了一个面向移栽期和分蘖期的高通量稠密水稻计数方法

TasselGAN: An Application of the Generative Adversarial Model for Creating Field-Based Maize Tassel Data

Plant Phenomics, vol. 2020, Article ID 8309605, 15 pages, 2020.

Snehal Shete, Srikant Srinivasan, and Timothy A. Gonsalves

Plant Phenomics, vol. 2020, Article ID 4216373, 11 pages, 2020. 

Chenyong Miao, Alejandro Pages, Zheng Xu, Eric Rodene, Jinliang Yang, and James C. Schnable

Plant Phenomics, vol. 2019, Article ID 2591849, 9 pages, 2019.

Léa Tresch, Yue Mu, Atsushi Itoh, Akito Kaga, Kazunori Taguchi, Masayuki Hirafuji, Seishi Ninomiya, and Wei Guo

文章介绍

Plant Phenomics | Easy MPE：基于无人机高通量表型技术提取高质量田间小区图像