排序方式: 共有43条查询结果,搜索用时 0 毫秒
41.
植物表型平台与图像分析技术研究进展与展望 总被引:6,自引:0,他引:6
近年来,植物基因组得到迅猛发展,但因缺乏足够的表型数据而限制了人类解析数量性状遗传学的能力。通过开发植物表型信息采集平台和进行图像分析可以加以解决。高通量、自动化、高分辨率的植物表型信息采集平台与分析技术对于加快植物改良和育种、提高产量和抗病虫害能力至关重要。将植物表型平台信息采集平台与分析技术用于解析基因组信息,定量研究与生长、产量和适应生物或非生物胁迫相关的复杂性状,是建立植物生长模型和采集农作物高维、丰富表型数据集的重要途径,能够满足填补基因组信息与植物表型可塑性之间空白的需要。阐述了基于光学成像的植物表型信息采集平台与图像分析技术的研究进展,从室内、田间不同的使用环境出发,根据不同搭载方式,总结分析了各表型平台的功能和特点。最后,分析了目前植物表型信息采集平台与分析技术存在的瓶颈问题,提出了以下建议与展望:开发植物表型信息采集平台的多传感器集成系统;将植物生长环境监测模块融入植物表型信息采集平台中;开发针对林木的表型信息采集平台;对传感器获取的表型数据进行更好的集成与挖掘;采用无损原位根系信息采集技术得到植物地下部分的表型数据;构建表型数据统一开放的标准,进行学科交叉的深度合作。 相似文献
42.
深度学习在林业中的应用 总被引:1,自引:1,他引:0
林业数据信息的智能处理与深度挖掘分析是智慧林业精准决策与统筹管理的基础。文中主要从树木识别与分类、森林火灾识别与预测、树木病虫害监测和木材检测等4个方面总结深度学习在林业中的应用;从林业数据集、数据标记、特征学习涵盖范围、图像遮挡等方面分析了深度学习在林业领域应用上的缺点与局限性,以充分认识深度学习在林业应用方面亟待解决的问题与突破的方向;从林业领域应用场景、算法改进、数据集共享与研究成果应用的角度,展望深度学习在林业领域应用上亟待加强研究的方面,以提升深度学习解决林业应用问题的广度与深度,促进智能林业的发展。 相似文献
43.
作为陆地森林生态系统骨架的树木长期遭受有害生物胁迫,危害林木正常生长,甚至造成林木死亡,对林业可持续发展带来严重威胁,为了实现对林业有害生物靶标及灾害区域的快速、准确检测和监测,需要识别获取林业有害生物防治靶标对象的特征。本研究首先重点围绕生物胁迫之植物病害、植物虫害、鼠(兔)危害、有害植物等直接靶标及其危害的间接靶标的主要特征分析,综述国内外采用不同途径检测和识别林业有害生物防治靶标的技术和装备研究概况。然后建议组织跨学科力量,探索研究基于植物胁迫预警靶标识别、传感网络协同防御控制的林业有害生物防治靶标识别技术及综合防治智能化系统。展望林业有害生物防治靶标识别被动传感技术和主动传感技术的未来发展,提出根据植物在生物胁迫下的物理化学特征表现开展机器视觉、气敏、力敏、热敏、声敏等防治靶标的被动传感技术研究,利用激光雷达扫描、光声效应主动引诱以及电子昆虫和气味主动引诱等主动传感技术,以解决被动传感难以识别特定有害生物靶标的问题,以及研发设计生物、磁敏、湿敏、热敏等新型传感器和研究超声波、LiDAR、辐射、卫星图像等多传感器融合技术,提高林业有害生物靶标的识别精度。最后围绕植物根系、野生哺乳... 相似文献