2023/9/4
在本文中,作者提出了一種基于專(zhuān)用深度學(xué)習(xí)模型——BarbNet進(jìn)行大麥芒顯微圖像中倒刺自動(dòng)...
2023/9/1
本文提出了一種深度學(xué)習(xí)圖像分割方法組合,用于監(jiān)測(cè)整個(gè)農(nóng)田的營(yíng)養(yǎng)狀況,并檢測(cè)養(yǎng)分短缺...
2023/9/1
研究結(jié)果表明,通過(guò)數(shù)據(jù)融合和集成學(xué)習(xí)可以實(shí)現(xiàn)基于無(wú)人機(jī)多傳感器光譜和紋理特征的TNC...
2023/8/29
該研究為植物氣孔研究提供了一個(gè)新的視角,有利于深入探索氣孔運(yùn)動(dòng)的機(jī)制,加快氣孔晝夜...
2023/7/5
該研究結(jié)合了高通量作物表型技術(shù)和全基因組關(guān)聯(lián)分析,探索了小麥生長(zhǎng)和產(chǎn)量相關(guān)性狀的遺...
2023/6/21
本文所開(kāi)發(fā)的基于圖像的水稻表型獲取和分析策略為整個(gè)生育期作物表型的提取和分析提供...