表型
基于无人机高通量植物表型大数据分析及应用研究综述
目录数据采集无人机系统数据预处理图像拼接颜色转换和校正图像分割数据分析图像分析关键技术作物株高提取叶面积指数提取技术植物病害检测技术 基于无人机系统的作物表型分析方法集数据采集、处理和分析于一身，大大缩短和精简了作物表型研究的时间和过程。首先，利用小型无人机在作物种植区域进行图像数据的采集；获取完毕 ......
综述：基于深度学习的植物表型图像识别技术
目录摘要传统PPIR技术基于深度学习的PPIR技术1.卷积神经网络（Convolutional neural network, CNN）2. 深度置信网络（Deep belief network, DBN）3.循环神经网络（Recurrent neural network, RNN）4. 堆叠自编码 ......
深度学习在植物表型研究中的应用现状与展望
目录 介绍一篇浙江大学发表的一篇深度学习在植物表型组研究的综述： 岑海燕，朱月明，孙大伟，等. 深度学习在植物表型研究中的应用现状与展望[J]. 农业工程学报，2020，36(9)：1-16. 本文首先概述了植物表型与深度学习方法的背景；随后从植物识别与分类、胁迫分析、产量预测、面向精准育种和精准管 ......
国家生物信息中心和表型组学研究中心公开植物图像及相关性状开放归档库OPIA
目录 植物图像承载着丰富的信息，反映了植物的颜色、形态、生长和健康状态等关键特征。高通量植物表型采集技术广泛用于植物表型组学研究，产生了大量基于图像的性状数据，对种质筛选、植物病虫害鉴定和农艺性状挖掘等方面具有重要价值。 为了提供有效的数据管理和支持智慧农业，中科院遗传与发育所作物表型组学研究中心与 ......
国际水稻所为你提供了一套免费开源的表型育种数据分析流程
背景 每年国际水稻所（IRRI）的雨养稻育种（Rainfed Rice Breeding,RRB；所谓雨养就是无人工灌溉，仅靠自然降水作为水分来源）计划都会与区域合作伙伴共享耐旱、耐盐、耐热和耐淹的育种种质进行表型评估，从不同地点的几项试验中获得原始表型数据。例如，RRB在2019年从NARES合作 ......
玉米表型数据，KL,ERN,KT,CC,MRDV,SCMV分别代表什么
KL：Kernel Length（粒子长度） - 这通常指的是玉米粒的长度，是玉米品质和产量方面的重要性状之一。 ERN：Ear Number（穗数） - 这可能表示每株玉米植株上的穗数，也是产量和生长特性的一项重要指标。 KT：Kernel Thickness（粒子厚度） - 这可能指的是玉米粒的 ......
什么时候该用数组型容器、什么时候该用链表型容器？
选择数组型容器还是链表型容器取决于特定的使用场景和需求。以下是一些指导原则： 使用数组型容器的情况： 快速随机访问： 数组在具有固定大小的情况下，可以通过索引进行快速随机访问，时间复杂度为O(1)。这是因为数组的元素在内存中是连续存储的。 内存连续性： 数组在内存中是连续存储的，这有助于在缓存中实现 ......
GWAS：表型的标准化（the normalization of phenotype）
GWAS表型的标准化方法一般有Quantile normalization、Inverse rank normalization、Z-score normalization等。 各自区别如下： ## 一、Quantile normalization 该方法将每个样本中表型值进行排序，然后将其规范化到 ......