期刊文献+
共找到87篇文章
< 1 2 5 >
每页显示 20 50 100
基于CiteSpace的植物表型研究现状与展望
1
作者 王晨龙 刘鑫 吾木提·艾山江 《现代农业科技》 2025年第1期170-179,共10页
基于Web of Science(WOS)核心数据库分析了1993—2023年的学术论文,通过CiteSpace软件从WOS发文量和研究领域分析、研究国家和机构分析、被引期刊及文章分析、主题词分析、主题词的突现分析、关键词聚类、研究前沿等方面对植物表型文献... 基于Web of Science(WOS)核心数据库分析了1993—2023年的学术论文,通过CiteSpace软件从WOS发文量和研究领域分析、研究国家和机构分析、被引期刊及文章分析、主题词分析、主题词的突现分析、关键词聚类、研究前沿等方面对植物表型文献进行了研究。同时,使用WOS数据库文献分析平台等,采用共被引分析方法构建文献关键词共现矩阵,进一步对矩阵进行聚类分析。通过构建1993—2003年、2004—2014年、2015—2023年3个时间段的关键词共现矩阵,对不同时间段中主题的变化情况进行了分析。共检索到与植物表型组学研究和应用相关的文献35657篇,发现植物表型组学相关研究当前正处于高速增长阶段。聚类分析结果表明,植物表型组学重点关注以下方向:以分子生物学为代表的领域,以现代遥感技术及农业科学为基础的研究,对农业植物表型与遥感技术的结合进行总结及推论分析。 展开更多
关键词 植物表型组学 CITESPACE 高光谱 共现分析 聚类分析 1993—2023年
下载PDF
YOLO算法在动植物表型研究中应用综述
2
作者 翟肇裕 张梓涵 +3 位作者 徐焕良 王海清 陈曦 杨陈敏 《农业机械学报》 EI CAS CSCD 北大核心 2024年第11期1-20,共20页
动植物表型是动植物特征与性状的定量描述,表型特征的精准计算与分析是推进数字农业发展的重要基础。得益于深度学习技术的迅猛发展,以YOLO系列算法为代表的计算机视觉模型在动植物表型分析任务中展现出了优良性能和巨大潜力。以家畜类... 动植物表型是动植物特征与性状的定量描述,表型特征的精准计算与分析是推进数字农业发展的重要基础。得益于深度学习技术的迅猛发展,以YOLO系列算法为代表的计算机视觉模型在动植物表型分析任务中展现出了优良性能和巨大潜力。以家畜类、家禽类、作物类、果蔬类等动植物为对象,分别从目标检测、关键点检测、目标分割3方面概述了YOLO系列算法应用研究进展。最后指出YOLO系列算法未来发展趋势,包括轻量化架构设计、小目标精准检测、弱监督学习、复杂场景部署、大模型目标检测等。 展开更多
关键词 YOLO 植物表型 目标检测 关键点检测 目标分割 轻量化
下载PDF
基于改进神经辐射场的植物表型参数测量方法 被引量:1
3
作者 李添天 戴倩 谢元澄 《农业工程学报》 EI CAS CSCD 北大核心 2024年第17期188-196,共9页
为解决传统植物表型测量存在的破坏性、主观性强以及三维测量设备成本高,使用场景受限等问题,提出了一种基于改进后的神经辐射场(neural radiance field,NeRF)方法——L-NeRF的植物表型参数测量方法。通过从多视角收集图像数据,利用L-N... 为解决传统植物表型测量存在的破坏性、主观性强以及三维测量设备成本高,使用场景受限等问题,提出了一种基于改进后的神经辐射场(neural radiance field,NeRF)方法——L-NeRF的植物表型参数测量方法。通过从多视角收集图像数据,利用L-NeRF技术进行三维重建,非破坏性地获取了植物的关键表型参数,如株高、叶宽和叶长。以墨西哥四叶草(Prosopis juliflora)为研究对象,在室内环境下进行试验,结果表明,该方法在叶宽、叶长与株高的测量上显示出较高的精确度,决定系数分别达到0.9037、0.7827和0.8516。此外,相较于现有的运动结构恢复(structure from motion,SFM)视觉重建方法,在采用L-NeRF技术时,在重建时间上平均减少了约30%,在模型精度上的标准差减少了约45%。试验结果不仅验证了L-NeRF技术在植物表型参数测量中的有效性和实用性,也展示了其在提升研究效率和精度方面的潜力。后续研究将探索收集更多植物品种的数据,以提高该方法的适用性。 展开更多
关键词 植物 点云 方法 植物表型组学 神经辐射场 三维重建
下载PDF
室内植物表型采集平台的研究进展与展望
4
作者 黄语燕 胡楚涵 +1 位作者 王涛 陈永快 《安徽农业科学》 CAS 2024年第18期10-15,共6页
高通量植物表型采集对作物改良育种、栽培管理具有重要意义。室内作为植物可控生长环境的场所,是研究植物表型的重要载体,许多表型信息采集与分析平台都是基于室内环境开发的。阐述了4种室内植物表型采集平台的建设情况,总结了植物表型... 高通量植物表型采集对作物改良育种、栽培管理具有重要意义。室内作为植物可控生长环境的场所,是研究植物表型的重要载体,许多表型信息采集与分析平台都是基于室内环境开发的。阐述了4种室内植物表型采集平台的建设情况,总结了植物表型采集平台的数据解析与管理方法,介绍了室内植物表型采集平台在植物研究中的实际应用,对未来室内植物表型采集平台的发展提出了展望。 展开更多
关键词 植物表型 高通量 采集平台
下载PDF
基于深度学习的植物表型特征图像识别系统
5
作者 周为中 杨庭睿 钟志宏 《电脑知识与技术》 2024年第36期49-52,共4页
针对植物疾病问题,本研究开发了一种基于深度学习的植物表型特征图像识别系统。该系统采用ResNet101_vd_ssld模型,并利用AIStudio平台提供的植物病害图像数据集进行训练。在包含4540张图像的测试集中,系统实现了84.16%的平均识别准确率... 针对植物疾病问题,本研究开发了一种基于深度学习的植物表型特征图像识别系统。该系统采用ResNet101_vd_ssld模型,并利用AIStudio平台提供的植物病害图像数据集进行训练。在包含4540张图像的测试集中,系统实现了84.16%的平均识别准确率。此外,系统集成了图像识别、实时检测和专家咨询功能,为用户提供了高效、便捷的使用平台。 展开更多
关键词 植物疾病 植物表型特征 卷积神经网络
下载PDF
植物表型组学大数据及其研究进展 被引量:60
6
作者 赵春江 《农业大数据学报》 2019年第2期5-18,共14页
植物表型组学通过集成自动化平台装备和信息化技术手段,获取多尺度、多生境、多源异构植物表型海量数据,形成植物表型组学大数据,从组学高度系统深入地挖掘“基因型-表型-环境型”内在关系、全面揭示特定生物性状的形成机制,将极大地促... 植物表型组学通过集成自动化平台装备和信息化技术手段,获取多尺度、多生境、多源异构植物表型海量数据,形成植物表型组学大数据,从组学高度系统深入地挖掘“基因型-表型-环境型”内在关系、全面揭示特定生物性状的形成机制,将极大地促进功能基因组学、作物分子育种与高效栽培的进程。本文概括了植物表型组学大数据的发展背景、含义、产生过程和特点,系统综述了植物表型组学大数据研究进展,包括植物表型数据获取与解析、植物表型组大数据管理及建库技术、表型性状预测和基于表型组的多重组学分析的进展;从植物表型数据采集标准、多样化表型配套设施和低成本表型设备研发、开放共享植物表型组大数据平台构建、表型大数据融合与挖掘理论方法、植物表型组学协同共享和互作机制五个方面探讨了当前植物表型组学大数据研究与应用中面临的问题和挑战;最后从加强植物表型组技术体系设计与标准研究、植物表型-环境感知机理研究和智能化设备研发、植物表型组大数据建设以及人才队伍和协作网络建设四个方面提出具体建议。 展开更多
关键词 植物表型组学 大数据 数字植物 数据挖掘 数据管理 数据获取 性状预测 植物表型组大数据平台
下载PDF
植物表型平台与图像分析技术研究进展与展望 被引量:68
7
作者 张慧春 周宏平 +2 位作者 郑加强 葛玉峰 李杨先 《农业机械学报》 EI CAS CSCD 北大核心 2020年第3期1-17,共17页
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... 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。 展开更多
关键词 植物表型 表型平台 高通量 光学成像 图像采集 图像分析技术
下载PDF
基于Scopus的植物表型组学研究进展分析 被引量:12
8
作者 唐惠燕 倪峰 +5 位作者 李小涛 陈蓉蓉 袁曦临 朱艳 周济 丁艳锋 《南京农业大学学报》 CAS CSCD 北大核心 2018年第6期1133-1141,共9页
[目的]文献计量方法可以用于反映和预测科学技术发展的历史和趋势。本文基于科学大数据的计量方法探讨植物表型组学的研究现状,为植物表型组学的发展提供参考。[方法]基于Scopus数据库,分析2013年—2018年9月数据库中植物表型组学及其... [目的]文献计量方法可以用于反映和预测科学技术发展的历史和趋势。本文基于科学大数据的计量方法探讨植物表型组学的研究现状,为植物表型组学的发展提供参考。[方法]基于Scopus数据库,分析2013年—2018年9月数据库中植物表型组学及其相关学术产出的文献数量、引用次数、合作单位、研究方向、学术机构和科研团队等信息,利用Sci Val和Cite Space 5.0等统计分析工具,运用可视化数据方法,分析植物表型组学研究领域的发展特点和趋势。[结果]基于Scopus共检索到与植物表型组学研究和应用相关的文献共20 953篇,总被引数217 105,TOP1%高被引论文为2.0%。相关学术产出总被引量TOP10的国家是美国、中国、德国、英国、法国、日本、澳大利亚、西班牙、加拿大和荷兰。相关论文被引总量TOP10的机构分别是中国科学院、法国国家农业研究院、美国农业部、法国国家科学研究院、中国农业科学院、美国康奈尔大学、西班牙高等科学研究委员会、美国加州大学戴维斯分校、法国巴黎萨克莱大学、荷兰瓦赫宁根大学。学术产出最多的学者是德国克斯·普朗克分子植物生理研究所的Alisdair Robert Fernie,共发表58篇植物细胞表型论文,被引1 246次。目前植物表型组学研究的植物种类较少,主要包括拟南芥、水稻、小麦、玉米、番茄和大豆。[结论]作为一个新兴的研究方向,植物表型组学体现出作物栽培、育种、生物学与计算机科学等多学科交叉发展的特性。高通量图像及相关数据分析是现阶段植物表型组学的重要研究方向,主题显著度指数达到98.8%,受关注度极高。 展开更多
关键词 植物表型组学 文献计量学 Scopes 可视化 主题显著度 CITESPACE
下载PDF
叶绿素荧光技术在植物表型分析的研究进展 被引量:49
9
作者 岑海燕 姚洁妮 +3 位作者 翁海勇 徐海霞 朱月明 何勇 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2018年第12期3773-3779,共7页
作物优良品种选育是实现作物优质高产的关键。现代育种方法需要获取植株的大量表型信息,最终选育出性状稳定的优良品种。近年来,高通量植物表型分析技术因其快速、无损、高效等优势,为筛选优良作物品种提供了技术保障,已成为农学、工程... 作物优良品种选育是实现作物优质高产的关键。现代育种方法需要获取植株的大量表型信息,最终选育出性状稳定的优良品种。近年来,高通量植物表型分析技术因其快速、无损、高效等优势,为筛选优良作物品种提供了技术保障,已成为农学、工程、计算机科学等多学科交叉研究的热点。其中,叶绿素荧光技术作为植物光合作用的探针,是研究植物逆境胁迫表型的有力工具之一,能够实现植物生物与非生物胁迫的高效分析,加快作物优良性状的筛选。该文旨在阐述叶绿素荧光技术的研究进展和发展趋势,主要介绍了叶绿素荧光技术的基本原理和成像系统、叶绿素荧光参数的分析和处理方法,总结了在植物表型分析研究中的应用情况,探讨了该技术目前存在的问题和改进的方法,进一步展望了叶绿素荧光技术在植物表型分析中的应用前景。 展开更多
关键词 叶绿素荧光技术 植物表型分析 生物胁迫 非生物胁迫 作物育种
下载PDF
表示学习技术研究进展及其在植物表型中应用分析 被引量:10
10
作者 袁培森 李润隆 +2 位作者 任守纲 顾兴健 徐焕良 《农业机械学报》 EI CAS CSCD 北大核心 2020年第6期1-14,共14页
表示学习是一种将研究对象的内在信息表示为稠密低维实值向量的方法,其基本思路是找到对原始数据更好的表达。表示学习凭借其自动提取特征的能力,在处理大量人为先验理解有限的数据时表现出高效性。有监督以及无监督的表示学习模型在文... 表示学习是一种将研究对象的内在信息表示为稠密低维实值向量的方法,其基本思路是找到对原始数据更好的表达。表示学习凭借其自动提取特征的能力,在处理大量人为先验理解有限的数据时表现出高效性。有监督以及无监督的表示学习模型在文本、图像、三维点云等植物表型数据的分析研究中获得了运用。随着近年来数据量的迅速增长以及基因组学研究的快速发展,植物表型研究数据具有高通量、高精度等特征,表示学习模型在海量高维植物表型数据的分析任务中获得了关注。本文简述了表示学习的相关概念和表示学习技术研究进展,对有监督和无监督的表示学习模型进行对比分析,阐述了植物表型数据概念及其处理方法,重点从植物种类识别、病虫害检测分析、产量预测、基因研究和形态结构表型数据计算等方面,探讨了表示学习在植物表型中的研究应用意义及其存在的问题。最后,指出表示学习在植物表型应用中的发展方向:开发能够适用于分析不同种植物表型数据的表示学习模型,实现高整合度、高通用性的目标;提高表示学习模型的实时性及准确度,以增强其实用性;多模态表型数据的表示学习可为学科的交叉数据分析研究提供统一的数据视图。 展开更多
关键词 农业大数据 深度学习 表示学习 哈希学习 植物表型
下载PDF
植物表型监测技术研究进展及发展对策 被引量:14
11
作者 高宇 高军萍 +2 位作者 李寒 郑文刚 张婉明 《江苏农业科学》 北大核心 2017年第11期5-10,共6页
高效的植物表型监测技术作为现代化农业的一个重要研究方向,是育种、品种选择、基因组学和表型组学研究的一个先决条件。随着图像采集、网络传输技术、图像处理等技术的发展,植物表型监测技术的实际研究与应用日益得到重视。为了从整体... 高效的植物表型监测技术作为现代化农业的一个重要研究方向,是育种、品种选择、基因组学和表型组学研究的一个先决条件。随着图像采集、网络传输技术、图像处理等技术的发展,植物表型监测技术的实际研究与应用日益得到重视。为了从整体上梳理植物表型监测技术的研究成果和存在问题,有效地推动植物表型监测技术发展和农业现代化进程,本研究介绍了植物表型监测技术的国内外研究进展,同时归纳了现阶段比较先进的植物表型平台产品,分析了其技术组成(主要是成像模块和图像分析模块),并且列举了植物表型监测中不同用途的图像分析方法。在此基础上阐述了植物表型监测技术目前存在的问题及相应对策,最后从3个方面作了前景展望。 展开更多
关键词 植物表型 监测技术 成像模块 图像分析
下载PDF
表型组学的概念及植物表型组学的发展 被引量:32
12
作者 玉光惠 方宣钧 《分子植物育种》 CAS CSCD 2009年第4期639-645,共7页
表型组(phenome)是指某一生物的全部性状特征;表型组学(phenomics)是一门在基因组水平上系统研究某一生物或细胞在各种不同环境条件下所有表型的学科。1996年,衰老研究中心主任Steven A.Garan在滑铁卢大学的一次应邀演讲上首次提出了Phe... 表型组(phenome)是指某一生物的全部性状特征;表型组学(phenomics)是一门在基因组水平上系统研究某一生物或细胞在各种不同环境条件下所有表型的学科。1996年,衰老研究中心主任Steven A.Garan在滑铁卢大学的一次应邀演讲上首次提出了Phenomics(表型组学)这一概念。1998年,比利时的CropDesign公司一成立即开始着手研发可大规模开发转基因和植物性状评价的高通量的技术平台。2005年,该公司的Christophe等发表具有里程碑意义的论文,详细阐述了称之为"性状工厂"(TraitMill)的可大规模自动化分析全生育期植物表型的技术设施。2006年,Niculescu及其同事在发表的论文中描述了一种新的用于表型组学分析的实验定量研究方法,并称之为PhenoChipping。2008年,澳洲植物表型组学设施(Australian Plant Phenomics Facility)在澳大利亚阿德雷德大学威特校区建立。2009年4月,第一届国际植物表型组大会在澳大利亚堪培拉成功举办。本文主要就表型组、表型组学相关概念的定义、研究机构、研究设施、相关文献及植物表型组学的进展做了概述。 展开更多
关键词 表型 表型 表型组学 植物表型组学
下载PDF
基于改进Mask R-CNN的植物表型智能检测算法 被引量:5
13
作者 王晓婷 赵展 +1 位作者 王阳 李林 《中国农机化学报》 北大核心 2022年第8期151-157,共7页
针对高通量自动化获取的植物表型性状图像的智能检测问题,采用迁移学习和改进掩膜区域卷积神经网络(Mask R-CNN)设计植物表型智能检测分割算法。首先对残差网络进行优化,并利用特征金字塔网络(FPN)对输入图像进行特征提取;然后调整候选... 针对高通量自动化获取的植物表型性状图像的智能检测问题,采用迁移学习和改进掩膜区域卷积神经网络(Mask R-CNN)设计植物表型智能检测分割算法。首先对残差网络进行优化,并利用特征金字塔网络(FPN)对输入图像进行特征提取;然后调整候选区域提取网络(RPN)中锚框的长宽比例和阈值,并在RoIAlign中通过双线性插值法保留了特征图的空间信息;最后改进Mask检测头,并增加特征融合机制以获得高质量的掩膜。在西瓜突变体生长情况的性状表型数据集上进行训练和检测,得到结果表明:改进后的Mask R-CNN表现出更优的检测性能,与传统Mask R-CNN相比,检测精度提高2.2%,掩膜准确率提高2.7%,检测时间减少42 ms,为提升农业精准化水平和推动智慧农业发展提供了技术支撑。 展开更多
关键词 植物表型 智能检测 深度学习 实例分割 迁移学习 特征融合
下载PDF
植物表型可塑性概述 被引量:5
14
作者 孙利忠 刘彤 《生物学教学》 北大核心 2009年第3期2-4,共3页
已经发现陆生植物、藻类、海洋无脊椎动物、昆虫、鱼类、两栖类、爬行类、小型哺乳类和青苔等具有表型可塑性。由于环境对植物生长发育的影响比较明显,并且植物的繁殖较容易,在变化的环境中比其他生物更易于生长,当前对表型可塑性的... 已经发现陆生植物、藻类、海洋无脊椎动物、昆虫、鱼类、两栖类、爬行类、小型哺乳类和青苔等具有表型可塑性。由于环境对植物生长发育的影响比较明显,并且植物的繁殖较容易,在变化的环境中比其他生物更易于生长,当前对表型可塑性的认识大部分来自对植物的研究。本文从植物表型可塑性研究的种类的方法、植物表现可塑性与适应、植物表型可塑性与遗传分化、植物表型可塑性与入侵力、植物表现可塑性与进化及植物表型可塑性未来工作的展望等方面论述植物表型可塑性研究概况。 展开更多
关键词 植物表型可塑性 遗传分化 入侵力 适应 进化
下载PDF
基于无人机高通量植物表型大数据分析及应用研究综述 被引量:5
15
作者 袁培森 薛铭家 +2 位作者 熊迎军 翟肇裕 徐焕良 《农业大数据学报》 2021年第3期62-75,共14页
植物表型是指基因和环境因素决定或影响的作物物理、生理、生化特征和性状。准确和快速的获取植物在各种不同环境条件下的表型信息,从而挖掘其基因组的遗传和表现规律,可有效推动有关基因组与表型信息关联性研究。无人机高通量植物表型... 植物表型是指基因和环境因素决定或影响的作物物理、生理、生化特征和性状。准确和快速的获取植物在各种不同环境条件下的表型信息,从而挖掘其基因组的遗传和表现规律,可有效推动有关基因组与表型信息关联性研究。无人机高通量植物表型平台凭借无人机机动灵活的特点,适合于农作物田间环境中的植物表型数据获取,具有数据获取效率高和成本低等优势,借助于图像、高光谱、激光雷达等先进传感器技术,为高效获取各类植物表型数据提供了可行的途径;与此同时,快速发展的大数据技术和智能数据分析技术为无人机所获取的植物表型图像提供有效的分析处理方法和技术。在此背景下,基于无人机平台的高通量植物表型分析,为研究田间作物表型信息提供了重要的方法和工具。本文综述了国内外无人机高通量作物表型大数据分析的最新研究成果,就其研究原理、相关算法、过程、关键技术及应用等进行总结与分析,重点讨论了应用于无人机高通量植物表型大数据分析相关的大数据处理与智能分析技术,重点分析了植物株高获取、叶面积指数、植物病害等典型的表型分析需求,并就其应用前景进行了总结和展望。 展开更多
关键词 表型大数据 无人机 高通量 植物表型分析
下载PDF
植物表型组学在现代农业中的应用 被引量:5
16
作者 梁丽秀 杜传红 刘立才 《科技创新与应用》 2019年第22期169-171,174,共4页
植物表型组学的发展日新月异,主要是因为表型组学技术具有精度高、速度快、破坏性差等特点,广泛应用于现代农业生产中。文章根据近年来表型组学的发展现状,分析和概括了表型组学的概念和研究意义,对目前的植物表型组学的研究现状、具体... 植物表型组学的发展日新月异,主要是因为表型组学技术具有精度高、速度快、破坏性差等特点,广泛应用于现代农业生产中。文章根据近年来表型组学的发展现状,分析和概括了表型组学的概念和研究意义,对目前的植物表型组学的研究现状、具体的研究技术进行阐述,综述了在现代农业生产中植物表型组学的一些应用情况,主要分析了几种常用的表型技术在农作物生长加工环节中研究现状,并对植物表型组学的发展进行了展望。 展开更多
关键词 表型 植物表型组学 光谱成像技术 机器视觉 叶绿素荧光技术
下载PDF
基于文献计量的植物表型组学研究进展分析 被引量:3
17
作者 李晓曼 张扬 +1 位作者 徐倩 谢能付 《农业大数据学报》 2019年第2期64-75,共12页
【目的】为了掌握植物表型组学研究的发展脉络和现状,本文基于文献计量学方法探讨了植物表型组学的研究现状。【方法】本研究基于WebofScience核心合集数据库分析了1995-2018年的学术论文,利用多个指标从学术产出(年度变化趋势分析、国... 【目的】为了掌握植物表型组学研究的发展脉络和现状,本文基于文献计量学方法探讨了植物表型组学的研究现状。【方法】本研究基于WebofScience核心合集数据库分析了1995-2018年的学术论文,利用多个指标从学术产出(年度变化趋势分析、国家和地区分析、期刊分析和学科领域分析)和学术合作(国家合作情况分析和机构合作情况分析)两个方面对植物表型组学文献进行了统计分析。同时,本文使用WebofScience数据库文献分析平台和EXCEL、DDA等软件,利用共词分析方法构建文献关键词共现矩阵,进一步对矩阵进行聚类分析,并利用VOSviewer文献计量工具进行可视化。此外,本文构建了1995-2002年、2003-2010年、2011-2018年三个时间片的关键词共现矩阵,分析了不同时间片主题的变化情况。【结果】本文基于WebofScience共检索到与植物表型组学研究和应用相关的文献6800篇,发现植物表型组学文献数量整体呈上升趋势,现阶段正处于高速增长阶段。从学术产出归属国家和地区分布来看,美国发文量最多,中国排名第四。从国际合作来看,澳大利亚、法国和西班牙国际合作论文占比较高,美国的占比靠后。虽然植物表型组组学研究已经呈现多学科合作发展趋势,但植物科学还是主体领域。从研究主题上看,主要包括遥感技术在表型组学中的应用、植物表型组学基础研究、利用光学成像的图像分析、机器学习和计算机视觉技术、利用不同植物种类如小麦和水稻的相关研究。 展开更多
关键词 文献计量学 植物表型组学 共现分析 遥感技术 机器学习 计算机视觉 数据挖掘 数据采集
下载PDF
生物质炭对植物表型及其相关基因表达影响的研究进展 被引量:12
18
作者 刘铭龙 刘晓雨 潘根兴 《植物营养与肥料学报》 CAS CSCD 北大核心 2017年第3期789-798,共10页
【目的】生物质炭研究是近十年农业可持续发展研究的重要前沿领域。作为一种良好的土壤改良剂,生物质炭不仅能改善土壤肥力,而且能够通过改变土壤与植物的相互作用关系影响植物生长发育,最终影响作物的生产力。因此,以植物表型及其相关... 【目的】生物质炭研究是近十年农业可持续发展研究的重要前沿领域。作为一种良好的土壤改良剂,生物质炭不仅能改善土壤肥力,而且能够通过改变土壤与植物的相互作用关系影响植物生长发育,最终影响作物的生产力。因此,以植物表型及其相关基因表达为视角的生物质炭研究有助于深入了解生物质炭对土壤和植物效应的作用机理,进一步充实生物质炭的农业应用的理论基础。【主要进展】本文回顾了近年来国内外关于生物质炭对植物生长影响的研究,从作物生产力、作物根系生长、作物病虫害和作物基因表达四个方面论述了生物质炭对植物表型和相关基因表达的影响;分析了生物质炭对植物表型及其相关基因表达的可能机理,探讨了生物质炭对植物表型及其相关基因表达研究的不足,提出了未来研究的发展方向。【问题与展望】未来生物质炭对植物表型和相关基因表达的研究应注重其系统性和全面性,例如建立规范化的生物质炭试验技术,特别是生物质炭相关标准和数据库的建立,同时应加强生物质炭对转基因作物的影响等方面的研究。 展开更多
关键词 生物质炭 植物表型 基因型 基因表达 植物抗性
下载PDF
智慧农业背景下的植物表型组学研究进展 被引量:7
19
作者 杨文庆 刘天霞 +4 位作者 唐兴萍 徐国富 马喆 杨贺凯 吴文斗 《河南农业科学》 北大核心 2022年第7期1-12,共12页
我国农业正处于由传统农业转向现代化农业的关键阶段,智慧农业是现代化农业发展的重要体现,是未来农业发展的必然趋势。智慧农业旨在将物联网、人工智能以及大数据等现代信息技术与传统农业深度结合,使农业生产实现智能化、绿色化、标... 我国农业正处于由传统农业转向现代化农业的关键阶段,智慧农业是现代化农业发展的重要体现,是未来农业发展的必然趋势。智慧农业旨在将物联网、人工智能以及大数据等现代信息技术与传统农业深度结合,使农业生产实现智能化、绿色化、标准化、数字化。植物表型组学是研究植物表现型特征的科学,是智慧农业发展的关键技术之一,其通过采集细胞、器官、组织、植株以及群体各层面的表型数据,从海量数据中提取可重复性高、可信度高的重要性状信息,为基因挖掘、作物育种和农业生产过程精准管理提供数据支持和方法支撑。从表型数据采集、分析以及国内外植物表型分析平台建设方面综述了智慧农业背景下植物表型组学的发展现状,概述了植物表型组学研究在智慧农业生产中的应用,最后对植物表型组学未来发展趋势做出展望。 展开更多
关键词 智慧农业 植物表型组学 成像技术 深度学习 农业生产管理 精准育种
下载PDF
基于数字化植物表型平台(D3P)的田间小麦冠层光截获算法开发 被引量:6
20
作者 刘守阳 金时超 +2 位作者 郭庆华 朱艳 Fred Baret 《智慧农业(中英文)》 2020年第1期87-98,共12页
冠层光截获能力是反映作物品种间差异的重要功能性状,高通量表型冠层光截获对提高作物改良效率具有重要意义。本研究以小麦为研究目标,利用数字化植物表型平台(D3P)模拟生成了100种冠层结构不同的小麦品种在5个生育期的三维冠层场景,记... 冠层光截获能力是反映作物品种间差异的重要功能性状,高通量表型冠层光截获对提高作物改良效率具有重要意义。本研究以小麦为研究目标,利用数字化植物表型平台(D3P)模拟生成了100种冠层结构不同的小麦品种在5个生育期的三维冠层场景,记录了从原始冠层结构中提取的绿色叶面积指数(GAI)、平均倾角(AIA)和散射光截获率(FIPAR_(dif))信息作为真实值,进一步利用上述三维小麦场景开展了虚拟的激光雷达(LiDAR)模拟实验,生成了对应的三维点云数据。基于模拟的点云数据提取了其高度分位数特征(H)和绿色分数特征(GF)。最后,利用人工神经网络(ANN)算法分别构建了从不同LiDAR点云特征(H、GF和H+GF)输入到FIPAR_(dif)、GAI和AIA的反演模型。结果表明,对于GAI、AIA和FIPAR_(dif),预测精度从高到低对应的点云特征输入为GF+H> H> GF。由此可见,H特征对提高目标表型特性的估算精度起到了重要作用。输入GF+H特征,在中等测量噪音(10%)情况下,FIPAR_(dif)和GAI的估算均获得了满意精度,R^2分别为0.95和0.98,而AIA的估算精度(R^2=0.20)还有待进一步提升。本研究基于D3P模拟数据开展,算法的实际表现还有待通过田间数据进一步验证。尽管如此,本研究验证了D3P协助表型算法开发的能力,展示了高通量LiDAR数据在估算田间冠层光截获和冠层结构方面的较高潜力。 展开更多
关键词 冠层光截获 高通量表型 LIDAR 数字化植物表型平台(D3P) 小麦冠层
下载PDF
上一页 1 2 5 下一页 到第
使用帮助 返回顶部