深度学习在植物表型研究中的应用现状与展望

• 作者: 万亮 何勇 刘子毅 孙大伟 岑海燕 朱月明 翟莉 麻志宏
• 来源期刊: 农业工程学报
• 学科: 工学
• 关键词: 植物 表型 管理 深度学习 识别与分类 作物育种
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 综合研究
• 页码范围: 1-16
• 页数: 16页
• 分类号: TP183
• 字数: 19366字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2020.09.001

摘要

精确测量植物表型是深入分析表型-基因-环境互作关系,了解植物生理过程的前提和基础,也是培育良种和提升现代农业生产精准管控的关键.伴随高通量植物表型测量与分析技术的不断发展,以深度学习为代表的人工智能方法在植物表型研究与应用中取得了一系列重要进展.为系统阐述相关研究最新成果和热点问题,该研究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理的表型分析等方面综述了深度学习在植物表型交叉研究的进展;最后提出了未来深度学习和植物表型交叉融合研究与应用中亟需解决的问题,并展望了植物表型研究智能化的发展前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	岑海燕	浙江大学生物系统工程与食品科学学院	11	74	5.0	8.0
2	刘子毅	浙江大学生物系统工程与食品科学学院	3	71	2.0	3.0
3	麻志宏	浙江大学现代光学仪器国家重点实验室	2	0	0.0	0.0
4	朱月明		1	0	0.0	0.0
5	孙大伟	浙江大学现代光学仪器国家重点实验室	1	0	0.0	0.0
6	翟莉	浙江大学生物系统工程与食品科学学院	1	0	0.0	0.0
7	万亮		1	0	0.0	0.0