点击下载所有文章PDF文章

Plant Phenomics | 基于多源数据的水稻抗病性动态无人机表型分析

‍https://doi.org/10.34133/plantphenomics.0019

Plant Phenomics | 北京市农林科学院提出了玉米雄穗状态识别与鉴定的新方案

‍https://doi.org/10.34133/plantphenomics.0188

Plant Phenomics | 基于无人机遥感与深度学习模型的大豆生物量高通量表型分析：传统性状估算与新型潜在特征提取

‍https://doi.org/10.34133/plantphenomics.0244

Plant Phenomics | 利用无人机获取的生长动态在育种田中对双亲杂交甜菜进行高通量产量预测

‍https://doi.org/10.34133/plantphenomics.0209

Plant Phenomics | 西北农林科技大学基于无人机的时序光谱指数解析小麦持绿在育种进程中的选择

‍https://doi.org/10.34133/plantphenomics.0‍171

Plant Phenomics | 南农农学院联合前沿交叉研究院提出基于无人机图像田间小麦生长均匀度的定量化方法

‍https://doi.org/10.34133/plantphenomics.0191

利用多角度无人机遥感估算小麦叶片氮素积累的植物现象

‍https://doi.org/10.34133/plantphenomic‍s.0276

Plant Phenomics | PREPs：用于高通量田间植物表型分析的开源软件

‍https://doi.org/10.34133/plantp‍henomics.0221

Plant Phenomics | 中科院东北地理与农业生态研究所利用多模态深度学习和动态系统建模基于长势的田间大豆种质资源鉴定

‍https://doi.org/10.34133/plantphenomics.0158

Plant Phenomics 精选2024 | 华中农业大学开发了基于无人机平台的大田作物表型数据提取和分析平台

‍https://doi.org/10.34133/plantphenomics.0164

Plant Phenomics | 浙江大学岑海燕教授团队基于无人机图像的水稻育种小区稻穗计数与穗型分类

‍‍https://doi.org/10.34133/plantphenomics.0265

从图像到位点应用三维深度学习实现小麦多变量和多时相数字表型分析及氮素利用效率的遗传定位

‍https://doi.org/10.34133/plantphenomics.0270

AAUConvNeXt：通过优化的深度学习架构增强作物倒伏分割

‍https://doi.org/10.34133/plantphenomics.0182

Plant Phenomics | Point-Line Net：一种自上而下的田间玉米叶脉生长轨迹检测模型

‍https://doi.org/10.34133/plantpheno‍mics.0199

Plant Phenomics | 基于无人机的数字化表型分析在评估干豆的相对成熟度、植株数量和植株高度方面的应用

‍‍https://doi.org/10.34133/plantphenomics.0278

GSP-AI：利用无人机图像和气象数据识别小麦关键生长阶段及其从营养生长到生殖生长转变的人工智能平台

‍https://doi.org/10.34133/plantphenomics.0255

Plant Phenomics | 基于无人机激光扫描技术探索行列方向与树冠形态对火炬松生长的影响

‍https://doi.org/10.34133/plantpheno‍mics.0264

Plant Phenomics | 从忽视到重视：如何将特定品种的温度响应纳入农作物热时概念

‍https://doi.org/10.34133/plantphenomics.0185

Plant Phenomics | 通用性空中植物检测：油菜计数模型研究

‍https://doi.org/10.34133/plantphenomics.0268

加入作者交流群
扫码添加小编微信，拉您进入《植物表型组学》作者交流群，群内不定期开展作者分享会、专刊发布会等高质量活动。

添加小编微信，备注姓名+单位+PP，加入作者交流群

About Plant Phenomics
《植物表型组学》（Plant Phenomics）是由南京农业大学和美国科学促进会（AAAS）合作创办的英文学术期刊，于2019年1月正式上线发行。采用开放获取形式，刊载植物表型组学交叉学科热点领域具有突破性科研进展的原创性研究论文、综述、数据集和观点。具体范围涵盖高通量表型分析的最新技术，基于图像分析和机器学习的表型分析研究，提取表型信息的新算法，作物栽培、植物育种和农业实践中的表型组学新应用，与植物表型相结合的分子生物学、植物生理学、统计学、作物模型和其他组学研究，表型组学相关的植物生物学等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等数据库收录。科睿唯安JCR2022影响因子为7.6，位于农艺学、植物科学、遥感一区。2023年中科院期刊分区位于农林科学大类一区。2020年入选中国科技期刊卓越行动计划高起点新刊项目、2024年入选江苏科技期刊卓越行动计划领军期刊项目、中国科技期刊卓越行动计划二期英文梯队期刊。。

说明：本文由《植物表型组学》编辑部负责组稿。
中文内容仅供参考，一切内容以英文原版为准。
排版：王平、陈新月（浙江大学）
审核：尹欢、孔敏