文献类型：期刊文章

作　　者：岑海燕[1,2,3] 朱月明[1,2,3] 孙大伟[1,2,3] 翟莉[1,2,3] 万亮[1,2,3] 麻志宏[1,2,3] 刘子毅[1,2,3] 何勇[1,2,3]

Cen Haiyan;Zhu Yueming;Sun Dawei;Zhai Li;Wan Liang;Ma Zhihong;Liu Ziyi;He Yong(College of Biosystems Engineering and Food Science,Zhejiang University,Hangzhou 310058,China;Key Laboratory of Spectroscopy Sensing,Ministry of Agriculture and Rural Affairs,Hangzhou 310058,China;State Key Laboratory of Modern Optical Instrumentation,Zhejiang University,Hangzhou 310027,China)

机构地区：[1]浙江大学生物系统工程与食品科学学院,杭州310058 [2]农业农村部光谱检测重点实验室,杭州310058 [3]浙江大学现代光学仪器国家重点实验室,杭州310027

出　　处：《农业工程学报》

基　　金：国家自然科学基金(31971776);国家重点研发计划课题(2017YFD0201501)。

年　　份：2020

卷　　号：36

期　　号：9

起止页码：1-16

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAB、CAS、CSCD、CSCD2019_2020、EBSCO、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

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。

关 键 词：植物 表型 管理  深度学习  识别与分类  作物育种

分 类 号：TP183]