-
题名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：6
- 1
-
-
作者
袁培森
薛铭家
熊迎军
翟肇裕
徐焕良
-
机构
南京农业大学人工智能学院
马德里理工大学技术工程和电信系统高级学院
-
出处
《农业大数据学报》
2021年第3期62-75,共14页
-
基金
国家自然科学基金项目(61502236)
中央高校基本科研业务费专项资金项目(KJQN201651)
大学生创新创业训练专项计划项目(S20190025)。
-
文摘
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。
-
关键词
表型大数据
无人机
高通量
植物表型分析
-
Keywords
phenotypic big data
unmanned aerial vehicle
high-throughput
plant phenotyping
-
分类号
S-3
[农业科学]
-
-
题名作物表型组大数据技术及装备发展研究
被引量：15
- 2
-
-
作者
温维亮
郭新宇
张颖
顾生浩
赵春江
-
机构
北京市农林科学院信息技术研究中心
国家农业信息化工程技术研究中心
数字植物北京市重点实验室
-
出处
《中国工程科学》
CSCD
北大核心
2023年第4期227-238,共12页
-
基金
国家重点研发计划项目(2022YFD2002300)
中国工程院咨询项目“生物育种数字化发展战略研究”(2021-JJZD-04)
“安徽省智慧农业发展战略研究”(2021-DFZ-17)。
-
文摘
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、多源异构的作物表型组大数据,将极大地促进作物功能基因组学、数字育种、智慧栽培的研究进程。本文分析了作物表型组大数据技术及装备的应用需求、产业发展形势,从物理、传输、数据、知识、应用5个层面详细梳理了相应研发现状;从作物表型组大数据高通量获取、作物表型组大数据智能解析技术两方面着手,剖析了我国相关技术、装备、产业应用方面的问题和态势。研究建议,从底层芯片层面突破作物表型传感器关键技术,在可控开源的基础上形成自主化的表型解析技术体系,加强作物表型组大数据技术及装备标准体系建设,提出基因–表型–环境多维大数据驱动的数字育种和智慧栽培创新模式,建设作物表型组大数据技术及装备人才队伍和协作网络。
-
关键词
作物表型组学
表型大数据
表型技术及装备
多组学
-
Keywords
crop phenomics
phenotyping big data
technology and equipment for phenotyping
multi-omics
-
分类号
S-1
[农业科学]
-
-
题名植物表型组学大数据及其研究进展
被引量：68
- 3
-
-
作者
赵春江
-
机构
北京农业信息技术研究中心
国家农业信息化工程技术研究中心
数字植物北京市重点实验室
-
出处
《农业大数据学报》
2019年第2期5-18,共14页
-
基金
北京市农林科学院协同创新中心建设专项(作物表型组学协同创新中心)
-
文摘
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。
-
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
-
Keywords
plant phenomics
big data
digital plant
data mining
data management
data acquisition
trait prediction
big data platform of plant phenomics
-
分类号
S-1
[农业科学]
-
