数字农科院2.0

机器学习在植物表型中的应用进展

文献类型： 中文期刊

作者： 李阿蕾;戴志刚;陈基权;邓灿辉;唐蜻;程超华;许英;张小雨;粟建光;杨泽茂

作者机构：

关键词： 机器学习;表型鉴定;高通量;智慧农业

期刊名称：中国麻业科学

ISSN： 1671-3532

年卷期： 2023 年 45 卷 5 期

页码：

收录情况： 科技核心（2023版） ; ; 农林核心（2020版）

摘要： 表型组学涵盖面广、涉及理化性质多,数据有多态性、时效性、数据量大和高维度、高复杂性、高度不确定性的特征。机器学习作为人工智能的重要组成部分,是近年高通量方面的研究热点。植物表型研究与机器学习有效结合不仅可以扩大表型数据量级,还可以挖掘从分子、组织、个体到群体的所有层次植物表型,促进植物研究快速发展。研究以机器学习分类和机器学习在植物表型研究中的应用为出发点,介绍机器学习基本流程,比较众多机器学习算法应用的优缺点,概述国内外最新机器学习在表型组学中的研究热点,探讨植物表型与机器学习未来发展趋势。

分类号：

  • 相关文献

[1]基于深度学习的自然语言处理技术的发展及其在农业领域的应用. 崔运鹏,王健,刘娟. 2019

[2]Study on Recognition of Typical Curing Stages of Jiangxi Tobacco Leaves Based on Image Processing. 段史江,,刘浩,,王爱华,,胡毅翀,,齐飞,,胡强. 2024

[3]Global dynamics of streptococcus agalactiae antibiotic resistance: Past, present, and future. 房辉,,李东航,, 魏夏夏 ,,王仁东,, 苏燕燕 ,,于佑任,, 白航铭,, 高会会,,侯捷,,毛大庆,,罗义. 2025

[4]Multiomics and machine learning unveil root exudate-microbiota interactions for cadmium control in rice. 李烨,,侯捷,,刘孟琪,,杜兆林,,陈洪安,,刘国飞,,王雅君,,姚彦坡,,孙佩哲,,赵林,,安毅. 2025

[5]Machine Learning-Driven Prediction of Nitrogen Loss in Organic Solid Waste Composting. Haoran Mi, Dawei Gao, Deling Yuan, Xiao Liu, Lili Gao, Shengping Li, Yuanwang Liu. 2025

[6]棉花黄萎病菌T-DNA插入突变体表型特征和侧翼序列分析. 徐荣旗,汪佳妮,陈捷胤,戴小枫. 2010

[7]水稻细菌性褐条病病原的鉴定. 徐丽慧,邱文,张唯一,李斌,谢关林. 2008

[8]Enterobacter spp.:引起“桑枯萎”病的新证据. 朱勃,王国芬,谢关林,周勤,徐福寿,Praphat Kawicha,李斌,陈建锋. 2009

[9]巴马猪NK细胞表型鉴定及猪CIK细胞诱导方法建立. 祝明皓,陆涛峰,牛银杰,赵丽丽,陈洪岩. 2016

[10]武夷菌素产生菌CK-15中转录调控因子wysR3的功能研究. 葛蓓孛,孙蕾,王家旺,张克诚. 2015

[11]普通菜豆种质资源不同环境下表型差异及生态适应性评价. 王兰芬,武晶,王昭礼,陈吉宝,余莉,王强,王述民. 2018

[12]救荒野豌豆种质资源调查收集及表型鉴定评价. 王宗赫,张红岩,杨新,李正丽,项超,杨梅,刘玉皎,何玉华,滕长才,侯万伟,代正明,吕梅媛,宗绪晓,杨涛,刘荣. 2025

[13]燕麦NF-YA基因家族分析及表型鉴定. 王思琦,武雅婧,朱鹤,杨青川,康俊梅,郭长虹,王雪. 2026

[14]玉米高通量自动考种装置设计与试验. 宋鹏,张晗,王成,罗斌,路文超,侯佩臣. 2017

[15]低温消解-石墨炉原子吸收法高通量测定小麦中镉含量. 陆美斌,王步军,罗云波. 2015

[16]TP—M13-SSR技术及其在玉米遗传多样性研究中的应用. 刘志斋,王天宇,黎裕. 2007

[17]油菜高通量根系构型定量分析与三维重建系统. 余常兵,陆星,廖星,廖红. 2016

[18]蛋白质芯片技术在动物源性食品检测中的应用研究进展. 祁光宇,黄银军,牟克斌,刘学荣,王宇,任维维,蒋韬. 2010

[19]TP-M13-SSR技术及其在玉米遗传多样性研究中的应用. 刘志斋,王天宇,黎裕. 2007

[20]液相芯片及其在粮油主要真菌毒素同步检测中的应用. 李鑫,李培武,张奇,张文,张兆威. 2012

作者其他论文 更多>>