智慧农业 植物表型

提出基于生存的能量框架，用能量存活因子解释植物颜色生成与稳定性。

提出pxGPT框架，用多模态大模型将多视角植物图像转为结构化表型记录。

扩展PLANT-GPK框架，从单张图像反演植物生理参数与隐藏时间维度，实现跨发育阶段表型分析。

将植物图像分3x3网格反演ODE参数，构建空间生理热图与预测数字孪生。

扩展PLANT-GPK框架，从单张图像反演植物生理参数与隐藏时间维度，实现跨生育期表型分析与收获期预

提出融合外观与三种生物几何线索的关联模块，实现叶片身份一致跟踪。

通过高分辨率成像与焦点包围曝光，结合分层统计模型，提升小区级病害严重度估计精度。

福建省农业科学院数字农业研究所农业智能装备研究室拟向社会公开招聘编外科研辅助人员2名(机械类+数字表型及信息化)，应聘者于2026年10月06日前将简历发送邮箱。主要负责机械制图、智能农业装备中心、植物表型装备感知调控、电子系统软硬件协同开发、信息数据采集与处理等工作。

介绍都灵大学PHENOPLANT平台用PlantEye F500进行植物无损表型测量的实验方案。

提出几何约束3D高斯泼溅方法，低成本重建植物点云并实现高精度表型分析。

提出基于智能手机视频的盆栽植物三维表型工作流F2DMAS，实现复杂背景下高效高精度重建与测量。

系统综述植物器官级3D分割，提出数据-算法-算力三角框架并开源基准平台PSS。

提出LeafTrackNet深度学习框架，实现俯视植物表型中稳健的叶片追踪。

比较阈值法、U-Net和预训练ViT在植物分割中的跨物种泛化能力。

9月2日下午上海农科院信息所举办"AI时代的智慧农业与植物表型"专题学术报告会,特邀中国农业大学教授、博士生导师、作物表型三维仿真首席科学家马韫韬作专题学术报告。马韫韬重点介绍了棉花育种表型研究进展,基于DINO视觉大模型实现棉铃精准分割与最佳集中收获期量化,首创无人机交叉环绕飞行三维重建技术,为棉花机采化育种、产量预测与基因挖掘提供高效技术手段。

报告Genesis平台如何支撑跨设施植物表型实验，将12小时人工分析缩短为秒级查询。

结合叶片电阻抗谱与防御激素动态，实现水稻稻瘟病症状前检测。

提出动态多尺度特征融合与层级注意力网络，用于叶片实例分割，提升精度。