免费观看nba乐趣影院I中文字幕1区2区3区I精品女同一区二区I国产伊人自拍I毛片网页I大胸美女网站I欧美日韩在线观看一区I碰超在线I制服丝袜日日Iav无码久久久久久不卡网站I天堂在线中文8I欧美草逼网I国产喷水在线I欧美成人一区二区三区高清I色狠狠一区I日本高清wwwI国产精品视频一二三I国产亚洲欧美精品久久久wwwI日韩欧美卡一卡二I特级黄色av

作為重要的雙子葉作物，大豆冠層的形成速度在很大程度上決定了其對光周期的敏感性，進而影響大豆的產量潛力。因此，監測不同基因型大豆的早期活力和冠層發育對于了解大豆產量和品質至關重要。然而，在大規模田間育種試驗中評估大豆冠層發育速度既費力又費時。因此，本研究提出利用無人機系統（UAV）的高通量表型分析方法監測和定量描述不同基因型大豆冠層的發育情況。

近日，中國科學院東北地理與農業生態研究所馮獻忠團隊從中國東北地區收集了200份代表性大豆品種，并利用無人機飛行系統采集了表型數據。為了克服高通量表型研究中遇到的挑戰，設計了一個專門用于大豆田間冠層分割的多模態深度學習模型——RIFSeg-Net，并利用紅外信息提高無人機拍攝的RGB圖像中大豆冠層的分割精度。通過動態建模，利用時間序列無人機圖像數據提取并構建了與冠層發育動態相關的五個表型參數。該方法展示了典型的無人機高通量表型解21析過程，提出了對大豆生長模式和動態監測的見解，并成功應用于田間大規模種質資源鑒定，為培育高產大豆品種提供了強有力的工具。

圖1. 提出的多模態深度學習模型框架

研究成果近期發表在國際期刊Plant Phenomics上（IF=6.5）。該研究由中國科學院東北地理與農業生態研究所、之江實驗室、延邊大學共同完成。中國科學院東北地理與農業生態研究所于慧助理研究員為論文第一作者，馮獻忠研究員為論文通訊作者。相關工作得到國家自然科學基金、之江實驗室、海南崖州灣種子實驗室、吉林省自然科學基金項目的資助。