检索结果-内蒙古大学图书馆

作者：叶军立华中农业大学

学位级别：博士

小麦作为我国主要的粮食作物之一,对我国粮食稳定起着至关重要的作用,如何在不断变化的恶劣环境条件下,培育出高产、优质的小麦品种一直是育种学家们长期以来所面临的重大科学问题,也一直是育种科学家们研究的重点领域。小麦植株表型性... 详细信息

小麦作为我国主要的粮食作物之一,对我国粮食稳定起着至关重要的作用,如何在不断变化的恶劣环境条件下,培育出高产、优质的小麦品种一直是育种学家们长期以来所面临的重大科学问题,也一直是育种科学家们研究的重点领域。小麦植株表型性状参数是小麦生长过程中农艺性状的直接体现,其对小麦优质品种的选育和鉴定起着至关重要的作用。传统小麦植株表型性状测量方法主要依靠人工测量,传统人工测量方法最简单直接,但是测量的性状数据单一,费时费力,对植物体存在一定损伤,数据结果精度难以保证一致性,且不适用于大批量数据的考察。当前,不论国内还是国际上现有的测量小麦植株表型性状的仪器,绝大部分是针对小麦单株盆栽性状的考察,需要在不同的生长时期频繁的移动小麦植株,存在移动损伤、无法原位状态监测等问题。随着科学技术的快速发展,小麦育种材料的日益增加,因此急需要一种田间或者原位状态下全自动化、高精度、多模式的表型性状提取技术,来打破传统人工测量方法所造成的瓶颈。本研究针对小麦植株表型性状提取需求,提出了一种小麦植株表型高通量自动获取与分析技术,并研发出了全自动系统样机,得到了很好的推广应用。本系统研究主要的内容为:（1）小麦植株表型性状全自动测量技术的设计与实现,应用光学成像技术及自动化控制技术对原位状态下的小麦植株进行自动化测量,解决了小麦植株表型性状原位下高通量、全自动、高精度、多模式测量的难题;同时设计了自动定位系统,实现了小麦植株自定义高精度定点测量,解决了小麦区域局部测量问题;还设计了自动遮阳装置,解决了因环境变化引起的成像光照不一致,后续数据处理难度大的问题。（2）表型性状采集与分析软件Greenpheno的设计与实现,基于Visual Studio平台下,采用C#语言,将硬件驱动采集与图像处理算法进行整合集成封装在一个软件处理平台中,实现了数据采集与分析集成统一处理,大大提高了数据处理的效率。（3）小麦植株表型性状光学成像技术的设计与实现,分析了可见光成像技术、热红外成像技术、高光谱成像技术3种光学成像技术的成像原理;结合本系统研究特点及3种光学成像的数据特点,通过图像处理算法得到了基于可见光图像的生物量相关、形态相关、颜色相关、纹理相关的33个小麦植株表型数字化性状参数,基于热红外图像的小麦植株冠层温度分布情况,以及基于高光谱图像数据获取得到了小麦植株在400nm-1000nm波段范围内224个波段的平均反射率、伪吸收系数、平均反射率一阶导数、平均反射率二阶导数共896个光谱指数特征参数。（4）利用本研究系统获取了20个小麦自然群体在苗期8个生长时期的3种光学图像特征参数,建立了小麦苗期植株鲜重以及小麦植株叶片SPAD含量的预测模型,并通过小麦苗期的图像性状特征对这20个小麦自然群体收获期的产量数据进行了相关性分析。通过总投影面积TPA＿P、均匀性U＿TEX＿P和小梯度优势T2＿P来预测小麦植株鲜重（FW）,鲜重预测相关性R2达到0.81,表示TPA＿P、U＿TEX＿P、T2＿P与鲜重具有极强相关性,可以通过系统测量这3个参数来进行鲜重的预测;通过光谱指数建立SPAD含量的预测模型,当取5个自变量(dd A119、dd A50、dd A171、d A85、d A163)时,小麦植株叶片含量SPAD预测相关性R2达到0.81,表示第119个波段光谱平均反射率的二阶导dd A119、第50个波段光谱平均反射率的二阶导dd A50、第171个波段光谱平均反射率的二阶导dd A171以及第85个波段光谱平均反射率的一阶导d A85、第163个波段光谱平均反射率的一阶导d A163与小麦叶片SPAD含量具有极强相关性,可以通过这5个光谱指数来对小麦植株叶片SPAD含量进行预测;取10个自变量时,建立小麦产量数据单株粒数（GN）和千粒重（GW）预测模型,相关系数R2分别达到0.56和0.61,预测单数穗数相关系数R2达到0.47,表示可以通过小麦苗期植株相关图像性状建立小麦产量之间的关系。同时也表明通过本研究系统提取的小麦植株光学图像特征参数对研究小麦农艺性状的生长变化具有促进作用。（5）本研究系统还对193份小麦自然群体在生长81天后的小麦植株图像特征性状进行了提取,获取了31个图像特征性状。对这31个性状特征进行了小麦全基因组关联分析,对31个特征参数进行GWAS分析,共鉴定到371个QTLs,包含有450个显著的SNP;通过共定位分析发现了85个位点至少被2个或者2个以上的性状特征共定位到,特别是位于1D染色体的Locus5位点被12个特征共同定位到;本研究中也将关联位点与已报道的小麦生理或形态性状相关的QTL进行比较,发现有7%的关联位点与已报道的QTLs存在共定位,在85个共定位的位点中有13个Locus与已报道的小麦QTL共定位。分析结果表明通过本研究系

关键词：表型组学小麦植株表型性状自动测量光学成像数字化育种多模式高通量

来源：评论

学校读者我要写书评

暂无评论

FPheno2000：基于计算机视觉的食药用菌菌丝体表型采集与智能分析平台

引用

菌物研究 2024年

作者：李卓识刘云飞刘唯真付永平莫智康皮嘉龙袁晓辉吉林农业大学植物保护学院吉林农业大学信息技术学院武汉理工大学计算机与人工智能学院吉林省菌物表型组学重点实验室

食药用菌表型组学在真菌的分类鉴定、种质资源的评估、育种等研究中起着重要作用，但目前缺乏采集专用的表型采集设备和数据分析软件。本研究针对上述挑战，设计并开发了一种基于计算机视觉的食药用菌菌丝表型采集与智能分析平台——FPh... 详细信息

食药用菌表型组学在真菌的分类鉴定、种质资源的评估、育种等研究中起着重要作用，但目前缺乏采集专用的表型采集设备和数据分析软件。本研究针对上述挑战，设计并开发了一种基于计算机视觉的食药用菌菌丝表型采集与智能分析平台——FPheno2000。该平台具备高质量和规范化采集菌丝体图像的硬件设备，并结合条形码扫描系统实现数据的管理与追溯。菌丝表型数据智能化分析软件可搭配硬件使用，控制表型采集过程，并实现7种菌丝表型的智能化提取与数据管理。在表型分析模块，构建了基于Yolov8和SAM的菌丝形态学表型与生长过程性状提取算法。通过使用赤芝菌丝图像进行测试，该模型分割的平均交并比（mIOU）达到96.3%。菌丝面积、周长、垂边长、长边长等形态学表型的提取值与手动测量高度相关，R2均在0.99以上。构建了基于菌丝面积、周长、垂边长、长边长的菌丝生长模型曲线，拟合结果的R2均高于0.996，多维度提取了菌丝最大生长速率、平均生长速率、生长持续期。综上所述，FPheno2000平台的开发为食药用菌的精准育种提供了强有力的支持和标准化工具。提高了菌丝体表型数据的采集和分析效率，增强了数据的可靠性和定量程度。这一平台的应用将推动食药用菌表型智能分析领域的发展，促进食药用菌产业的进步和提升。

关键词：食药用菌表型组学分析平台大模型

来源：评论

学校读者我要写书评

暂无评论

基于深度学习与三维重构的大豆表型获取方法研究

基于深度学习与三维重构的大豆表型获取方法研究

引用

作者：李帅东北农业大学

学位级别：硕士

大豆表型基因型的外在表现,是选择高产、优质、多抗性大豆新品种的重要指标。作物育种过程中需要对大量候选材料进行表型提取和分析,这是育种过程的重要环节。近年来,随着高通量测序技术的发展,基因组学研究取得了长足的进步,积累了海... 详细信息

大豆表型基因型的外在表现,是选择高产、优质、多抗性大豆新品种的重要指标。作物育种过程中需要对大量候选材料进行表型提取和分析,这是育种过程的重要环节。近年来,随着高通量测序技术的发展,基因组学研究取得了长足的进步,积累了海量数据。而作物表型组学仍处于依托传统测量方法的阶段,其过程费力耗时且精度不高。由于缺乏高通量的表型鉴定技术,导致表型组数据和基因组数据之间的严重不匹配。更重要的是观察者的主观性使表型测量失去了客观性。由此可见,表型获取成为了当前快速育种和智慧育种过程中亟待突破的瓶颈。深度学习与三维重构技术的发展为表型自动化提取带来了契机,设计并开发大豆表型精准化、通量化及自动化提取的模型体系是突破这一瓶颈的关键。本文基于深度学习与三维重构技术,针对大豆各时期各类器官的形态特征,开发了大豆生长期与成熟期表型自动化获取的新模型,并对大豆通量化表型技术的应用进行了初步探索。论文主要成果如下:（1）针对成熟期大豆表型获取,本文提出了一种从二维机器视觉测量大豆表型的深度学习方法（SPM-IS）。同时提出了一种用于不规则大豆器官的外接矩形框精准定位的算法,并将其融入到了表型测量模型中。试验结果表明经过60000次迭代后,Mask和Box的最大平均精度（m AP）能够达到95.7%。人工测量和SPM-IS测量的荚长、荚宽、茎长、完整主茎长、粒长和粒宽的相关系数R2分别为0.9755、0.9872、0.9692、0.9803、0.9656和0.9716。豆荚、茎和籽粒的人工计数与SPM-IS计数的相关系数R2分别为0.9733、0.9872和0.9851。结果表明,SPM-IS是一种鲁棒的测量和计数算法,可以降低劳动强度,提高效率,加快大豆育种过程。（2）对于生长期大豆植株,本研究基于多目视觉技术重构了大豆全生育期的三维模型,同时设计了Soy3D-Net深度网络,实现对三维大豆虚拟植株的分割和表型提取。针对大豆在自然生长状态下叶片、茎秆等弯曲问题,引入了Flattening算法,有效的解决了测量不准确的问题。计算出手工与Soy3D-Net测量大豆植株的株高、主茎、主茎节、叶宽、叶长、叶面积的相关系数R2分别为0.9562、0.9417、0.9509、0.9229、0.9308、0.9312。结果表明,三维重构和Soy3D-Net的结合是一种有效且精准的大豆生长期表型自动化无损测量方法。（3）对由绥农14和野生豆ZYD00006构建的导入系成熟植株茎秆图像进行识别和表型提取,获得了主茎节、主茎长度及节位数等表型。基于这些表型数据,采用聚类分析算法,筛选出12株具备特异性表型的植株。同时提出了茎秆和叶片曲度的新表型,用于评估植株主茎和叶片的弯曲程度,并通过对参试品种的分析发现,茎秆的曲度是能够体现茎秆强度的,这一新表型与作物的产量和倒伏性相关。本文基于深度学习和三维重构技术给出了大豆成熟期和生长期表型自动化提取的一套解决方案,初步实现了大豆期成熟期和生长期表型通量化和精准化地提取,为大豆表型组学研究提供了新思路,为大豆快速育种和智能育种提供了重要技术支持。

关键词：大豆深度学习三维重构点云分割表型组学

来源：评论

学校读者我要写书评

暂无评论

衰老的生物学机制是什么?

引用

上海交通大学学报 2021年第S1期55卷 18-19页

作者：刘峰殷善开上海交通大学附属第六人民医院耳鼻咽喉头颈外科

本文介绍衰老研究的科学意义,归纳既往研究中对于衰老背后生物学机制的解释,提出衰老研究中亟需解决的关键问题,指出新兴多组学研究方法是探索衰老机制的一个重要发展方向.

关键词：衰老多组学研究表型组学遗传因素

来源：评论

学校读者我要写书评

暂无评论

“数字化”人体的“可视化”:表型影像学

引用

科学 2022年第1期74卷 16-21页

作者：冯凯魏铃田梅不详复旦大学人类表型组研究院上海201203

表型组作为生命体所有特征的组合,涉及整个生命过程中各种微观和宏观特征及其在时间维度上的变化。表型组学包括基因组学、转录组学、蛋白质组学、代谢组学,以及器官、体质、心理、影像等多种组学。表型影像学将研究对象的解剖结构、组... 详细信息

表型组作为生命体所有特征的组合,涉及整个生命过程中各种微观和宏观特征及其在时间维度上的变化。表型组学包括基因组学、转录组学、蛋白质组学、代谢组学,以及器官、体质、心理、影像等多种组学。表型影像学将研究对象的解剖结构、组织器官功能、细胞代谢与生物化学过程等从宏观到微观的各种特征,以二维或三维图像的方式展现出来。它既是表型组学中全面贯穿宏观与微观表型的重要线索和纽带,也是表型组学中将人体精密测量"数字化"后,实现"可视化"的重要方法和目标。

关键词：表型表型组学表型影像学影像成像模态

来源：评论

学校读者我要写书评

暂无评论

人工智能——推动植物研究发展的新动力

引用

南京农业大学学报 2022年第5期45卷 1060-1071页

作者：周济陈佳玮沈利言戴杰闻桢杰孙港周洁丁国辉丁艳锋南京农业大学前沿交叉研究院/作物表型组学交叉研究中心江苏南京210095 英国国立农业植物研究所/剑桥作物研究中心英国剑桥CB30LE 南京农业大学农学院/江苏省现代作物生产协同创新中心/现代作物生产省部共建协同创新中心江苏南京210095

从20世纪40年代至今,人工智能(artificial Intelligence,AI)及其相关智能系统的发展经历了多次起伏,在过去20年对AI的应用开始步入快速发展的阶段。本文首先介绍了AI发展简史,包括其理论形成、基础算法、分类定义和发展趋势。然后,针对... 详细信息

从20世纪40年代至今,人工智能(artificial Intelligence,AI)及其相关智能系统的发展经历了多次起伏,在过去20年对AI的应用开始步入快速发展的阶段。本文首先介绍了AI发展简史,包括其理论形成、基础算法、分类定义和发展趋势。然后,针对流行的AI开发框架和技术算法及其在植物研究各领域中的应用进行了概述,例如基因挖掘和分子育种、病虫害检测预防、作物栽培和农业生产等。为发挥AI技术对生物大数据的解析优势,本文着重讨论了AI的创新应用并展示了笔者所在的中国和英国联合实验室与此相关的部分最新研究进展,以期为AI技术在中国植物研究中的推广抛砖引玉、集思广益。

关键词：人工智能 AI发展史 AI技术应用植物研究表型组学智能性状解析

来源：评论

学校读者我要写书评

暂无评论

慢性膝关节疼痛针刺治疗的定量差异再分析

引用

体育学刊 2017年第2期24卷 115-121页

作者：吴冲云杨罗丹刘承宜朱玲段锐张全光华南师范大学体育科学学院激光运动医学实验室广东广州510006

引入定量差异(QD)对Hinman等发现毫针或激光针刺治疗50岁以上患者的慢性膝关节疼痛的效果并不优于激光假照射组的原始数据进行了再分析。在Hinman等的9个评价指标的基础上,定义了9个过程参数和33个组合参数的过程参数分第12周和1年两个... 详细信息

引入定量差异(QD)对Hinman等发现毫针或激光针刺治疗50岁以上患者的慢性膝关节疼痛的效果并不优于激光假照射组的原始数据进行了再分析。在Hinman等的9个评价指标的基础上,定义了9个过程参数和33个组合参数的过程参数分第12周和1年两个时间段,总共获得102个表型参数。研究发现,毫针组、激光组和激光假照射组优于对照组的统计差异或QD分别有64、22和39个表型参数达到显著性量级;毫针组优于激光组和激光假照射组的QD分别有29和10个表型参数达到显著性量级;激光假照射组优于激光组的QD有11个。结果表明,毫针、激光假照射和激光对50岁以上膝关节疼痛患者的治疗效果由高到低依次优于对照组。

关键词：运动医学骨关节炎慢性膝关节疼痛针刺激光表型组学定量差异

来源：评论

学校读者我要写书评

暂无评论

大梦谁先觉,平生我自知:浅析睡眠表型

引用

科学 2023年第1期75卷 7-11,4页

作者：刘明慧陈晨罗竞春陈炜复旦大学信息科学与工程学院上海200438 复旦大学人类表型组研究院上海201203

睡眠是人类最重要的生理活动之一,承担着人类生理、心理健康自我调节和恢复的重要任务。从表型组研究角度看,睡眠表型由个体在睡眠中的外在客观表现和个体对其心理状态及睡眠质量的主观评估组成。研究睡眠表型可加深对睡眠的认知维度,... 详细信息

睡眠是人类最重要的生理活动之一,承担着人类生理、心理健康自我调节和恢复的重要任务。从表型组研究角度看,睡眠表型由个体在睡眠中的外在客观表现和个体对其心理状态及睡眠质量的主观评估组成。研究睡眠表型可加深对睡眠的认知维度,并为睡眠疾病的预防、诊疗和预后提供更有效的解决方案。

关键词：表型组学睡眠表型睡眠监测多导睡眠图

来源：评论

学校读者我要写书评

暂无评论

数字图像技术及其在作物表型研究中的应用研究进展

引用

长江大学学报（自科版）（下旬） 2016年第7期13卷 38-41,46页

作者：潘锐熊勤学张文英主要粮食作物产业化湖北省协同创新中心(长江大学) 湖北荆州434025 长江大学作物抗逆技术研究中心湖北荆州434025

介绍了目前作物表型性状采集中常用的2类数字图像技术——光学成像技术和微波成像技术,包括其原理、优缺点及在作物表型研究中的应用实例。结合表型组学,综述了室内和田间不同环境下高通量表型分析平台在作物表型研究中的应用研究进展,... 详细信息

介绍了目前作物表型性状采集中常用的2类数字图像技术——光学成像技术和微波成像技术,包括其原理、优缺点及在作物表型研究中的应用实例。结合表型组学,综述了室内和田间不同环境下高通量表型分析平台在作物表型研究中的应用研究进展,并对其发展趋势进行展望。

关键词：数字图像技术作物表型表型组学

来源：评论

学校读者我要写书评

暂无评论

利用微计算机断层扫描技术重建褐飞虱内部结构

引用

浙江大学学报（农业与生命科学版） 2022年第6期48卷 797-806页

作者：舒润国周行曹子雄贺康李飞浙江大学农业与生物技术学院昆虫科学研究所浙江省作物病虫生物学重点实验室杭州310058 Object Research Systems(ORS)公司加拿大蒙特利尔(魁北克)H3B 1A7

褐飞虱(Nilaparvata lugens)是一种重要的水稻害虫。本研究利用微计算机断层扫描技术(micro-computer tomography technology, Micro CT)获得了褐飞虱成虫的断层扫描图,通过人工建模和深度学习相结合的方式对褐飞虱内部组织和器官进行... 详细信息

褐飞虱(Nilaparvata lugens)是一种重要的水稻害虫。本研究利用微计算机断层扫描技术(micro-computer tomography technology, Micro CT)获得了褐飞虱成虫的断层扫描图,通过人工建模和深度学习相结合的方式对褐飞虱内部组织和器官进行三维建模,获得了褐飞虱中枢神经系统、肌肉组织、消化道和生殖系统的三维模型,保留了这些结构的原始形态,准确地还原了褐飞虱体内各组织和器官的空间排布,并利用Dragonfly软件对昆虫的内部组织进行了空间体积的测量分析。本研究建立并完善了昆虫组织和器官的三维建模技术,有助于更为精准地观察昆虫的内部组织结构,可用于昆虫形态和器官发育的表型观察,为昆虫发育和基因功能研究提供了新技术和新方法。

关键词：微计算机断层扫描技术褐飞虱内部结构三维重构表型组学

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：