計算機眼中的植物是怎樣的？| Plant Methods
論文標題：Plants in computer vision
期刊：Plant Methods
作者：Dr Hannah Dee
微信連結：https://mp.weixin.qq.com/s?__biz=MzI0NDEzMTAxNQ==&mid=2673539947&idx=
1&sn=595f8988b0dc7127dcc3821571eccdd0&chksm=f3cc2ec3c4bba7d5504dea
94328499e22435781bbd2dc719be83ca573fb2a1bf0e7dbdfdd5ca&token=165529893&lang=zh_CN#rd
在植物生物學領域，一些新方法的建立使得數據類型和採集方法呈爆炸式增長。而許多數據本質上是基於圖像或視頻產生的。計算機視覺、圖像分析和圖像處理技術正越來越多地參與到植物數據當中。
在「BVMA技術會議：計算機視角下的植物」會議的啟發下，Plant Methods 以專題的形式出版了有關計算機視覺與植物科學之間交叉性的原創工作；這個專題特別關注用於分析植物圖像、視頻和掃描的計算機算法、方法和系統。
這個專題的文章涵蓋了在許多不同尺度（小至微觀圖像，大至野外尺度測量）下，通過圖像數據進行植物的檢測、分割和建模等工作。其中一些文章描述的完整軟體現在已經能夠被生物學家們使用。還有一些文章探討了算法的開發，指明了未來軟體功能的方向。
這個專題的文章尚未得到贊助，文章都由編輯負責，經過了標準的同行評議過程。編輯聲明本專題不存在任何利益衝突。以下是精選該專題文章：
利用無人機（UAV）成像和光譜混合分析對油菜籽產量進行遠程估算
Remote estimation of rapeseed yield with unmanned aerial vehicle (UAV) imaging and spectral mixture analysis
Yan Gong et al.
DOI: 10.1186/s13007-018-0338-z
點擊此處，閱讀論文。
深度表型分析：對時間表型/基因型分類的深度學習
Deep phenotyping: deep learning for temporal phenotype/genotype classification
Sarah Taghavi Namin et al.
DOI: 10.1186/s13007-018-0333-4
點擊此處，閱讀論文。
基於圖像的擬南芥生長動態和適應性成分表型分析方法
Image-based methods for phenotyping growth dynamics and fitness components in Arabidopsis thaliana
François Vasseur et al.
DOI：10.1186/s13007-018-0331-6
點擊此處，閱讀論文。
Plant Methods 是一本開放獲取的同行評審期刊， 收錄的文章涵蓋了植物科學研究中技術創新的方方面面，以促進對先進研究工具的開發和推廣使用。
（來源：科學網）
特別聲明：本文轉載僅僅是出於傳播信息的需要，並不意味著代表本網站觀點或證實其內容的真實性；如其他媒體、網站或個人從本網站轉載使用，須保留本網站註明的「來源」，並自負版權等法律責任；作者如果不希望被轉載或者聯繫轉載稿費等事宜，請與我們接洽。