Research archive

2026 年 1 月的一个微信小程序快照，整合田间工具、天气查询、图像工具和实验性 AI 助手。

一套实验性的网页与批处理工作流，用多模态图像模型把植株置于白色背景上，并说明其科学和隐私局限。

一个用于高光谱、LiDAR、RGB 和热红外作物表型工作流的桌面工作台，在共享 UI 与跨模态融合之间有清晰边界。

一个经过同行评审的框架，结合方向光谱测量、BRDF 拟合、表型性状、集成学习和冠层光线追踪，覆盖四个物种。

一条从本地 Ollama 助手到检索和受控工具使用的实用路径，并明确隐私、安全、版本和部署边界。

一套紧凑的 OpenCV 工作流：分割分离的生物样本，导出像素和定标后的尺寸描述符，并记录科学使用前所需的验证。

一份简明、不偏出版商的指南：涵盖期刊选择、稿件准备、投稿、同行评审、发表状态、科研诚信和发表后维护。

一套针对特定版本、注重证据的工作流：用 Hunyuan3D-1 生成探索性植株网格，并验证为何生成式三维输出不自动等同于表型测量。

一套从田间到分析的工作流：涵盖交叉环绕倾斜（CCO）无人机采集、SfM 重建、空间配准、点云表型和诚实的模型验证。

一份实用指南：用 Root Quantify 进行多边形 ROI 选择、背景校正、二值掩膜清理，并在下游根系分析前有序导出。

一套可维护的工作流：选择本地模型、用 Ollama 测试、规划参数高效微调、评估结果，并安全地对外提供服务。

一个以验证为先的科研框架，连接多视图重建、植株几何、辐射传输、叶片生理和冠层尺度不确定性。

一套以验证为先的工作流：在 WebODM 中处理大疆 P4 多光谱影像，在 QGIS 中核查波段元数据，并提取小区尺度的植被特征。

一条简洁、聚焦可复现性的路线：从张量与训练循环，到迁移学习、评估、安全检查点和部署边界。

一套以验证为先的实验流程：在受控环境中采集并重建盆栽棉花植株的多视图图像。

一套实用的工作流：组织 Python 科研项目、记录环境、通过 Git 协作，并保全数据溯源。

一份安全、现代的入门介绍：涵盖仓库、提交、分支、远程、拉取请求、身份验证和撤销错误。

一份紧凑、注重安全的参考，覆盖日常 macOS、访达、文本编辑、浏览器、截屏和恢复快捷键。

一套注重版本的工作流：创建 Docusaurus 作品集，正确配置 GitHub Pages，并维护可靠的部署。