跳到主要内容

研究计划

从感知作物,走向设计作物。

四个层次把多源观测转化为可度量、可解释、可预测、最终可设计的作物。下面每一层都链接到支撑它的项目、论文、笔记与工具。

2
个项目
2
篇论文与软件
11
篇研究笔记
4
个数据集

研究架构

作物智能的四个层次​

博士阶段构建了第 I–II 层;当前工作聚焦从 II 到 III 的跃迁:让作物状态不仅可观测、可解释,而且可预测。

点选某一层,可筛选下方的项目、笔记与工具。

项目

代表性项目​

笔记

研究笔记​

最近 4 篇,共 11 篇。点选上方某一层,可查看这一层的全部笔记。

  1. PhenoHUB:一个数字植物表型移动工具包

    面向植物表型田间工作的微信小程序:叶倾角与地块面积测量、测点气象、图像分析、AI 辅助绘图和数据管理集成于一个移动工具包。

    I数字化
  2. Botanical Extract AI Pro:基于多模态模型的零样本植株背景去除

    一个网页应用与批处理流程,借助多模态图像模型、结构化提示词、宽高比匹配和文件头格式识别,在不针对任务训练的情况下去除植株图像背景。

    I数字化
  3. MCTP:多模态作物表型数据处理平台

    一个桌面平台,以统一界面、交互式调参、批量处理和结构化导出,处理高光谱、LiDAR、RGB 和热红外表型数据。

    I数字化
  4. 基于表型性状预测叶片 BRDF

    一套由表型性状预测四个物种叶片 BRDF 参数的测量与分析框架,结合方向光谱测量、Cook–Torrance 模型拟合、集成学习和冠层光线追踪(Plant Phenomics,2025)。

    II理解

实验室中的工具​