搭建植物表型工作流
先掌握可复现的图像分析,再引入基础模型分割,最后在真实田间数据上完成评测。
- PlantCV
- Meta SAM 3.1
- PhenoBench
围绕科学机器学习、智能体与大模型、作物模拟、植物表型、遥感与三维重建,精选官方课程、模型、数据集和工具。
每条路径都从可靠起点出发,逐步进入可复现的科研工作流。
先掌握可复现的图像分析,再引入基础模型分割,最后在真实田间数据上完成评测。
从易上手的水分生产力模型开始,逐步进入 Python 工作流与完整农作系统模拟。
先补上生理背景,再按公认协议完成测量,最后用 R 可复现地分析气体交换数据。
先建立领域知识地图,再学习科学机器学习,最后通过官方 Notebook 复现领域模型。
先在左侧选择维度——基础、领域或表达发表,再在每个主题内由入门读到高级。
深度学习、图学习、经典机器学习,以及值得反复回看的从零讲解。
入门
从张量和训练循环到迁移学习、目标检测、分布式训练与编译优化的官方学习路径。
严谨介绍表格机器学习、评估、流水线、模型选择与避免数据泄漏的实验方法。
从零手写神经网络:反向传播、makemore 与 GPT,配套逐行讲解的可跟练视频课程。
以可视化和直觉优先的方式讲解神经网络、梯度下降、反向传播与 Transformer。
覆盖回归、分类、神经网络与强化学习的完整讲义,适合在视频课程节奏过快时对照阅读。
进阶
模型 API、智能体框架、工具协议与农业领域模型。
入门
Claude 官方开发文档,涵盖 Messages API、工具调用、扩展思考、结构化输出、提示缓存与智能体模式。
OpenAI 官方开发参考,涵盖 Responses API、函数调用、结构化输出、向量嵌入与检索。
系统的智能体实战课程,基于 smolagents、LlamaIndex 与 LangGraph,从基础一直做到综合项目。
进阶
基于与 Claude Code 相同的运行时构建生产级智能体,支持子代理、会话、工具编排与 MCP。
轻量的多智能体编排框架,支持代理交接、护栏、会话与内置追踪。
连接大模型与工具、数据源的开放标准,拥有不断增长的可互操作服务器生态。
极简的代码型智能体库,定义工具、接入任意模型,几行 Python 即可运行智能体循环。
首个种业大语言模型,围绕品种选育、农艺性状、栽培技术与适宜推广区域进行专业训练。
高级
面向持久化、有状态多智能体系统的底层编排框架,支持显式图结构、记忆与人类参与环节。
基于 MiniCPM-Llama3-V 的中文开源农业多模态大模型,可进行作物病害识别与种植问答。
面向农业的领域大模型生态,基于多智能体数据引擎与 Agri-342K 指令数据集构建。
光合、荧光与冠层测量协议,以及仪器数据的分析方法。
入门
开放的植物生理学教材,涵盖光合、水分关系、生长与逆境,是模型或影像类论文默认你已具备的背景知识。
由社区维护的气体交换、荧光、传感与环境测量协议,写法上强调他人可复现同一方法。
MultispeQ 手持设备配合共享协议与数据,可在田间获取荧光与叶片测量,无需实验台。
进阶
中文实操指南,讲解如何在 R 中拟合 A/Ci 与光响应曲线,并整理 LI-COR 仪器数据。
多数光合论文所依赖的气体交换与荧光系统的手册、应用笔记与配置说明。
讲解 LAI 的定义、直接与光学测量方法及各自误差来源,在采信 LAI 产品前值得一读。
高级
对日光诱导荧光与反射率的连续田间观测,是冠层尺度 SIF 研究的地面参考。
过程机理作物模拟:从易上手的水分模型到完整农作系统与虚拟植株。
入门
进阶
高级
在成熟的农业系统框架中模拟土壤、水分、氮素、作物、轮作与管理情景。
学习品种—土壤—天气—管理耦合模拟,用于产量预测、品种参数校准和气候风险研究。
用于构建、校准、评估和可视化作物及生理模型的 Julia 声明式框架。
基于 C++ 的三维植株结构框架,支持光线追踪辐射、能量平衡、光合模拟与合成影像生成。
大尺度三维辐射传输模型,可在真实冠层上模拟反射率、热红外影像、LiDAR 与 SIF。
从图像到性状的工作流、分割模型、田间基准,以及背后的元数据标准。
入门
表型领域的伞式网络:工作组、平台设施、活动信息,以及一份可靠的领域人员与机构地图。
进阶
面向 RGB、NIR、热红外、荧光、高光谱、形态和地理空间影像的可复现植物分析流程。
专注 PhenoCam 时序影像质控、植被分割、植被指数与物候参数提取的工作流。
基于 Napari 的二维与三维细胞分割工具,针对高密度植物组织和显微影像优化。
覆盖点云、网格、RGB-D、配准、重建和三维机器学习的 Python/C++ 教程。
面向育种与表型数据的通用接口标准,使试验、种质与观测数据在系统间流转无需定制导出。
植物表型试验的最小信息标准清单;应在采集时就落实,而不是等审稿人提出要求。
高级
基于 UAV 田间影像的作物、杂草、植株实例、叶片实例与层次全景分割基准。
四类豆科作物的多光谱三维扫描数据,含叶片、叶柄、茎器官标签与 MIAPPE 元数据。
支持文本概念提示的图像与视频检测、分割和跟踪,提供 Notebook 与微调代码。
用于四维活体组织、细胞几何、生长、荧光信号与形态发生的可视化和定量分析。
玉米与番茄的时空点云数据,带叶片实例标注,是四维植株生长分析中少见的基准数据。
地球观测平台、地理空间基础模型、摄影测量与点云工作流。
入门
全球作物范围与类型制图平台,提供 MOOC、参考数据、Notebook 和在线处理中心。
用于影像镶嵌、训练样本采集及 RF/SVM/梯度提升土地与作物分类的低代码流程。
在进入脚本化空间分析之前,先掌握投影、矢量栅格处理与制图排版的实用入口。
进阶
用于少样本分类、聚类、土地覆盖和农业制图的年度预计算地球表征。
提供全球农田边界数据、预训练分割模型、CLI、QGIS 工具与浏览器推理。
面向行星尺度影像、时序、分类与导出的官方 JavaScript 和 Python 学习路径。
将无人机影像处理为正射影像、点云、DSM/DTM、多光谱产品与纹理三维模型。
高级
微调开放地理空间基础模型,用于多时相分类、分割与作物制图。
融合 Sentinel-1/2、气象与地形信息的轻量自监督时序 Transformer,适合少样本作物制图。
使用 Sentinel-2、作物标签、云端数据工程与 TensorFlow 的完整农业遥感机器学习流程。
科学机器学习、物理约束模型与可运行的领域基础模型。
入门
覆盖图学习、分子模拟、因果机器学习、结构生物学与量子科学的可读知识地图。
进阶
通过 Notebook 学习分子性质预测、药物发现、量子化学和材料科学机器学习。
通过官方数据库探索蛋白结构,并使用 AlphaFold 3 服务测试生物分子相互作用。
带引用依据的科研文献检索与问答工作流,也可接入本地模型。
高级
系统讲解自动微分、ODE/PDE 求解器、PINN、概率编程、GPU 与高性能计算。
面向神经算子、PINN、MeshGraphNet、天气、流体和分子系统的工程级 Physics AI 教程。
当前维护的 ESM 蛋白语言模型代码,覆盖表征提取、结构预测与蛋白互作研究。
面向天气、空气质量、海浪与热带气旋的地球系统基础模型,附官方 ERA5 示例。
论文语言、规范术语,以及可以直接借鉴的图表范例库。
入门
按论文章节组织的学术英语句式库,是卡在引言或讨论部分时最快的解法。
由大学写作实验室维护的语法、文体与引用格式参考,质量远高于一般内容站点。
可在浏览器直接编译的期刊、学位论文、简历与海报 LaTeX 模板,从可用文档起步而非空白导言区。
从数据类型出发的图表选择决策树,并逐一指出每类图表常见的误用。
进阶
植物性状、解剖结构与生育期的参考本体;采用这些术语可让数据在不同物种间保持可检索。
数百个带可复现代码的 ggplot2 图表范例,把脑中的构图快速变成可发表的图。
可在线编辑的交互图表示例,适合图表需要放在网页或看板而非 PDF 中的场景。