文章分享：Plant Phenomics果实相关研究合集

点击下载所有文章介绍及PDF

Plant Phenomics | EasyDAM_V3：基于最优源域选择和知识图数据合成的水果自动标注
 

https://spj.science.org/doi/10.34133/plan‍tphenomics.0067

Plant Phenomics | 利用RGB图像和反向传播神经网络对橄榄果实关键品质性状进行表型分析
 

https://spj.science.org/doi/10.34133/plantphenom‍ics.0061

Plant Phenomics | FCOS-LSC: 针对复杂果园中绿色果实的检测模型
 

https://spj.science.org/doi/10.34133/plantphenomics.0069

Plant Phenomics | 基于生成式深度学习网络的柑橘表皮颜色可视化预测研究
 

https://spj.science.org/doi/10.34133/plantphenomic‍s.0057

Plant Phenomics | 耦合植物生长模型和病虫害模型:一个相互作用的结构提案，MIMIC
 

https://spj.science.org/doi/10.34133/plantphenomics.0‍077

Plant Phenomics | 用于农业深度学习模型的标准化和集中化数据集的高效训练
 

https://spj.science.org/doi/10.34133/plantphenomics.00‍84

Plant Phenomics | 基于AS-SwinT疏果前单串葡萄果粒的实例分割与计数
 

https://spj.science.org/doi/10.34133/plantphenomics.0085

加入作者交流群

扫码添加小编微信，拉您进入《植物表型组学》作者交流群，群内不定期开展作者分享会、专刊发布会等高质量活动。

添加小编微信，备注姓名+单位+PP，加入作者交流群

About Plant Phenomics

《植物表型组学》（Plant Phenomics）是由南京农业大学和美国科学促进会（AAAS）合作创办的英文学术期刊，于2019年1月正式上线发行。采用开放获取形式，刊载植物表型组学交叉学科热点领域具有突破性科研进展的原创性研究论文、综述、数据集和观点。具体范围涵盖高通量表型分析的最新技术，基于图像分析和机器学习的表型分析研究，提取表型信息的新算法，作物栽培、植物育种和农业实践中的表型组学新应用，与植物表型相结合的分子生物学、植物生理学、统计学、作物模型和其他组学研究，表型组学相关的植物生物学等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等数据库收录。科睿唯安JCR2022影响因子为6.5，位于农艺学、植物科学，遥感一区。2023年中科院期刊分区位于农林科学大类一区。2020年入选中国科技期刊卓越行动计划高起点新刊项目。

说明：本文由《植物表型组学》编辑部负责组稿。
中文内容仅供参考，一切内容以英文原版为准。
合集整理：周钦阳（南京农业大学）
排版：苏梓钰（南京农业大学）
审核：孔敏、王平