2024年12月，Plant Phenomics 在线发表了浙江大学生物系统工程与食品科学学院题为PanicleNeRF: Low-Cost, High-Precision In-Field Phenotyping of Rice Panicles with Smartphone的研究论文。
图1 PanicleNeRF方法流程图
图2 代表性稻穗与标签牌三维点云模型示意图
图3 籼稻(A)与粳稻(B)的预测穗长与实测穗长之间的相关分析
图4 籼稻与粳稻预测穗体积与实测粒数及籽粒质量的相关分析。(A) 籼稻预测体积与实测粒数。(B) 粳稻预测体积与实测粒数。(C) 籼稻预测体积与实测籽粒质量。(D) 粳稻预测体积与实测籽粒质量。
https://doi.org/10.34133/plantphenomics.0279
Maturity classification of rapeseed using hyperspectral image combined with machine learning
https://doi.org//10.34133/plantphenomics.0139
Plant Phenomics | 华中农业大学基于高光谱图像与机器学习对油菜籽的成熟度进行分类研究
https://doi.org/10.34133/plantphenomics.0200
Plant Phenomics | 南京农业大学联合江苏省农业科学院基于成像高光谱技术和GWAS分析的水稻籽粒蛋白质含量表型研究
《植物表型组学》（Plant Phenomics）是由南京农业大学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JCR2023影响因子为7.6，位于农艺学一区（1/125名），植物科学一区（13/265名），遥感一区（6/62名）。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、2024年入选江苏科技期刊卓越行动计划领军期刊项目、中国科技期刊卓越行动计划二期英文梯队期刊。
说明：本文由《植物表型组学》编辑部负责组稿。
审核：尹欢、孔敏
