植物科学中的人工智能:从基于图像的表型化到产量和特征预测
Tong Wang1, Ran Tong2, Ting Xu3
1Department of Plant Science and Landscape Architecture, University of Connecticut, Storrs, CT, United States.
Frontiers in plant science
|February 16, 2026
概括
人工智能 (AI) 通过自动化数据收集和高通量表型化改变了植物研究. 这种方法增强了作物绩效预测和可持续农业的产量预测.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 遥感 遥感 遥感 遥感
背景情况:
- 植物研究传统上依赖于手工测量,这是劳动密集型和耗时的.
- 人工智能 (AI),成像和遥感方面的进步为自动数据收集提供了机会.
- 高通量基于图像的表型化允许在各种尺度上准确,自动地获取特征.
研究的目的:
- 提出一个跨学科的范式,将人工智能与植物表型和产量预测融合在一起.
- 突出AI如何增强特征监测和预测准确度.
- 促进准确和可持续的现代农业.
主要方法:
- 利用人工智能 (AI) 进行复杂的成像和遥感数据分析.
- 实现基于图像的高通量表型化,用于自动化特征获取.
- 整合卫星观测,无人机成像,土壤和气候数据.
主要成果:
- 人工智能能够在各种空间和时间尺度上精确,自动地获取特征.
- 多个数据源 (卫星,无人机,土壤,气候) 的集成可以改善特征监测和产量预测.
- 在可变的环境条件下对作物性能进行改进的评估和预测.
结论:
- 人工智能驱动的表型和产量预测代表了农业研究的范式转变.
- 这种综合方法支持准确和可持续的现代农业.
- 该方法提高了在不断变化的环境中有效管理作物的能力.
相关概念视频
02:16Light Acquisition
9.7K
In order to produce glucose, plants need to capture sufficient light energy. Many modern plants have evolved leaves specialized for light acquisition. Leaves can be only millimeters in width or tens of meters wide, depending on the environment. Due to competition for sunlight, evolution has driven the evolution of increasingly larger leaves and taller plants, to avoid shading by their neighbors with contaminant elaboration of root architecture and mechanisms to transport water and nutrients.
9.7K
01:59Plant Breeding and Biotechnology
21.9K
Crop cultivation has a long history in human civilization, with records showing the cultivation of cereal plants beginning at around 8000 BC. This early plant breeding was developed primarily to provide a steady supply of food.
21.9K