...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Trends in Plant Science >Challenges and Opportunities in Machine-Augmented Plant Stress Phenotyping
【24h】

Challenges and Opportunities in Machine-Augmented Plant Stress Phenotyping

机译：机组植物压力表型挑战和机遇

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Plant stress phenotyping is essential to select stress-resistant varieties and develop better stress-management strategies. Standardization of visual assessments and deployment of imaging techniques have improved the accuracy and reliability of stress assessment in comparison with unaided visual measurement. The growing capabilities of machine learning (ML) methods in conjunction with image-based phenotyping can extract new insights from curated, annotated, and high-dimensional datasets across varied crops and stresses. We propose an overarching strategy for utilizing ML techniques that methodically enables the application of plant stress phenotyping at multiple scales across different types of stresses, program goals, and environments.
机译：植物胁迫表型分析对于选择抗逆品种和制定更好的胁迫管理策略至关重要。与无辅助视觉测量相比，视觉评估的标准化和成像技术的应用提高了压力评估的准确性和可靠性。机器学习（ML）方法与基于图像的表型分析相结合的能力不断增强，可以从各种作物和胁迫的精心策划、注释和高维数据集中提取新的见解。我们提出了一个利用ML技术的总体战略，该技术系统地支持在不同类型的胁迫、项目目标和环境中在多个尺度上应用植物胁迫表型。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号