第三届全国农业无人机遥感创新论坛(第三轮通知)

———————END———————
来源：农情遥感青创团队
AiPhenomics课题组，研究兴趣包括：
集成多元传感技术（激光雷达等）的高通量表型平台建设
以深度学习等前沿技术为核心的多源表型数据融合、智能提取算法和品种筛选模型开发
面向智慧育种和精准栽培的表型-基因-环境交叉研究
欢迎遥感、计算机、测绘、数学、自动化等相关领域同学联系本课题组👉实习生、👉客座生、硕士、博士，或👉博士后及以上工作机会。期待相关老师联系开展与表型组、育种和栽培相关的交叉合作。
联系方式：jinshichao1993@gmail.com
相关推荐：
表型综述
👉南京农业大学植物三维表型深度学习综述（Plant Phenomics, 2025）
👉植物表型组学近二十年进展与前沿（Plant Communications, 2022; ESI高被引）
👉激光雷达加速三维植物表型组学研究（农业、林业、园艺和草地）（ISPRS, 2021; ESI高被引论文)
👉深度学习在作物表型组学等领域的应用：理论、方法和挑战（Science China Earth Sciences, 2020）
👉高通量作物表型监测: 育种和精准农业发展的加速器（中国科学院院刊， 2018）
代表性工作
👉AR-Plant：基于AR的半自动三维植物器官标记系统（ISPRS,2025）
👉 STANet-TLA：融合深度学习和先验知识的大规模育种小区分割及大豆高产品种鉴选（ISPRS,2025）
👉 PhenoSR：为无人机配上“望远镜”，赋能作物器官级高通量表型解析（ISPRS,2025）
👉整合基因组和表型数据以提高作物性状预测精度（Plant Communications, 2025）
👉 小麦物候期实时监测的轻量化深度学习模型及开放平台(PhenoNet)（ISPRS,2024）
👉一种适用于多作物类型和多种三维数据的点云语义和实例分割网络PlantNet（ISPRS, 2022；ESI高被引）
👉基于近端多源时序数据和多任务深度学习同步预测小麦产量和品质性状（Plant Phenomics, 2022; ESI高被引）
👉作物是否会睡觉？时间序列激光雷达量化玉米生育期和昼夜节律表型（Plant Phenomics, 2021; 首届江苏省科技期刊优秀论文)
👉基于激光雷达和深度学习的单株玉米茎叶语义分割和单叶实例分割.（IEEE TGRS, 2020; 封面文章、ESI高被引论文）
更多交叉研究