顶部
收藏

作物表型组学


作者:
杨万能
定价:
62.00元
ISBN:
978-7-04-062597-4
版面字数:
450.00千字
开本:
16开
全书页数:
暂无
装帧形式:
平装
重点项目:
暂无
出版时间:
2025-02-26
物料号:
62597-00
读者对象:
高等教育
一级分类:
农林
二级分类:
农学/植保

本书根据智慧农业相关专业的特点,从教学需要、科技研发和实际应用出发,理论结合应用实例,介绍了表型组学的现状和展望。全书分为15章,包括绪论,可见光表型分析技术,三维成像表型分析技术,光谱表型分析技术,CT、MRI、THz等表型分析技术,地面表型平台和分析技术,无人机、航空和卫星表型分析技术,根系表型分析技术,种子表型分析技术,植物微观表型测量技术,作物图像处理算法和应用,深度学习在表型分析上的应用,基于经典数据挖掘技术的表型分析方法,表型数据管理与整合,表型与作物遗传育种结合等内容,每章附有思考题和推荐阅读文献。本书可作为智慧农业专业的本科生和研究生教材,也可作为作物表型相关工作者的培训教材和参考书。

  • 前辅文
  • 第1章 绪论
    • 1.1 表型组学定义
    • 1.2 植物表型组学国内外研究进展
      • 1.2.1 国际植物表型组学研究进展
      • 1.2.2 国内植物表型组学研究进展
    • 1.3 植物表型组学展望
    • 思考题
    • 推荐阅读
    • 参考文献
  • 第2章 可见光表型分析技术
    • 2.1 可见光成像原理
      • 2.1.1 可见光概念及成像原理
      • 2.1.2 可见光系统的组成与常用器件
    • 2.2 可见光表型检测参数
      • 2.2.1 可见光表型检测的范围与应用
      • 2.2.2 可见光表型检测的优势与特点
    • 2.3 可见光表型应用案例
    • 思考题
    • 推荐阅读
    • 参考文献
  • 第3章 三维成像表型分析技术
    • 3.1 三维激光扫描技术
      • 3.1.1 激光扫描仪类型
      • 3.1.2 三维数据的表示形式
      • 3.1.3 点云数据的用途
      • 3.1.4 点云数据的组织
      • 3.1.5 点特征描述
      • 3.1.6 点云数据去噪
      • 3.1.7 点云聚类
      • 3.1.8 多时相点云数据分析方法
      • 3.1.9 三维性状参数提取
    • 3.2 基于多视影像的三维重建技术
      • 3.2.1 相机成像模型
      • 3.2.2 相机标定
      • 3.2.3 基于侧影轮廓的三维重建
      • 3.2.4 基于特征匹配的三维重建
      • 3.2.5 运动恢复结构
      • 3.2.6 多视角立体视觉
      • 3.2.7 基于深度学习的三维重建
    • 3.3 三维成像表型典型案例分析
      • 3.3.1 油菜幼苗叶片激光点云分割方法
      • 3.3.2 多时相棉花点云数据处理
      • 3.3.3 基于图像的三维重建
    • 思考题
    • 推荐阅读
    • 参考文献
  • 第4章 光谱表型分析技术
    • 4.1 光谱成像原理
      • 4.1.1 光谱成像的产生与组成
      • 4.1.2 光谱成像的分类
      • 4.1.3 光谱成像的优势与特点
    • 4.2 光谱表型检测参数
      • 4.2.1 作物光谱反射差异下的无损检测技术
      • 4.2.2 生物含量预测与病虫害鉴定
      • 4.2.3 光谱检测的总结展望
    • 4.3 光谱表型应用案例
      • 4.3.1 光谱成像在胁迫与病虫害方面的应用
      • 4.3.2 光谱成像在表型检测与预测生物量中的应用
      • 4.3.3 光谱成像在全基因组关联分析中的应用
    • 思考题
    • 推荐阅读
    • 参考文献
  • 第5章 CT、MRI、THz等表型分析技术
    • 5.1 CT表型分析技术
      • 5.1.1 CT技术原理
      • 5.1.2 CT技术的应用及发展
    • 5.2 磁共振成像
    • 5.3 超声波处理与加工
    • 5.4 太赫兹技术
    • 思考题
    • 推荐阅读
    • 参考文献
  • 第6章 地面表型平台和分析技术
    • 6.1 基于导轨龙门的表型平台和分析技术
    • 6.2 基于无人车的表型平台和分析技术
    • 6.3 基于机器人的表型平台和分析技术
    • 思考题
    • 推荐阅读
    • 参考文献
  • 第7章 无人机、航空和卫星表型分析技术
    • 7.1 无人机表型分析技术
      • 7.1.1 基于普通数码彩色相机的无人机表型分析技术
      • 7.1.2 基于多光谱相机的无人机表型分析技术
      • 7.1.3 基于高光谱相机的无人机表型分析技术
      • 7.1.4 基于激光雷达的无人机表型分析技术
      • 7.1.5 基于热红外成像的无人机表型分析技术
    • 7.2 航空及卫星表型分析技术
    • 思考题
    • 推荐阅读
    • 参考文献
  • 第8章 根系表型分析技术
    • 8.1 田间根系表型研究方法
      • 8.1.1 挖掘法
      • 8.1.2 微根管法
      • 8.1.3 探地雷达法
    • 8.2 根系二维表型检测方法
      • 8.2.1 纸培法
      • 8.2.2 根盒法
    • 8.3 根系三维表型可视化检测方法
      • 8.3.1 根箱法
      • 8.3.2 气培法
      • 8.3.3 水培法
      • 8.3.4 凝胶培养
      • 8.3.5 透明土壤
      • 8.3.6 穿透射线成像法
    • 8.4 根系性状分析软件
      • 8.4.1 根系微观结构表型分析软件
      • 8.4.2 基于RSA的根系表型分析软件
    • 思考题
    • 推荐阅读
    • 参考文献
  • 第9章 种子表型分析技术
    • 9.1 种子表型分析的意义
    • 9.2 种子表型分析方法
      • 9.2.1 人工考种
      • 9.2.2 自动化考种设备
      • 9.2.3 基于深度学习及先进光学成像的种子表型分析
    • 9.3 种子表型分析展望
      • 9.3.1 深度学习边缘计算
      • 9.3.2 基于互联网交互分析技术
    • 思考题
    • 推荐阅读
    • 参考文献
  • 第10章 植物微观表型测量技术
    • 10.1 微观表型简介
    • 10.2 植物叶片气孔表型测量技术
      • 10.2.1 气孔简介
      • 10.2.2 影响叶片气孔表型的主要环境因素
    • 10.3 植物叶片气孔表型参数测量方法
      • 10.3.1 植物叶片气孔图像采集
      • 10.3.2 图像处理和分析方法
      • 10.3.3 量化评价指标和气孔表型参数
    • 10.4 叶片气孔表型在生物学中的应用
    • 思考题
    • 推荐阅读
    • 参考文献
  • 第11章 作物图像处理算法和应用
    • 11.1 图像的一些基本概念
    • 11.2 图像的基本运算
    • 11.3 图像预处理
      • 11.3.1 基于灰度变换的图像增强
      • 11.3.2 图像滤波
    • 11.4 图像分割
      • 11.4.1 阈值化分割
      • 11.4.2 区域生长
      • 11.4.3 分水岭
      • 11.4.4 基于图论的分割方法
      • 11.4.5 基于机器学习的图像分割
    • 11.5 形态学处理
      • 11.5.1 形态学的基本操作
      • 11.5.2 常用形态学算法
    • 11.6 彩色图像处理
    • 11.7 特征提取
    • 思考题
    • 推荐阅读
    • 参考文献
  • 第12章 深度学习在表型分析上的应用
    • 12.1 卷积神经网络的基本概念
      • 12.1.1 卷积层
      • 12.1.2 激活函数层
      • 12.1.3 池化层
      • 12.1.4 全连接层
    • 12.2 基于卷积神经网络的作物图像分类
      • 12.2.1 作物图像分类常用评价指标
      • 12.2.2 作物图像分类应用实例
    • 12.3 基于卷积神经网络的作物图像分割
      • 12.3.1 作物图像分割评价指标
      • 12.3.2 作物图像分割应用实例
    • 12.4 基于卷积神经网络的作物目标检测与计数
      • 12.4.1 分割-计数两步法
      • 12.4.2 基于卷积神经网络的目标检测法
      • 12.4.3 基于回归的计数方法
      • 12.4.4 作物目标检测与计数应用实例
    • 思考题
    • 推荐阅读
    • 参考文献
  • 第13章 基于经典数据挖掘技术的表型分析方法
    • 13.1 降维技术与作物表型分析
      • 13.1.1 降维技术在作物表型研究中的应用
      • 13.1.2 降维技术的概念
      • 13.1.3 主成分分析
      • 13.1.4 基于主成分分析的检测目标主轴的确定案例分析
    • 13.2 聚类分析与作物表型技术
      • 13.2.1 聚类分析在作物表型研究中的应用
      • 13.2.2 聚类分析的概念
      • 13.2.3 基于k-means聚类分割算法的苹果目标分割案例分析
    • 13.3 分类算法与作物表型技术
      • 13.3.1 分类算法在作物表型研究中的应用
      • 13.3.2 分类算法的概念
      • 13.3.3 植物根部水分状态识别案例分析
    • 13.4 回归分析与作物表型技术
      • 13.4.1 回归分析在作物表型研究中的应用
      • 13.4.2 回归分析的概念
      • 13.4.3 生物量与植被指数的相关性案例分析
    • 思考题
    • 推荐阅读
    • 参考文献
  • 第14章 表型数据管理与整合
    • 14.1 表型数据管理的意义
    • 14.2 表型数据管理平台研究进展
      • 14.2.1 表型数据标准化
      • 14.2.2 表型数据收集与管理系统
      • 14.2.3 表型数据库
      • 14.2.4 表型与基因型数据库
      • 14.2.5 表型数据处理软件系统
    • 14.3 表型数据管理平台发展展望
    • 思考题
    • 推荐阅读
    • 参考文献
  • 第15章 表型与作物遗传育种结合
    • 15.1 植物数量性状遗传研究
      • 15.1.1 QTL定位的原理及方法
      • 15.1.2 QTL定位及克隆
      • 15.1.3 关联分析的概念与优势
      • 15.1.4 关联分析研究策略及应用
    • 15.2 高通量表型和遗传定位
      • 15.2.1 利用传统表型进行遗传学研究
      • 15.2.2 利用高通量表型进行遗传学研究
      • 15.2.3 高通量表型辅助育种
      • 15.2.4 高通量表型和基因组选择
    • 15.3 表型组学未来挑战
    • 思考题
    • 推荐阅读
    • 参考文献

相关图书