-
公开(公告)号:CN110865080B
公开(公告)日:2024-12-17
申请号:CN201911310763.5
申请日:2019-12-18
Applicant: 中国科学院东北地理与农业生态研究所 , 山东大学
Abstract: 一种可采集大豆种脐表型图像数据的子实盘,所述子实盘包括互相为一体连接的底座和表盘,所述表盘包括用于放置种子的种子放置区,所述种子放置区包括放置槽;所述放置槽包括圆形槽和矩形槽,所述矩形槽设置于所述圆形槽内的底部,所述圆形槽的高度大于所述矩形槽的高度,并且所述圆形槽的高度小于种子的高度。所述表盘包括校验区和信息放置区,所述校验区内放置比色卡,用于对放置在所述种子放置区上的种子的最终图像进行颜色校验;所述信息放置区放置当前拍摄批次的种子编码信息及其他相关文本。
-
公开(公告)号:CN114166654A
公开(公告)日:2022-03-11
申请号:CN202111322102.1
申请日:2021-11-09
Applicant: 中国科学院东北地理与农业生态研究所 , 山东大学
Abstract: 本发明提供一种作物抗倒伏性能测量设备、系统及方法,所述测量设备包括施力装置、测量装置和绑定装置;所述施力装置包括主支撑杆、水平支撑杆、摆动杆和活动压杆;所述测量装置包括拉力测量模块、角度传感器和微型姿态传感器;所述绑定装置用于绑定目标植株茎秆并与所述拉力测量模块连接。本发明提供的作物抗倒伏性能测量设备采用活动压杆与摆动杆折叠连接的方式,适用于密植、低矮,测量操作空间小的作物抗倒伏性能的测量,并能够有效地避免植株间的互相干扰。
-
公开(公告)号:CN112575116A
公开(公告)日:2021-03-30
申请号:CN202011633836.7
申请日:2020-12-31
Applicant: 中国科学院东北地理与农业生态研究所
IPC: C12Q1/6895 , C12N15/11 , A01H1/04
Abstract: 本发明涉及一种大豆全基因组SNP位点组合、基因芯片及应用,所述大豆全基因组SNP位点组合,包括20648个SNP位点,所述20648个SNP位点如S00001‑20648所示。本发明基因芯片对功能基因有极高的覆盖度,SNP标记位点覆盖了大豆17096个功能基因,约占大豆总基因数的31%,且SNP标记位点位于基因编码区域。在20648个SNP标记位点中,其中17588个SNP标记位点位于基因上,此类SNP标记位点占SNP标记位点总数的85%;从而使得,其在分子辅助育种或全基因组选择育种应用时,可加速育种进程。
-
公开(公告)号:CN110619297A
公开(公告)日:2019-12-27
申请号:CN201910855071.2
申请日:2019-09-10
Applicant: 中国科学院东北地理与农业生态研究所 , 山东大学
Abstract: 本发明涉及一种豆类植物子实图像批量采集识别方法及装置,包括图像采集单元、二维码识别单元、二维码分析单元、大图像识别单元、大图像处理单元、种子图像识别单元、种子图像筛选单元、种子图像命名单元、图像过滤单元、及图像输出单元。可实现批量化图像采集及图像分割,以及分割后单个图像命名和输出的功能。使得实现后期自动化获取种子的表型数据,为计算机的深度学习提供有效基础数据。本发明给出一个面向计算机视觉(CV)处理需求的机械装置,实现对豆科植物子实的批量标准化图像采集,一张照片可以拍摄多粒子实,方便该图像CV处理和归一化处理,实现了快速、无损检测,提高图像采集效率,加速子实图像处理速度,实现子实表型数据的统一标准化获取。
-
公开(公告)号:CN117903267B
公开(公告)日:2024-07-19
申请号:CN202311857552.X
申请日:2023-12-29
Applicant: 中国科学院东北地理与农业生态研究所
IPC: C07K14/415 , C12N15/29 , C12N15/82 , A01H5/00 , A01H6/54 , A01H6/20 , A01H6/46 , A01H6/60 , C12N1/21 , C12R1/01
Abstract: 本发明公开了一种新的抗大豆孢囊线虫病基因及应用。具体涉及通过人工化学诱变获得的大豆α‑SNAP基因的新变异α‑SNAPlmm3增强大豆孢囊线虫病抗性及其应用。本发明通过人工诱变方法创制了参与大豆孢囊线虫病抗性调控的新的α‑SNAP变异基因—α‑SNAPlmm3。该基因的创制和功能解析及育种应用价值探索为抗大豆孢囊线虫病相关机制研究提供了重要的基因基础及理论支持,为推进植物防御系统的研究和应用以及培育高抗病的大豆新品种提供宝贵的基因资源和应用指导,在大豆抗病育种中具有重要的应用价值。
-
公开(公告)号:CN117576455A
公开(公告)日:2024-02-20
申请号:CN202311525557.2
申请日:2023-11-15
Applicant: 之江实验室 , 中国科学院东北地理与农业生态研究所
IPC: G06V10/764 , G06V20/17 , G06V10/82 , G06T7/00 , G01S19/42
Abstract: 本发明涉及无人机应用技术领域,具体公开了一种大豆种植区目标检测方法及系统,所述方法包括根据检测高度和待检范围确定检测路径;将所述检测路径向无人机发送,并基于GPS服务实时获取无人机的位置信息;根据所述位置信息确定异常时刻,根据所述异常时刻读取采集图像;对所述采集图像进行识别,定位异常物体,输出异常报告;其中,所述无人机在运动过程中,对采集图像进行预识别,并根据预识别结果实时调节运动参数。本发明通过无人机对大豆进行预识别,通过对无人机进行位置检测,即可快速定位可能存在异常的采集图像,这一过程中,需要读取的采集图像的数量较少,传输压力极小,可以有效提高无人机的检测范围。
-
公开(公告)号:CN117095240A
公开(公告)日:2023-11-21
申请号:CN202311332316.6
申请日:2023-10-16
Applicant: 之江实验室 , 中国科学院东北地理与农业生态研究所
IPC: G06V10/764 , G06V10/44 , G06V10/42 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/094
Abstract: 一种基于细粒度特征的叶片分类方法和系统,其方法包含:叶片图像随机混乱模块对同一类的两张叶片图像分区块之后,再把所有区块进行随机重组,得到两张相同数量和尺寸的重组叶片图像,以混乱叶片的全局特征;使用深度学习网络提取叶片的原图特征和重组图特征:训练时,在特征层后面加全连接层,并计算分类损失和对抗损失向前传播;测试时,使用模型便可以提取原图的局部细粒度特征和全局特征,从而实现对叶片的分类。本发明对叶片图像进行重组,模型在重组图像上得不到全局特征时,将专注于学习叶片的局部细粒度特征,而原始图像的输入又可以提供模型全局特征的学习,从而大大提高叶片分类的精度。
-
公开(公告)号:CN117079060A
公开(公告)日:2023-11-17
申请号:CN202311325300.2
申请日:2023-10-13
Applicant: 之江实验室 , 中国科学院东北地理与农业生态研究所
IPC: G06V10/764 , G06V10/774 , G06V10/25 , G06V20/40 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/045
Abstract: 一种基于光合信号的叶片智能分类方法和系统,其方法包含:叶片光合信号提取、叶片光合信号分类。叶片光合信号提取通过叶片检测模型提取出视频中的叶片,使用分割算法对提取出的叶片进行分割,从而分割出叶片区块,然后以叶片区块内的像素均值记为当前帧的光合信号值,视频的多帧连续光合信号值即组成此叶片的光合信号。叶片光合信号分类使用神经网络对采集到的叶片光合信号进行特征提取训练,来实现叶片的分类。本发明提出一种基于植物叶片的光合信号,确定其提取方法,并针对植物叶片的光合信号变化,采用深度学习训练的方式,提取出植物叶片与其光合信号变化的相关性,从而大大提高叶片分类的精度。
-
公开(公告)号:CN114166654B
公开(公告)日:2023-08-22
申请号:CN202111322102.1
申请日:2021-11-09
Applicant: 中国科学院东北地理与农业生态研究所 , 山东大学
Abstract: 本发明提供一种作物抗倒伏性能测量设备、系统及方法,所述测量设备包括施力装置、测量装置和绑定装置;所述施力装置包括主支撑杆、水平支撑杆、摆动杆和活动压杆;所述测量装置包括拉力测量模块、角度传感器和微型姿态传感器;所述绑定装置用于绑定目标植株茎秆并与所述拉力测量模块连接。本发明提供的作物抗倒伏性能测量设备采用活动压杆与摆动杆折叠连接的方式,适用于密植、低矮,测量操作空间小的作物抗倒伏性能的测量,并能够有效地避免植株间的互相干扰。
-
公开(公告)号:CN112961842B
公开(公告)日:2022-11-29
申请号:CN202110307356.X
申请日:2021-03-23
Applicant: 中国科学院东北地理与农业生态研究所
Abstract: 本发明涉及分子生物学技术领域,本发明提供了大豆光敏色素生色团合成基因GmHY2及其编码蛋白以及它们的功能,该基因及其编码蛋白的活性高低,能够调节叶片叶绿素含量、节间长度,同时还用来调节植物的光周期敏感性,即调节开花时间,可用于解决杂交育种中的花期不遇问题,同时能够为培育广适性大豆品种提供种质资源和理论支撑。
-
-
-
-
-
-
-
-
-