旗葉夾角是決定小麥群體大小、群體光能攔截效率以及通風透光性能的關鍵農藝性狀，是小麥株型的重要構成因素之一。旗葉夾角因長期依賴人工測量，導致效率低、精度差、主觀性強，難以滿足大規模精準育種和栽培管理的需求。因此，低成本、高精度測量小麥旗葉夾角成為當前亟需解決的技術瓶頸。
近日，中國科學院遺傳與發育生物學研究所研究員蔣霓團隊提出了成本低廉、實用性強的小麥田間旗葉夾角圖像采集方法，并開發了輕量化的關鍵點檢測模型LeafPoseNet。該模型可自動識別旗葉中心點（Point L）、旗葉與莖的交點（Point J）、莖的中心點（Point S）三個關鍵位置，從而實現旗葉夾角的自動計算。相較于目前主流的關鍵點檢測模型，LeafPoseNet表現出更高的預測精度，其平均絕對誤差（MAE）為1.75°，均方根誤差（RMSE）為2.17°，決定系數（R2）達0.998。因此，LeafPoseNet能精準、穩定地識別各種類型的葉夾角關鍵點位置，體現出良好的魯棒性。
同時，LeafPoseNet采用輕量化設計，算力需求低，普通手機可輕松運行，適合在田間大規模、快速測量使用。研究人員通過LeafPoseNet測量小麥自然群體旗葉夾角，并進行全基因組關聯分析，鑒定出10個與旗葉夾角相關的數量性狀位點，展示出其應用于旗葉夾角遺傳解析的潛力。
該研究基于LeafPoseNet提取的高質量表型數據，為旗葉夾角性狀遺傳解析提供了可靠的表型基礎，并為理想株型精準表型獲取與分子育種設計提供了重要技術路徑與應用范式。
相關研究成果以LeafPoseNet: a low-cost,high-accuracy method for estimating flag leaf angle in wheat為題，發表在《作物學報》（The Crop Journal）上。研究工作得到農業農村部、科學技術部、中國科學院的支持。
據美國科學促進會網站最新消息，韓國科學技術院宣布，該校計算機學院研究團隊與新加坡國立大學、新加坡管理大學合作，開發出一款名為“SweepLED”的人工智能（AI）技術，用戶僅需在一部智能手機上加裝低成......
在全球氣候變化研究中，將低分辨率的大尺度氣候模式數據轉化為高分辨率區域數據，是準確評估極端天氣與區域微氣候的關鍵。然而，現有主流國際工具普遍受限于固定尺度約束。近日，中國科學院南海海洋研究所等團隊，研......
旗葉夾角是決定小麥群體大小、群體光能攔截效率以及通風透光性能的關鍵農藝性狀，是小麥株型的重要構成因素之一。旗葉夾角因長期依賴人工測量，導致效率低、精度差、主觀性強，難以滿足大規模精準育種和栽培管理的需......
傅里葉疊層成像是一種新興的計算成像技術，其成像的正向模型包括光瞳函數的低通濾波、光瞳在頻域內的掃描采樣、傅里葉變換和復雜的成像噪聲污染。傳統基于深度神經網絡學習（如卷積神經網絡）方法在遠距離場景下，環......
時間序列預測是大規模數據無損壓縮和極端天氣預報等領域的核心技術。隨著應用場景多樣化和數據復雜性提升，現有模型在異構數據的統一表達、長序列結構依賴建模、極端天氣波動捕捉等方面存在挑戰。中國科學院計算機網......
近日，浙江大學醫學院附屬第二醫院童璐莎、高峰教授團隊，聯合浙江大學生物儀器與工程學院趙立教授團隊，成功開發出一種用于區別急性自發性腦出血的可解釋性的人工智能模型，該模型針對急性腦葉出血發病兇險，病因鑒......
最近，印度理工學院（位于德里）化學工程系進行了一項研究，使用液相色譜-質譜聯用技術（LC–MS）來區分單克隆抗體（mAb）中的異變體（糖型），能夠對其進行表征，揭示了在完整水平上可辨識的峰。盡管商業軟......
近日，中國科學院水生生物研究所畢永紅團隊聯合德國卡爾斯魯厄工學院，研發出基于大數據挖掘和深度學習的有害藻類水華預警系統。相關研究成果作為封面文章，發表在《環境科學與技術》（EnvironmentalS......
近日，華東理工大學機械與動力工程學院、先進電池系統與安全重點實驗室教授欒偉玲課題組與國家級高層次人才、華東理工大學講席教授陳浩峰合作，在全球交通科學與技術領域期刊《交通電動化》發表論文，首次提出用于鋰......
“過去一段時間，以大語言模型為代表的人工智能技術取得了令人震撼的成績，而這些已經讓我們看到了通用人工智能的曙光。”近日，在由深度學習技術及應用國家工程研究中心主辦的WAVESUMMIT深度學習開發者大......