CN107256454A - 一种受生长要素影响的植物三维形态样本建模方法 - Google Patents
一种受生长要素影响的植物三维形态样本建模方法 Download PDFInfo
- Publication number
- CN107256454A CN107256454A CN201710396493.9A CN201710396493A CN107256454A CN 107256454 A CN107256454 A CN 107256454A CN 201710396493 A CN201710396493 A CN 201710396493A CN 107256454 A CN107256454 A CN 107256454A
- Authority
- CN
- China
- Prior art keywords
- plant
- growth
- key element
- model
- elements affect
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000012010 growth Effects 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000003698 anagen phase Effects 0.000 claims abstract description 23
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 238000010801 machine learning Methods 0.000 claims abstract description 16
- 238000002474 experimental method Methods 0.000 claims abstract description 11
- 238000012360 testing method Methods 0.000 claims description 5
- 238000007635 classification algorithm Methods 0.000 claims description 4
- 238000013145 classification model Methods 0.000 claims description 3
- 238000002790 cross-validation Methods 0.000 claims description 3
- 238000003066 decision tree Methods 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims description 3
- 238000010899 nucleation Methods 0.000 claims description 3
- 230000008635 plant growth Effects 0.000 claims description 3
- 238000001556 precipitation Methods 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 235000013619 trace mineral Nutrition 0.000 claims description 3
- 239000011573 trace mineral Substances 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 5
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 230000000877 morphologic effect Effects 0.000 abstract 1
- 241000196324 Embryophyta Species 0.000 description 62
- 230000000694 effects Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 241001665752 Gypsophila repens Species 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000029052 metamorphosis Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Computer Graphics (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种受生长要素影响的植物三维形态样本建模方法，其包括如下步骤：a建立植物各生长阶段各生长要素参数量化模型，获取各生长要素的参数量化值；b确定植物在各生长阶段的标准形态，并建立各标准形态的三维样本模型；c通过分组实验得到生长要素对植物形态影响的数据；d利用机器学习的分类算法对分组实验得到的数据进行分类；e运用分类结果对植物各生长阶段的样本模型进行修改。本发明对受生长要素影响的植物形态进行分类并对三维样本模型进行修改，简化加速植物形态建模过程，利于各生长阶段下植物形态受生长要素影响的快速建模。
Description
技术领域
本发明涉及计算机三维建模技术领域，具体是一种受生长要素影响的植物三维形态样本建模方法。
背景技术
参数化植物三维形态建模，对植物科学研究有重要的作用，对于研究人员了解植物的增产原因也起到重要的作用。现有的植物三维形态建模主要是对植物在理想生长条件下的形态变化进行模拟，很少涉及生长要素的变化。
植物三维形态建模方法主要有四类：第一类是基于规则的建模方法，第二类是基于计算机图形学的建模方法，第三类是基于仪器设备的建模方法，第四类是基于图像的建模。如果能得到各生长要素对植物形态影响的数学模型，现有的四类植物三维形态建模方法是可以模拟植物受生长要素影响下的准确形态的，但由于农业领域知识的不精确，要得到各生长要素对植物形态影响的数学模型是很困难的，因此，在现有的植物三维形态建模方法下，要模拟各生长阶段下受到定量参数的生长要素影响的植物三维形态很难做到。
发明内容 本发明的目的是提供一种受生长要素影响的植物三维形态样本建模方法，以解决现有技术植物三维建模方法难以模拟生长要素对植物三维形态影响的问题。
为了达到上述目的，本发明所采用的技术方案为：
一种受生长要素影响的植物三维形态样本建模方法，其特征在于：包括以下步骤：
（1）、建立植物各生长阶段各生长要素参数量化模型，获取各生长要素的参数量化值；
（2）、确定植物在各生长阶段的标准形态，并建立各标准形态的三维样本模型；
（3）、通过分组实验得到生长要素对植物形态影响的数据；
（4）、利用机器学习的分类算法对步骤（3）分组实验得到的数据进行分类；
（5）、运用步骤（4）得到的分类结果对植物各生长阶段的样本模型进行修改。
所述的一种受生长要素影响的植物三维形态样本建模方法，其特征在于：所述步骤（1）中，根据植物的种类不同，通过农业文献和领域专家的知识来确定各植物的生长阶段划分，再确定对植物生长阶段产生主要影响作用的生长要素。
所述的一种受生长要素影响的植物三维形态样本建模方法，其特征在于：所述生长要素包括但不限于播期、降水量、光、温度、各种微量元素（氮磷钾等）。
所述的一种受生长要素影响的植物三维形态样本建模方法，其特征在于：所述步骤（1）中，由于很难得到各生长要素对植物形态影响的数学模型，因此要对各生长要素的连续数值进行量化，划分各生长要素的参数量化值区间。
所述的一种受生长要素影响的植物三维形态样本建模方法，其特征在于：所述步骤（2）中，根据步骤（1）中划分的各生长阶段，采集植物的标准形态模型，并根据标准形态模型使用三维建模工具（3DSMAX等）重构植物各标准形态的三维样本模型；或者使用深度摄像机（Kinect等）拍摄RGB-D图像，根据RGB-D图像重构植物各标准形态的三维样本模型；或者使用三维扫描仪直接扫描植物，得到点云数据，再根据点云重构植物各标准形态的三维样本模型。
所述的一种受生长要素影响的植物三维形态样本建模方法，其特征在于：所述步骤（3）中，根据所研究的生长要素类型对植物进行分组实验，采集各生长阶段、各生长要素对植物外形的影响结果，这种影响结果由植物的茎秆高度、叶片大小和果实重量数据体现。
所述的一种受生长要素影响的植物三维形态样本建模方法，其特征在于：所述步骤（4）中，根据步骤（3）中得到的数据，利用机器学习中各种分类算法对数据进行分类测试。
所述的一种受生长要素影响的植物三维形态样本建模方法，其特征在于：所述步骤（4）中，对数据进行分类测试的机器学习中分类算法包括但不限于：人工神经网络算法、决策树算法、支持向量机算法，寻找最优的特征设置，使之能达到最佳分类效果，以此来建立最适合的机器学习分类模型，然后通过交叉验证选择最好的算法模型。
所述的一种受生长要素影响的植物三维形态样本建模方法，其特征在于：所述步骤（5）中，选择最适合的机器学习分类算法来构建受生长要素影响的植物形态分类模型，将生长要素参数的量化模型与植物形态样本进行对应，并根据结果对步骤（2）中的植物标准三维样本模型进行修改，得到植物受生长要素影响的三维模型。
本发明提供了一种植物三维形态建模方法，使用样本建模方法结合分类算法，可以简化和加速建模过程，略过模型生成的繁琐过程，能够模拟植物在各个生长阶段受生长要素影响的效果。
相较于现有技术，本发明具有以下优点：
第一，植物建模方式采用样本建模，通过采集植物标准形态来建立各标准形态的三维样本模型，略过模型生成的繁琐过程，降低了生成植物模型的难度，简化和加速建模过程。
第二，由于很难得到各生长要素对植物形态影响的数学模型，因此要对影响植物生长的各主要生长要素的连续数值进行量化，划分各生长要素的参数量化值区间，降低了建立玉米各生长阶段生长要素影响模型的难度。
第三，使用机器学习的分类算法来分类出各生长阶段各生长要素对植物外形影响，并修改各标准形态的三维样本模型，得到植物受生长要素影响的三维模型，降低了受生长要素影响的植物三维形态建模难度。
附图说明
图1是本发明所述的一种受生长要素影响的植物三维形态样本建模方法的流程图。
具体实施方式
以下通过附图和实施例，对本发明的具体实施方式作进一步详细描述。本领域技术人员可由本说明所揭露的内容轻易地了解本发明的其他优点与功效，本说明中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修改。
如图1所示，本发明提供了一种受生长要素影响的植物三维形态样本建模方法，其包括以下步骤：
a：建立植物各生长阶段各生长要素参数量化模型，获取各生长要素的参数量化值；
本步骤中，首先要根据植物的种类不同，通过农业文献和领域专家的知识来确定各植物的生长阶段划分，再确定对植物生长产生主要影响作用的生长要素，包括：播期、降水量、光、温度、各种微量元素（氮磷钾等）等等。
本步骤中，如果无法得到各生长要素对植物形态影响的数学模型，就要对各生长要素的连续数值进行量化，划分各生长要素的参数量化值区间。
b：确定植物在各生长阶段的标准形态，并建立各标准形态的三维样本模型；
本步骤中，建立植物的标准形态模型方法有数种，包括：使用三维建模工具重构植物三维模型；或者使用深度摄像机拍摄深度图像，然后根据深度图像重构植物三维模型；或者使用三维扫描仪直接扫描植物，根据扫描出的点云数据重构植物三维模型等等；具体使用方法取决于采集者的现场条件。
c：通过分组实验得到生长要素对植物形态影响的数据；
本步骤中，对植物进行分组实验，采集各生长阶段、各生长要素对植物外形的影响结果，这种结果一般为植物的茎秆高度、叶片大小和果实重量等数据。
d：利用机器学习的分类算法对分组实验得到的数据进行分类；
本步骤中，利用机器学习中各种分类算法对数据进行分类测试，分类算法包括：人工神经网络、决策树、支持向量机等算法，寻找最优的特征设置，使之能达到最佳分类效果，以此来建立最适合的机器学习分类模型，然后通过交叉验证选择最好的算法模型。
e：运用分类结果对植物各生长阶段的样本模型进行修改。
本步骤中，选择最适合的机器学习分类算法来构建受生长要素影响的植物形态分类模型，将生长要素参数的量化模型与植物形态样本进行对应，并根据结果对植物标准三维样本模型就行修改，得到植物受生长要素影响的三维模型。
以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。
Claims (9)
1.一种受生长要素影响的植物三维形态样本建模方法，其特征在于：包括以下步骤：
（1）、建立植物各生长阶段各生长要素参数量化模型，获取各生长要素的参数量化值；
（2）、确定植物在各生长阶段的标准形态，并建立各标准形态的三维样本模型；
（3）、通过分组实验得到生长要素对植物形态影响的数据；
（4）、利用机器学习的分类算法对步骤（3）分组实验得到的数据进行分类；
（5）、运用步骤（4）得到的分类结果对植物各生长阶段的样本模型进行修改。
2.根据权利要求1所述的一种受生长要素影响的植物三维形态样本建模方法，其特征在于：所述步骤（1）中，根据植物的种类不同，通过农业文献和领域专家的知识来确定各植物的生长阶段划分，再确定对植物生长阶段产生主要影响作用的生长要素。
3.根据权利要求2所述的一种受生长要素影响的植物三维形态样本建模方法，其特征在于：所述生长要素包括但不限于播期、降水量、光、温度、各种微量元素。
4.根据权利要求2所述的一种受生长要素影响的植物三维形态样本建模方法，其特征在于：所述步骤（1）中，由于很难得到各生长要素对植物形态影响的数学模型，因此要对各生长要素的连续数值进行量化，划分各生长要素的参数量化值区间。
5.根据权利要求1或2所述的一种受生长要素影响的植物三维形态样本建模方法，其特征在于：所述步骤（2）中，根据步骤（1）中划分的各生长阶段，采集植物的标准形态模型，并根据标准形态模型使用三维建模工具重构植物各标准形态的三维样本模型；或者使用深度摄像机拍摄RGB-D图像，根据RGB-D图像重构植物各标准形态的三维样本模型；或者使用三维扫描仪直接扫描植物，得到点云数据，再根据点云重构植物各标准形态的三维样本模型。
6.根据权利要求1所述的一种受生长要素影响的植物三维形态样本建模方法，其特征在于：所述步骤（3）中，根据所研究的生长要素类型对植物进行分组实验，采集各生长阶段、各生长要素对植物外形的影响结果，这种影响结果由植物的茎秆高度、叶片大小和果实重量数据体现。
7.根据权利要求1所述的一种受生长要素影响的植物三维形态样本建模方法，其特征在于：所述步骤（4）中，根据步骤（3）中得到的数据，利用机器学习中各种分类算法对数据进行分类测试。
8.根据权利要求7所述的一种受生长要素影响的植物三维形态样本建模方法，其特征在于：所述步骤（4）中，对数据进行分类测试的机器学习中分类算法包括但不限于：人工神经网络算法、决策树算法、支持向量机算法，寻找最优的特征设置，使之能达到最佳分类效果，以此来建立最适合的机器学习分类模型，然后通过交叉验证选择最好的算法模型。
9.根据权利要求1所述的一种受生长要素影响的植物三维形态样本建模方法，其特征在于：所述步骤（5）中，选择最适合的机器学习分类算法来构建受生长要素影响的植物形态分类模型，将生长要素参数的量化模型与植物形态样本进行对应，并根据结果对步骤（2）中的植物标准三维样本模型进行修改，得到植物受生长要素影响的三维模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710396493.9A CN107256454A (zh) | 2017-05-31 | 2017-05-31 | 一种受生长要素影响的植物三维形态样本建模方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710396493.9A CN107256454A (zh) | 2017-05-31 | 2017-05-31 | 一种受生长要素影响的植物三维形态样本建模方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107256454A true CN107256454A (zh) | 2017-10-17 |
Family
ID=60028024
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710396493.9A Pending CN107256454A (zh) | 2017-05-31 | 2017-05-31 | 一种受生长要素影响的植物三维形态样本建模方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107256454A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109558939A (zh) * | 2018-10-29 | 2019-04-02 | 广东奥博信息产业股份有限公司 | 一种基于神经网络的作物生长模型选择方法及装置 |
| CN109658501A (zh) * | 2018-12-21 | 2019-04-19 | Oppo广东移动通信有限公司 | 一种图像处理方法、图像处理装置及终端设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101577012A (zh) * | 2009-06-17 | 2009-11-11 | 重庆大学 | 基于Web的虚拟植物可视化系统及虚拟植物构建方法 |
| CN102184569A (zh) * | 2011-06-11 | 2011-09-14 | 福州大学 | 一种领域本体驱动的单株木建模方法 |
| CN102254344A (zh) * | 2011-06-29 | 2011-11-23 | 浙江工业大学 | 一种交互式虚拟植物动态可视化方法 |
| CN102903145A (zh) * | 2012-08-31 | 2013-01-30 | 北京农业信息技术研究中心 | 植物群体形态结构三维重建方法 |
| CN104965997A (zh) * | 2015-06-05 | 2015-10-07 | 浙江工业大学 | 一种基于植物功能与结构模型的作物虚拟育种方法 |
| CN106651149A (zh) * | 2016-12-01 | 2017-05-10 | 厦门迈信物联科技股份有限公司 | 一种植物生长行为分析方法 |
-
2017
- 2017-05-31 CN CN201710396493.9A patent/CN107256454A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101577012A (zh) * | 2009-06-17 | 2009-11-11 | 重庆大学 | 基于Web的虚拟植物可视化系统及虚拟植物构建方法 |
| CN102184569A (zh) * | 2011-06-11 | 2011-09-14 | 福州大学 | 一种领域本体驱动的单株木建模方法 |
| CN102254344A (zh) * | 2011-06-29 | 2011-11-23 | 浙江工业大学 | 一种交互式虚拟植物动态可视化方法 |
| CN102903145A (zh) * | 2012-08-31 | 2013-01-30 | 北京农业信息技术研究中心 | 植物群体形态结构三维重建方法 |
| CN104965997A (zh) * | 2015-06-05 | 2015-10-07 | 浙江工业大学 | 一种基于植物功能与结构模型的作物虚拟育种方法 |
| CN106651149A (zh) * | 2016-12-01 | 2017-05-10 | 厦门迈信物联科技股份有限公司 | 一种植物生长行为分析方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109558939A (zh) * | 2018-10-29 | 2019-04-02 | 广东奥博信息产业股份有限公司 | 一种基于神经网络的作物生长模型选择方法及装置 |
| CN109658501A (zh) * | 2018-12-21 | 2019-04-19 | Oppo广东移动通信有限公司 | 一种图像处理方法、图像处理装置及终端设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Makowski et al. | Synthetic silviculture: multi-scale modeling of plant ecosystems | |
| Jiang et al. | Three-dimensional time-lapse analysis reveals multiscale relationships in maize root systems with contrasting architectures | |
| Effendi et al. | A back propagation neural networks for grading Jatropha curcas Fruits Maturitiy | |
| CN105653895B (zh) | 一种羊栖菜的品系鉴别和分类方法 | |
| CN106651149A (zh) | 一种植物生长行为分析方法 | |
| CN111291686A (zh) | 农作物根果表型参数的提取与根果表型判别方法及系统 | |
| CN107256454A (zh) | 一种受生长要素影响的植物三维形态样本建模方法 | |
| Avigal et al. | Learning seed placements and automation policies for polyculture farming with companion plants | |
| CN117575094A (zh) | 一种基于数字孪生的农作物产量预测与优化方法及设备 | |
| CN109034462B (zh) | 玉米群体种植结构优化方法及装置 | |
| CN106295093A (zh) | 一种计算冠层光合速率的方法 | |
| Tobias et al. | Hybrid tree-fuzzy logic for aquaponic lettuce growth stage classification based on canopy texture descriptors | |
| CN108133654A (zh) | 基于ar手机的棉花株型设计实验教学的方法 | |
| CN104572900B (zh) | 一种作物育种评价的性状特征选择方法 | |
| CN109614763A (zh) | 一种基于多源信息分步校正作物模型的区域作物估产方法 | |
| Lenk et al. | Modeling hairy root tissue growth in in vitro environments using an agent-based, structured growth model | |
| CN101673411A (zh) | 一种虚拟玉米叶片模型可控面元划分方法 | |
| CN114332427A (zh) | 一种基于数字孪生的监控农业生产的方法及装置 | |
| Wu et al. | Three-Dimensional Modeling of Maize Canopies Based on Computational Intelligence | |
| Kahlen | Towards functional-structural modelling of greenhouse cucumber | |
| Le et al. | Visual modeling of rice root growth based on B-spline curve | |
| Lu et al. | An improved visualization modelling method of greenhouse tomato plants based on L-system | |
| CN104751512B (zh) | 植物三维模型的构建方法及装置 | |
| Tanaka et al. | Synthetic data generation for validating site-specific crop yield response modelling using WOFOST and gaussian geostatistical simulations | |
| Majrashi et al. | Modeling of biomass ramets growth patterns using fractal topography analysis of Scirpus grossus L. on peat and paddy soils |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171017 |