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