模拟与受控环境中植物生长的预测建模、模式识别与时空表示：综合综述
定量方法
2025-07-17 v3 计算机视觉与模式识别
摘要
在模拟和受控环境中对植物生长模式进行准确预测和表示，对于应对植物表型组学研究中的各种挑战具有重要意义。本综述探讨了关于state-of-the-art预测模式识别技术的多项工作，重点关注植物性状的时空建模以及动态环境相互作用的整合。我们全面考察了确定性、概率性和生成式建模方法，强调了它们在高通量表型分析和基于模拟的植物生长预测中的应用。关键主题包括用于预测任务的回归和基于神经网络的表示模型、现有基于实验的确定性方法的局限性，以及需要纳入不确定性和不断变化的环境反馈的动态框架。本综述调查了通过功能-结构植物模型和条件生成模型在2D和3D结构化数据表示方面的进展。我们对未来工作的机遇提供了视角，强调将特定领域知识整合到数据驱动方法中、改进可用数据集以及将这些技术向实际应用实施的途径。
引用
@article{arxiv.2412.10538,
title = {Predictive Modeling, Pattern Recognition, and Spatiotemporal Representations of Plant Growth in Simulated and Controlled Environments: A Comprehensive Review},
author = {Mohamed Debbagh and Shangpeng Sun and Mark Lefsrud},
journal= {arXiv preprint arXiv:2412.10538},
year = {2025}
}