- 综合排序
- 最热优先
- 最新优先
- 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
全球历史小麦产量数据集
全球小麦产量与产区分布： 1. 中国是全球最大的小麦生产国，占全球小麦产量的约15%。 2. 亚洲地区是全球最大的小麦生产地区，占全球小麦产量的约44%。 3. 欧洲地区是全球第二大小麦生产地区，占全球小麦产量的约26%。 4. 北美洲地区是全球第三大小麦生产地区，占全球小麦产量的约14%。 5. 小麦是世界上最重要的粮食作物之一，也是世界人类的主要粮食来源之一。 春小麦和冬小麦是根据播种时间的不同而划分的两种小麦品种。它们的主要区别如下： 1. 播种时间不同：春小麦在春季播种，而冬小麦在秋季播种。 2. 生长期不同：春小麦生长期相对较短，一般为90~110天；而冬小麦生长期相对较长，一般为180~280天。 总的来说，春小麦和冬小麦有着明显的差异，但它们都是重要的小麦品种，对于满足人们的粮食需求和农业发展都有着重要的作用。
47010编辑于 2024-02-02 - 来自专栏「毅硕|生信教程」
Sentieon | 小麦全基组（WGS）分析流程
引言 今天给大家介绍的是基于 Sentieon 软件开发的用于小麦全基因组测序数据的自动化流程脚本。 测试小麦样本平均测序深度7.55x，从FastQ到VCF全流程分析最快用时1.4个小时，大幅缩短小麦全基因组WGS分析时间，有效加快小麦的分子育种进程。 补充说明：对于单个染色体长度>536870911（约512MB）的物种（比如小麦），Sentieon软件可以切换至cram，不用因BAM 文件索引 (.bai) 的格式限制切割染色体。 脚本应用示例 使用上述脚本对小麦全基因组测序数据分析的测序结果，具体样本信息如下表所示： 测试样本下载 wget -nc ftp://ftp.sra.ebi.ac.uk/vol1/fastq/SRR298 从FastQ到VCF全流程分析最快用时1.4个小时，大幅缩短小麦全基因组WGS分析时间，有效加快小麦的分子育种进程。
32710编辑于 2025-09-25 - 来自专栏小明的数据分析笔记本
杂记：NCBI下载测序数据；小麦GO富集分析
./ SRR8502595 但是好像不管用，还是sra格式的数据 -O 指定下载文件的存储位置 小麦做GO富集分析 找到了一个在线工具，直接上传 geneid 就可以 , 链接是 http://wheat.cau.edu.cn
1.4K20发布于 2021-05-07 - 来自专栏生信小王子
专属于六倍体小麦的Bioconductor注释包
专属于六倍体小麦的注释包。 此注释包是基于iwgsc_refseqv1.1版本的基因号制作的，GO注释来源于 https://doi.org/10.5281/zenodo.2541477。 做小麦的同学赶快下载下来试一下吧~ 参考资料： Bioconductor的注释包太旧怎么办？自己做呀 https://www.jianshu.com/p/77246ff36214
1.8K51发布于 2020-08-10 - 来自专栏GoCoding
TorchVision Faster R-CNN 微调，实战 Kaggle 小麦检测
本文将利用 TorchVision Faster R-CNN 预训练模型，于 Kaggle: 全球小麦检测[1] ? 上实践迁移学习中的一种常用技术：微调（fine tuning）。 pd import seaborn as sns from matplotlib import pyplot as plt from PIL import Image 下载数据 Kaggle: 全球小麦检测 如下： ce4833752,0.5 0 0 100 100 image_id ce4833752 的图片，预测出 x y w h 0 0 100 100 处是小麦，置信度 0.5。 [8] Pytorch Starter - FasterRCNN Train[9] Global Wheat Detection: Starter EDA[10] 脚注 [1]Kaggle: 全球小麦检测 Notebooks: https://github.com/ikuokuo/start-pytorch/blob/master/docs/use_kaggle_notebooks.md [5]Kaggle: 全球小麦检测
1.5K31发布于 2021-05-06 - 来自专栏小麦苗的DB宝专栏
小麦苗人大金仓数据库巡检脚本
和PostgreSQL数据库相似，需要有psql客户端或者有人大金仓的ksql客户端都可以，运行方式如下：
1.4K20编辑于 2022-04-11 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
AI Earth ——开发者模式案例6：决策树模型实现冬小麦提取
决策树模型实现冬小麦提取¶ 依据作物在不同物候期内卫星影像的光谱存在差异的特征，可建立冬小麦提取算法，进行像元尺度冬小麦提取。 这里同样是使用的NDVI作为阈值提取条件，分别使用不同的聚合方式完成对影像的筛选，从而得出冬小麦种植面积的提取。 get_ndvi(image): ndvi = image.normalizedDifference(['SR_B5', 'SR_B4']) return ndvi # 黄淮海地区冬小麦典型物候期 -20').max().clip(region) NDVI_min = getl8_ndvi('2018-05-20', '2018-06-30').min().clip(region) # 冬小麦提取规则集 bounds=region.getBounds()) map.addLayer(wheat,mask_vis, 'wheat', bounds=region.getBounds()) # 绿色区域为小麦
36310编辑于 2024-02-02 - 来自专栏CVer
Kaggle全球小麦检测竞赛结果惹争议
前言 昨天Kaggle 全球小麦检测（Global Wheat Detection）比赛落下帷幕，共计2,270 支队伍参赛。 ? YOLOv5 称霸Kaggle 小麦检测 小麦检测赛事是今年5月初开始，刚开始很多人还是用Cascade R-CNN、EfficientDet这些知名的检测项目作为他们的基础解决方案。 YOLOv5 在Kaggle小麦检测表现有多强？ 彻底宣告YOLOv5被禁用后，很多人删除了之前的 submissions。 那么究竟其表现有多强？
2.3K10发布于 2020-08-10 小麦成熟度分类数据集10695张7类别
数据集类型：图像分类用，不可用于目标检测无标注文件 数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片 图片数量(jpg文件个数)：10695 分类类别数：7 类别名称:["anthesis","booting","crown_root","heading","mid_vegetative_phase","milking","tillering"]
23100编辑于 2025-07-16小麦病害分割数据集labelme格式1882张4类别
数据集格式：labelme格式(不包含mask文件，仅仅包含jpg图片和对应的json文件)
32800编辑于 2025-07-17- 来自专栏Lan小站
一个用爱发电的临时网盘——小麦云链
小麦云链，小麦云盘系列中的一个新产品，可以理解为简版的U-File。 无需注册，不限制上传数量和大小，文件上传以后，会获取HTTP和FTP两种直链模式并提供上传记录下载。
3.3K20编辑于 2022-07-14 小麦病害检测数据集VOC+YOLO格式1882张4类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)
49000编辑于 2025-07-17小麦穗检测数据集VOC+YOLO格式6508张1类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：6508 标注数量(xml文件个数)：6508 标注数量(txt文件个数)：6508 标注类别数：1 标注类别名称:["wheat"] 每个类别标注的框数： wheat 框数 = 275249 总框数：275249 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注
8600编辑于 2025-07-20- 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
GEE数据集：美国玉米、大豆和冬小麦 QDANN 30m 产量图数据集
QDANN 30m Yield Map for Corn, Soy, and Winter Wheat in the U.S美国玉米、大豆和冬小麦 QDANN 30m 产量图 简介 该数据集展示了一个新颖的规模转移框架 该数据集基于 Landsat 图像和 Gridmet 气象数据，重点关注美国的玉米、大豆和冬小麦田。该数据集利用约一百万个田间年观测数据中的产量监测记录进行验证。 主要结果包括 - 玉米、大豆和冬小麦的 R² 分数（RMSE）分别为 48%（2.29 吨/公顷）、32%（0.85 吨/公顷）和 39%（1.40 吨/公顷），与基准方法相比，显示出更高的准确性。 - 当产量汇总到县一级时，QDANN 的性能显著提高，玉米的 R² 分数（RMSE）达到 78%（0.98 吨/公顷），大豆达到 62%（0.37 吨/公顷），冬小麦达到 53%（1.00 吨/公顷）。 创建者：Ma,Yuchi et al： Ma,Yuchi et al： 关键词：玉米、大豆、冬小麦、产量 GEE 最后更新时间：2024-09-22
42610编辑于 2024-10-14 - 来自专栏生信宝典
鲁非研究组合作揭示小麦株型性状地理分化和育种选择的遗传基础
小麦是三大主要粮食作物之一，占世界粮食产量的30%和世界粮食贸易的50%，其产量直接影响我国粮食安全。因此，提高小麦产量仍是当前育种工作的主要目标之一。 小麦株型对于提高产量和环境适应性至关重要，系统研究小麦株型性状的地理分化和育种选择的遗传基础，对于小麦育种具有重要价值。 为了探究不同茎节单倍型组合对株型的影响，本研究对831份中国小麦品种进行单倍型分析，发现三个新的单倍型组合在中国小麦育种中被明显利用。 根据世界范围的小麦地理分化规律，可以看出欧洲小麦材料的穗下节长度单倍型占比较大，而亚洲材料的中等单倍型占比随育种过程逐渐增加。 该研究对小麦株型的遗传改良具有重要意义，为小麦株型的分子设计育种提供了重要的遗传信息资源。
36020编辑于 2023-08-30 - 来自专栏Sentieon：文献解读
Sentieon项目文章：泛基因组揭示小麦结构变异与栖息地及育种的关联
关键词：小麦；分子育种；生信分析； 引言 普通小麦(AABBDD)源于7000-8000年前中东地区四倍体小麦与粗山羊草的自然杂交。约3500-4000年前传入中国，逐渐成为华北主要农作物。 自1950年以来，我国共育成审定约3500个小麦新品种。多样化的生态类型（如春性与冬性、雨养与灌溉、单季与双季）和复杂的饮食文化需求，共同驱动了中国小麦遗传多样性的形成与演变。 分析显示欧洲种质在中国现代小麦育种中的整合过程，以及VRN-A1等重要基因的进化特征。在CM42中发现的外源片段和1RS·1BL易位体中pSc200的显著减少，反映了小麦基因组的持续进化。 研究发现品种间的PAV与重组减少相关，主要因为野生二粒小麦的渗入和转座子的插入。 春化基因进化 VRN-A1基因的拷贝数变异和单倍型分化反映了小麦对环境的适应过程。 研究总结 研究发现结构变异SV通过抑制着丝粒区域的重组过程，成为驱动小麦演化的重要机制。阐明了VRN-A1复制和食物文化共同塑造了小麦品种生态适应性。
40310编辑于 2025-09-04 - 来自专栏小麦苗的DB宝专栏
小麦苗数据库巡检脚本，支持Oracle、MySQL、SQL Server和PG等数据库
26289 Jul 10 17:19 LHR_OSCHECK_REPORT_OCPLHR_20190710171939.html [root@OCPLHR lhr]# 五、其它问题 请看视频《小麦苗数据库健康检查脚本使用说明 .wmv》或阅读《【DB健康巡检（Oracle+MySQL+MSSQL+OS）】小麦苗巡检脚本使用说明_LHR.pdf》，下载地址为：https://share.weiyun.com/5lb2U2M 。 视频观看地址：https://v.qq.com/x/page/m3007wsp4o7.html 六、软件著作权登记证书 小麦苗编写的该巡检系统已申请“中华人民共和国国家版权局计算机软件著作权登记证书”， 相关证书见下图： [image-20210130151713465.png] About Me *** ● 本文作者：小麦苗，部分内容整理自网络，若有侵权请联系小麦苗删除
2.7K20发布于 2021-01-30 - 来自专栏生信宝典
Nature | 李家洋，邓兴旺，钱前院士等点评， 基因组所程时锋团队解码全球百年种质多样性 助力小麦精准设计育种
追溯作物进化和驯化过程中已形成的遗传和表型多样性，解码和发现小麦优异性状和变异，连接目标遗传位点和育种田间真实表现，构建小麦全基因组设计育种所必需的源头数据资源和平台技术工具，是突破小麦育种障碍，培育新一代高产优质小麦品种的必然之路 研究发现现代小麦的遗传多样性十分狭窄，沃氏小麦有67%的特有变异未被现代小麦育种利用。 Watkins小麦地方品种群体这一宝贵种质资源的引入，将为拓宽我国小麦的遗传基础、提高我国小麦的遗传多样性奠定坚实的基础；未来将这些优异基因应用到小麦育种中，培育创新型小麦新品种，将推动我国小麦产业的持续健康发展 ” 美国科学院院士 邓兴旺 “ 小麦是世界上重要的粮食作物，小麦种质资源的引进和创新利用对我国小麦育种和产业发展发挥了非常重要的作用。 尤其值得一提的是，该项研究贯穿了从小麦基因组学研究到小麦育种的全流程，为小麦基因组设计育种提供了宝贵的材料资源和数据资源，对我国未来小麦遗传学研究和育种应用具有重要的意义。
37810编辑于 2024-06-21 - 来自专栏生信宝典
Mol Plant | 多家单位联合发布小麦组学大数据可视化和在线分析平台WheatOmics
随着小麦模式品种“中国春”的参考基因组以及不同倍性、不同品种小麦基因组/泛基因组的陆续发布，小麦研究业已进入了后基因组大数据时代。 2018年“中国春”小麦参考基因组公布伊始，多名来自于国内不同单位的小麦领域青年学者携手推出了国内首个小麦大数据在线平台WheatOmics-bata版（http://wheatomics.sdau.edu.cn 经过三年的建设，WheatOmics实现了对48套麦族物种基因组、500余份小麦转录组、2000多种小麦变异组、三套小麦突变体库外显子组、多套小麦表观修饰组等组学大数据的可视化，并开发了拟南芥/水稻-小麦同源基因鉴定 WheatOmics数据和工具总览 文章提出，随着小麦多组学大数据的井喷式发展和WheatOmics等在线数据库的建立，小麦功能基因组学研究已经进入到更关注小麦特色基因的阶段。 通过在HomologFinder中检索水稻OsNRT2.1的小麦同源基因，可以发现小麦基因组存在多个串联重复拷贝；进一步借助PfamSearch等工具，明确了小麦6A、6B和6D染色体上分别存在3个相邻排布的
94110编辑于 2022-01-19 - 来自专栏技术汇总专栏
小麦田间叶片病害目标检测数据集（2000 张已标注）：面向目标检测的农业智能识别
小麦田间叶片病害目标检测数据集（2000张已标注）：面向目标检测的农业智能识别一、背景小麦作为全球最重要的粮食作物之一，其产量与品质直接关系到粮食安全与农业经济稳定。 ，基于目标检测模型的小麦病害智能识别，正逐步成为农业数字化、智能化转型的重要方向。 ，是保障小麦产量稳定、提升小麦品质的核心要素。 基于各类复杂麦田环境图像与无人机巡检设备采集的小麦病害相关数据解析并标注构建的小麦病害目标识别数据集，能为YOLO等前沿目标检测模型提供贴近实际小麦病害场景的训练样本，助力模型更精准识别不同环境中小麦病害的感染程度与扩散范围 本小麦田间叶片病害目标检测数据集：源自真实无人机与田间采样覆盖复杂气候与多样地貌针对病害初期识别深度优化面向工程落地与实际监管需求它不仅是一个模型训练数据源，更是推动小麦病害监测从“人工巡查”走向“空中全域智能感知
35610编辑于 2025-12-24
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号