首页　　 人才队伍
个人信息

博士生导师
研究员

Email: JZhou@cemps.ac.cn
个人网页: https://www.researchgate.net/profile/Ji-Zhou?ev=hdr_xprf

研究方向

植物表型组学、农艺性状形成、人工智能、稻麦遗传育种

周济

个人简介

2025年09月-至今:中国科学院分子植物科学卓越创新中心、植物生理生态研究所，研究员/研究组长
2023年10月-至今：英国剑桥大学植物科学系、计算机系、剑桥作物研究中心，硕博研究生项目指导、课程讲师（学术兼职）
2020年01月-2025年08月：英国剑桥作物研究中心（CSC）、英国国立农业植物研究所（NIAB），研究员/表型组学学科带头人/数字科学系系主任
2021年07月-2023年09月：英国东安格利亚大学（University of East Anglia）计算机科学学院，计算机视觉荣誉教授（学术兼职）
2017年11月-至今：中国南京农业大学，特聘教授（学术兼职）
2017年10月-2019年12月：英国厄尔汉姆研究所（Earlham）与东安格利亚大学，研究员/实验室主任（双聘）
2014年10月-2017年10月：英国基因组分析中心（TGAC）与约翰.英纳斯研究中心（JIC），研究员（双聘）
2011年03月-2014年09月：英国赛恩斯伯里实验室（The Sainsbury Laboratory），计算机生物学博士后
2006年10月-2011年07月：英国东安格利亚大学，计算机科学博士
2005年08月-2009年09月：英国Aviva保险集团（诺维奇普险，Norwich Union），系统分析师/资深项目顾问
2003年10月-2005年07月：英国东安格利亚大学，信息系统硕士
1999年07月-2002年08月：中国上海市育才高级中学，计算机教师/多媒体软件开发
1995年09月-1999年07月：中国上海市工程技术大学，计算机控制工程学学士
2019年获选英国皇家生物学会会士（Fellow of Royal Society of Biology, FRSB）

研究工作

长期专注于基于人工智能（AI）的植物表型组学研究及重要农艺性状形成解析。以前沿交叉学科为切入点，通过融合AI、计算机视觉和多模态大数据，整合植物表型组学、稻麦遗传育种及栽培管理等领域知识，构建覆盖“从细胞到群体”的多尺度表型采集与智能性状解析算法平台，以及核心技术体系。通过时空特征的系统检测，揭示“细胞-组织-器官-植株-群体”等不同尺度上的表型性状关联，并与多组学研究深度融合，加速分子育种进程，进而全面解析在多变环境条件下作物的气候韧性，为可持续农业发展提供理论和创新技术支撑。近年来，致力于定制化AI专家系统（如智能代理）的研发，针对动态挖掘气候韧性性状的挖掘、探索关键农艺性状的形成规律及其与遗传改良、产量品质的关系，为亟需解决的种质资源、精准育种和智慧农业等“卡脖子”难题提供创新理念、关键技术与应用规范。打通产学研用一体化协同，推动AI数字科学在生命科学中的应用和核心技术突破，助力中国在种质资源鉴选与作物育种领域的重大科学问题攻关。

主要成果

在表型组学研究领域所获成就，以系统解析不同环境条件下作物重要农艺性状形成为突破口、以多点、多季及多尺度动态表型监测和分析手段，深入解析关键产量品质性状的形成过程，主要成成果如下（2011～2024年）：

1．结合田间遥感技术和物联网创建了全生育期田间小麦表型监测系统，解决了连续标多源数据融合和作物-环境交互大数据管理和检索问题。在全球气候变化的大背景下，结合基因型、环境、表型组数据和农艺管理措施（GxExM），综合评估关键农艺性状的遗传增益和产量潜力，是作物研究的重大科学问题。通过领导创新实验室结合遥感成像、树莓派微机、物联网和边际智能计算等技术，自主创建了CropQuant（BioRxiv, 161547；英国发明专利GB2553631，2018）和CropSight（GigaScience，2019）分布式田间小麦表型监测工作站。该系统应用于德国巴斯夫集团（BASF）资助的杂交小麦花期监测、JIC的Speed Breeding（快速育种）和英国国家重大研究项目“设计未来小麦”等产学研项目。

2. 通过自动控制技术和机器学习模型研发的多物种种子萌发SeedGerm监测平台，有效提升了大规模种子萌发和活力监测的通量和准确率，助力多种农作物（如稻麦和油菜等）的遗传解析研究。该平台在获著名种子科研服务集团SeedQuest专访和欧美专业媒体的多次报道（New Phyt.，2020）。2020年后与英国皇家邱园和先正达合作，通过多模态AI技术量化分析和预测不同作物种子萌发规律及种子活力的评价体系。针对种源农业的需求，根据萌发和活力特性建立了种子活力数字化平台SeedGerm-VIG。

3.融合计算机视觉、专家AI模型等多项前沿技术实现了“从细胞到群体”的多尺度动态表型采集和性状解析平台：（1）高通量细胞表型分型研究，通过高通量共聚焦显微镜OperaTM对植物细胞内各种成分进行超大规模成像，并基于机器学习的特征提取自主研发了对海量细胞的追踪和细胞尺度表型监测算法，如Endo-Quant（对植物抗病过程中的内吞过程进行了突破性描述；Plant Cell，2012）和PD Quant（首次解析了胞间连丝产生和共质体运输过程；Plant Cell，2013）等，通过细胞分子学为植物抗病机理研究和商业应用中奠定了基础；（2）融合无人机和激光雷达的多尺度田间农艺性状提取和表型解析研究：领导复合型人才团队围绕作物遗传改良和新品种选育等方向，构建了超大规模产业级生菜产量检测平台（AirSurf；Hort. Res.，2019；为英国第二大种植公司提高了8.3%的实际产量；获欧美媒体多次专题报道和业界投资）；使用背包式激光雷达鉴选中国长江流域的氮素高效利用小麦表型和品种鉴选（CropQuant-3D，Plant Phys.， 2021）；与中国科学院韩斌院士团队合作，通过无人机采集和自主开发的动态表型变化解析算法（AirMeasurer；New Phyt.，2022），为水稻精准育种提供了关键生育时期的动态表型差异，以此对水稻的生长表型组开展遗传解析（AirMeasurer还应用于法国第三大育种公司RAGT集团的跨国小麦研究）；与中英园艺研究团队合作，通过结合无人机和激光雷达采集技术及大规模三维点云表型分析（OrchardQuant-3D；Plant Biot. Jour.，2025），为树花果多源表型融合、三维农艺性状提取、果树单枝尺度的细粒度解析、果树育种和精细管理提供了表型组数据支持与决策依据，该算法平台已应用于英国东茂林试验站（East Malling Research）的大型商业苹果园；（3）基于各类AI技术的稻麦性状形成解析和预测研究：以智能手机为媒介，通过轻量级边际AI运算实现了田间实时小麦测产和基于小麦MAGIC群体的产量遗传位点解析（YieldQuant-Mobile，2023）；使用目标识别技术在大田条件下对数百个水稻品种的关键产量性状进行高精度提取（Panicle-Cloud，2023）；通过构建模型构建不同小麦品种施氮后25天内的氮响应曲线，并以此进行动态遗传解析，确保氮响应基因位点挖掘的可靠性（2023）；通过多模态深度学习模型融合小麦冠层图像序列和多季气候数据集，对小麦从营养成长到生殖生长的转变阶段（花期）建立预测平台（GSP-AI，2024）；融合超低空无人机表型采集与深度学习目标检测技术实现了大规模小麦赤霉病抗性评价与侵染模式的解析（美国发明专利US11,798,400B2，2024；YOLO-WFD；2025）。

4．学术影响：本人研究的专题报道（如SeedQuest、Halo、Landmark等）及各类国际会议（如亚太表型大会、国际植物表型大会，ISTA百年大会、各类重要学术和工业界会议）的主题或专题报告邀请，获邀成为由BBSRC（相当于中国基金委）资助的英国表型联盟核心委员（全英共15人）、剑桥大学牵头的泛剑桥变革性技术学术委员会成员（共18人）、英国皇家生物学会东英格兰地区委员会成员（共9名）、盖茨基金会（Gates Foundation）作物营养共生计划（ENSA）和丹麦诺和诺德基金会（Novo Nordisk）创新计划（Wheat Alliance）学术委员会委员、中国驻英国大使馆优秀自费留学生奖学金评委会计算工程类副组长及中国教育部学位中心博士学位论文评审专家等学术兼职。

5. 产学研用：融合学术界和工业界背景，积极投身于各类产学研用事业。通过申请人的核心知识产权和定制化人工智能技术，与多家中英企业合作完成了多个创新链和产业链的转化项目，获英国国家级媒体BBC、ITV和Agri-Tech East等报道。包括：CropQuant平台的产品化；基于嵌入式人工智能的田间表型机器人；SeedGerm商业化平台。该方向为中国科研机构在产业领域的战略延伸、缩短科研成果的产品化周期、提升中国经济创新力和国际竞争力有重要的意义！

    1、Liu Shuchen, Jie Dai, Jinlong Huang, Zhenjie Wen, Wenli Zhang, Liyan Shen, Robert Jackson， Xiu-e Wang, Deakin Greg, Xiao Jin*, Zhou Ji*. Combining ultralow-altitude drone phenotyping with deep learning analytics to assess resistance and disease dynamics of Fusarium head blight in wheat. The Crop Journal (cover story). 2025 Sep. (In Press). DOI: 10.1016/j.cj.2025.08.009. 

    2、Xia Yunpeng, Li Hanghang, Zhang Fanhang, Sun Gang, Qi Kaijie, Jackson Robert, Pinheiro Felipe, Liu Xiaoman, Mu Yue, Zhang Shaoling, Deakin Greg, Whitfield E. Charles, Tao Shutian*, Zhou Ji*. OrchardQuant‐3D: combining drone and LiDAR to perform scalable 3D phenotyping for characterising key canopy and floral traits in fruit orchards. Plant Biotechnology Journal. 2025 July: pbi.70229. DOI:10.1111/pbi.70229.

    3、Gu Qing, Cheng Jiayu, Zhang Minghao, Li Xiongwei, Jackson Robert, Ju Lei, Lou Weidong, Chen Miaojin, Zhou Ji*, Zhang Xiaobin*. Quantifying tree-level peach flowering dynamics using UAV imagery and an optimized instance segmentation model. Computers and Electronics in Agriculture. 2025 Oct., 237: 110766. DOI: 10.1016/j.compag.2025.110766.

    4、Shen Liyan, Ding Guohui, Jackson Robert, Ali Mujahid, Liu Shuchen, Mitchell Arthur, Shi Yeyin，Dai Jie, Deakin Greg, Frels Katherine, Cen Haiyan, Ge Yu-feng, Zhou Ji*. GSP-AI: an ai-powered platform for identifying key growth stages and the vegetative-to-reproductive transition in wheat using trilateral drone imagery and meteorological data. Plant Phenomics. 2024 Oct., 6: 0255. DOI: 10.34133/plantphenomics.0255.

    5、Ding Guohui, Shen Liyan, Dai Jie, Jackson Robert, Liu Shuchen, Ali Mujahid, Sun Li, Wen Mingxing, Xiao Jin, Jiang Dong, Wang Xiu-e*, Zhou Ji*. "The dissection of nitrogen response traits using drone phenotyping and dynamic phenotypic analysis to explore N responsiveness and associated genetic loci in wheat. Plant Phenomics. 2023 Dec., 5: 0128. DOI: 10.34133/plantphenomics.0128.

    6、Teng Zixuan, Chen Jiawei, Wang Jian, Wu Shuixiu, Chen Riqing, Lin Yaohai, Shen Liyan, Jackson Robert, Zhou Ji*, Yang Changcai*. Panicle-cloud: An open and AI-powered cloud computing platform for quantifying rice panicles from drone-collected imagery to enable the classification of yield production in rice. Plant Phenomics. 2023 Oct., 5: 0105. DOI: 10.34133/plantphenomics.0105.

    7、Sun Gang, Lu Hengyun, Zhao Yan, Zhou Jie, Jackson Robert, Wang Yongchun, Xu Ling‐xiang, Wang Ahong, Colmer Joshua, Ober Eric, Han Bin*, Zhou Ji*, AirMeasurer: Open‐source software to quantify static and dynamic traits derived from multiseason aerial phenotyping to empower genetic mapping studies in rice. New Phytologist (featured article). 2022 Jul., 236(4): 1584-1604. DOI: 10.1111/nph.18314

    8、周济*，陈佳玮，沈利言，戴杰，闻桢杰，孙港，周洁，丁国辉，丁艳锋. 人工智能 — 推动植物研究发展的新动力. 南京农业大学学报. 2022 Sep., 45(4): 1060-1068. DOI: 10.7685/jnau.202207021.

    9、Zhu Yulei, Sun Gang, Ding Guohui, Zhou Jie, Wen Mingxing, Jin Shichao, Zhao Qiang, Colmer Joshua, Ding Yangfeng, Ober Eric, Zhou Ji*. Large-scale field phenotyping using backpack LiDAR and CropQuant-3D to measure structural variation in wheat. Plant Physiology. 2021 Oct., 187(2): 716-738. DOI: 10.1093/plphys/kiab324.

    10、Colmer Joshua, O'Neill Carme, Wells Rachel, Bostrom Aaron, Reynolds Daniel, Websdale Danny, Shiralagi Gagan, Lu Wei, Lou Qiaojun, Le Cornu Thomas, Ball Joshua, Renema Jim, Flores Andaluz Gema, Benjamins Rene, Penfield Steven*, Zhou Ji*. SeedGerm: a cost‐effective phenotyping platform for automated seed imaging and machine‐learning based phenotypic analysis of crop seed germination. New Phytologist. 2020 Jun., 228(2): 778-793. DOI: 10.1111/nph.16736.

    11、Bauer Alan, George Bostrom Aaron, Ball Joshua, Applegate Christopher, Cheng Tao, Laycock Stephen, Moreno Rojas Sergio, Kirwan Jacob*, Zhou Ji*. Combining computer vision and deep learning to enable ultra-scale aerial phenotyping and precision agriculture: A case study of lettuce production. Horticulture research (featured article). 2019 Jun., 6: 70. DOI: 10.1038/s41438-019-0151-5.

    12、Reynolds Daniel, Ball Joshua, Bauer Alan, Griffiths Simon, Zhou Ji*. CropSight: a scalable and open-source information management system for distributed plant phenotyping and IoT-based crop management. Gigascience. 2019 Mar., 8(3): giz009. DOI: 10.1093/gigascience/giz009.

    13、周济*，Tardieu Francois, Pridmore Tony, Doonan John, Reynolds Daniel, Hall Neil, Griffiths Simon，程涛，朱艳，王秀娥，姜东，丁艳锋. 植物表型组学: 发展, 现状与挑战. 南京农业大学学报 2018 May., 41(4): 580-588. DOI: 10.7685/jnau.201805100.

    14、Zhou Ji*, Applegate Christopher, Dobon Alonso Albor, Reynolds Daniel, Orford Simon, Mackiewicz Michal, Griffiths Simon, Penfield Steven, Pullen Nick. Leaf-GP: an open and automated software application for measuring growth phenotypes for arabidopsis and wheat. Plant Methods. 2017 Dec., 13(1): 117. DOI: 10.1186/s13007-017-0266-3.

    15、Meteignier Louis-Valentin, Zhou Ji, Cohen Mathias, Bhattacharjee Saikat, Brosseau Chantal, Goretty Caamal Chan Maria, Robatzek Silke, Moffett Peter. NB-LRR signaling induces translational repression of viral transcripts and the formation of RNA processing bodies through mechanisms differing from those activated by UV stress and RNAi. Journal of Experimental Botany. 2016 Feb., 67(8): 2353-2366. DOI: 10.1093/jxb/erw042.

    15、Fitzgibbon Jessica, Beck Martina, Zhou Ji, Faulkner Christine, Robatzek Silke, Oparka Karl. A developmental framework for complex plasmodesmata formation revealed by large-scale imaging of the Arabidopsis leaf epidermis. The Plant Cell (cover story). 2013 Jan., 25(1): 57-70. DOI: 10.1105/tpc.112.105890.

    16、Zhou Ji, Spallek Thomas, Faulkner Christine, Robatzek Silke. CalloseMeasurer: a novel software solution to measure callose deposition and recognise spreading callose patterns. Plant Methods. 2012 Dec., 8(1): 49. DOI: 10.1186/1746-4811-8-49.

    17、Beck Martina, Zhou Ji, Faulkner Christine, MacLean Daniel, Robatzek Silke. Spatio-temporal cellular dynamics of the Arabidopsis flagellin receptor reveal activation status-dependent endosomal sorting. The Plant Cell. 2012 Oct., 24(10): 4205-4219. DOI: 10.1105/tpc.112.100263.