周济，南京农业大学表型中心教授，博导。英国东安格利亚大学（University of East Anglia）副教授、博导（计算机图像、机器学习），BBSRC（英国生物科学理事会），英国国家重大研究项目（设计将来的小麦，Designing Future Wheat，2017-2022）唯一指定中国研究员（全英共 34名）。
邮箱地址：Ji.Zhou@njau.edu.cn
办公电话：025-84395921
办公地址：第三实验楼307
学习经历：
博士：2006 年 10 月-2011 年 7 月，英国东安格利亚大学计算机科学专业（由 Aviva 保险集团和东安格利亚大学国际学生奖学金共同资助），计算机科学博士。
硕士：2003 年 9 月-2005 年 7 月，英国东安格利亚大学信息系统专业（获东安格利亚大学国际学生奖学金），信息系统硕士。
学士：1995 年 9 月-1999 年 7 月，上海市工程技术大学计算机控制专业，工学士。
科研工作经历：
教授、博导：2017 年 10 月-至今，中国南京农业大学作物表型交叉研究中心。
副教授（计算机视觉、机器学习）、博导：2016 年 11 月-至今，英国东安格利亚大学计算机科学学院。
研究员、博导：2014 年11 月-2019年11月，厄尔汉姆研究中心(由约翰英纳斯研究中心，John Innes
Centre，共同资助)，英国生物科学理事会（BBSRC）专属研究机构，诺维奇科研院。
博士后：2011 年 3 月-2014 年 10 月，英国塞恩斯伯里实验室（The Sainsbury Laboratory，
TSL)，生物信息资深博士后研究员，诺维奇科研院
业界工作经历：
系统分析师、资深软件项目顾问：2005 年 8 月-2009 年 3 月，英国 Aviva 保险集团，IT 解决方案部（IT solutions）及投资部（e-Brokers）。
IT 培训师、多媒体软件开发：2002 年7 月-2003 年7 月，新加坡英华美集团（上海分部）。
计算机教师、多媒体软件开发：1999 年 8 月-2002 年 7 月，上海市育才高级中学。
奖励荣誉：
2019，获选为英国皇家科学院（生物类）会士（Fellow of the Royal Society of Biology， FRSB）
2018，英国皇家诺福克农业科技创新展入围奖（全英共 8 名，Agri-Tech East）
2017，东部英国最有潜力科研产业提名奖，农业科技类（Eastern Daily Press, 英国）。
2016，获英美全球科研合作奖（UK/US global scientific grant），由英美外交部和科技部联合授予。
2013，选为杰出年轻科学家（共 60 名）在英国下议院为英国议员做学术报告（生物研究类， SET for Britain 2013）.
2010，获得英国高等教育教学资格（ILT teaching qualification）
学术委员会：
英国生物科学理事会（BBSRC）计算机生物学评审委员会委员
泛欧洲植物表型委员会（EMPHASIS – European Infrastructure for multi-scale Plant Phenomics and Simulation），英国区委员。
英国植物表型（小麦类）和计算机视觉委员会委员（UK Plant Phenotyping - Phenome UK for wheat phenotyping and computer vision）。
东安格利亚大学与约翰英纳斯中心硕博研究生考核委员会（计算机视觉、机器学习等）。
欧洲科学开源软件开发协会（Scikit-image & OpenCV, Euro-SciPy）会员。
英国生物科学理事会（BBSRC）及英国工程和物理研究理事会（Engineering and Physical Sciences Research Council，EPSRC）邀请的项目审查员。
研究经历和学术成就：
自2011年获英国东安格利亚大学的计算机博士学位后，本人加入了植物抗病研究世界排名前三的英国The Sainsbury Laboratory（TSL），担任生物信息学博士后研究员（post-doctoralfellow），主要负责高通量生物图像分析、高速共聚焦显微镜（OperaTM）、高通量分子筛选系统、以及发展大通量细胞表型组学技术开展植物抗病遗传机制等方面的研究。在 TSL 期间， 入选英国杰出年轻科学家（共 60 名），于2013年在议会向英国议员做学术报告。
2014年至2019年，受聘TGAC（原Genome分析中心，现更名为厄尔汉姆研究中心，BBSRC 专属研究所）和约翰英纳斯研究中心（BBSRC 专属研究所）。所领导的团队主要开展农物表型组学研究、关键技术研发、以及相应的应用研究，专注于开发和使用计算机视觉算法、机器学习，田间遥感和智能机器人等技术，进行田间农作物表型高通量监测与鉴定、重要基因与QTL定位，指导作物遗传改良与新品种选育等。主要成果包括： 田间三维成像系统（ PhenospexTM ） 高通量分析软件、 基于高性能计算机的自动化表型分析软件平台（CropMonitor）、基于物联网的分布式表型监测系统（CropQuant）、基于机器学习的种子萌发和幼苗活力自动分析与筛选平台（SeedGerm）、基于无人机图像的大规模作物信息获取与智慧农作分析软件系统（AirSurf）等。2017年，本人被指定为在英国国家重大科学计划（设计将来的小麦，BBSRC’s strategic programme in designing future wheat）中唯一中国研究员（全英共三十四名），主要负责田间表型软硬件的开发和基于机器学习的大规模数据分析。目前，其科研团队与伯尔罕研究所（IBERS）、洛桑研究所（Rothamsted Research）、约翰英纳斯研究所（JIC）深入合作，基于室内和田间表型设施针对农作物表型特征提取和基 于机器学习的图像分析等领域开展研究。此外，本团队还与欧盟有关国家的表型研究网络（FPPN 和 DPPN）、墨西哥国际小麦玉米改良中心（CIMMYT）等有关团队，开展作物与环境互作领域的研究。自 2016 年起，本人带领的团队还与先正达（Syngenta）、拜耳（Bayer Crop Science）、BASF（巴斯夫）、G’s Growers（英国第二大的种植公司）和英特尔等著名企业开展紧密的产学合作，并获得了上述企业研究经费的支持。
2011年博士毕业至今，以生物信息学专家的身份参与完成多项交叉基础、应用研究项目。做为主要完成者在 Nature，PNAS，Plant Cell，Nature Plants，Traffic 和 Plant Methods 等国际期刊撰写发表学术论文24篇，专著章节3个，总影响因子超过150，自2014年起被引证834次，其中以第一、通讯、或共同通讯作者发表论文 12 篇。2014至今，h-指数13，i10- 指数12（请参阅https://scholar.google.com/citations?user=zHp-6W4AAAAJ&hl=en）。定期为 5 家国际顶级学期刊审稿。获得国际发明专利1项（WIPO, WO2018/234733），英国发明专利 1 项（UKIPO, GB 2553631A）、英国发明专利在申请 1 项（英国专利局 SeedGerm, 81233GB1）。研究成果被超过25家英国和欧洲媒体报道或专访。
自2017年10月起，受聘为南京农业大学教授，依托南京农业大学作物表型组学交叉研究中心，正在组建一支中英联合研究团队。2018年作为主要申请人获得江苏省重大科研设施预研项目开展以我国重要农作物小麦和水稻为研究对象，开发基于高通量图像分析、计算机视觉、田间遥感技术和机器学习等的农作物个体或群体大通量表型分析系统。2018年，协调成立了中英植物表型组学联合研究中心（包括中国南京农业大学、中国华中农业大学、英国东安格利亚大学、英国诺丁汉大学、英国洛桑试验站、英国亚伯大学和英国厄勒姆研究所共七家世界级的研究单位），加强中英两国间植物表型研究交流。2019年，协调中心与英国东安格利亚大学签署合作框架协议，与法国农科院一起建立了中法表型联合研究实验室，开展中外师资交流、学生培养、共同项目研究等方面合作。以期结合多组学数据整合分析，推动植物表型组学在作物科学中的应用，提升我国农作物遗传育种、栽培管理和农业生产服务能力。
重要受邀学术和业界报告（过去 12 个月）
11/2018: Invited speaker，2018中国遗传学大会（植物专场），从数据到信息，基于人工智能的表型组分析方法在植物研究中的应用。
11/2018: Invited speaker，英国农业科技大会（REAP 2018）– AirSurf: it is more than images.
09/2018：Invited speaker，英国皇家生物学学会（Royal Society of Biology）邀请，在英国皇家科学院（Royal Institute of Great Britain）做人工智能与生物研究的科学报告。
08/2018: Session Keynote，全国表型、建模和大数据会议 – From Field to Cells: Multi-scale Plant Phenomics.
06/2018: Keynote，Royal Norfolk Show（Agri-Tech Innovation，Agri-Tech East，东部英格兰农业科技创新联盟）- The AI-based CropQuant Robot
03/2018: Session keynote, the 2nd Asia Pacific Plant Phenotyping Conference (亚太表型会议， Chinese Plant Phenotyping Network, CPPN and NAU，南京农业大学) – From data to knowledge: multi-scale plant phenomics.
01/2018: Keynote, Image Analysis for Plant Sciences (International Plant Phenotyping Network, IPPN, and Uni. of Nottingham，诺丁汉大学) – Crop phenomics in crop improvement.
12/2017: Session keynote, The International conference for field phenotyping and modelling for cultivation (日本科技部、东京大学) – Automated and scalable crop phenotyping to facilitate breeding, crop research and digital agriculture.
12/2017: Session keynote, International Plant Phenomics Symposium (中科院遗传所) – From big data to information: dynamic interactions between genetic diversity, phenotypic analyses, and environmental conditions.
11/2017: Session keynote, REAP 2017 (Agri-Tech East and BBSRC, UK；全英农业科技创新大会) – CropQuant farming robot: Shelia.
10/2017: Keynote，Internal –omics seminar (Enza Zaden, Netherlands；荷兰第三大种子公司)
– Applying scalable phenomics in cereal and vegetable breeding.
07/2017: IBC (XIX 国际生物大会，深圳) – Automated crop phenotyping platforms to quantify dynamics between key performance traits and environmental factors for bread wheat
06/2017: Keynote，National KTN Agri-Food Conference (Newton, Innovate UK & Knowledge Transfer Network UK；全英牛顿科技创新大会) – An integrated approach to understand our crops, from sky to field.
01/2017: UK/US plant phenomics symposium (the UK Foreign & Commonwealth Office, USA； 英美植物表型科研讨论会) – Automated Field Phenotyping for Performance Traits.
12/2016: 4th IPPN (CIMMYT Mexico；国际玉米小麦改良中心) – Scalable in-field phenotyping platforms (CropQuant, SeedGerm and AirSurf) for dynamic trait analysis for bread wheat.
所获项目基金（作为 PI 在过去 2 年中获得超过 60 万英镑的各类项目基金）
2019: PhenomUK Pilot award (PhenomUK, £31,175), PI – Developing 2D-3D fusion to enable high-throughput phenotypic analysis of key yield-related traits of bread wheat using cost-effective UAV imagery.
2019: EIRA award (Research England, £54,387), PI – Automated apple orchard tree detection from large-scale UAV imagery.
2019: 江苏省重点研发计划（(现代农业，40万)，分项目主持人 – 稻麦作物表型高通量获取技术和系统研发。
2019: 江苏省面上项目（10万）, PI – 基于机器学习和无人机的氮素高效利用小麦性状高通量表型鉴选研究。
2019: 江苏省农业科技自主创新资金项目（20万），分项目主持人 – 基于嵌入式人工智能的手持式小麦赤霉病监测设备的研发。
2018: 英特尔公司（英国），英特尔人工智能 Intel AI award, PI – Building dynamic programming platform using Intel’s Movidius mobile AI technologies.
2018: 中英牛顿农业科技创新基金，ATCNN (Agri-Tech China: Newton Network+) award, PI – The integrated Quzhou platform for Smart Agriculture in China.
2018: 英国生物科学理事会人工智能博士奖学金(NPIF/DTP iCase PhD studentship, BBSRC and Syngenta)，PI – Artificial intelligence and deep learning in image-based crop phenomics for predicting seed quality.
2018: 英伟达公司（Nvidia）深度学习 GPU 奖（Deep Learning GPU award）, PI –
Building deep learning models using Nvidia GPU-acceleration technologies.
2018: BBSRC UK-China Partnering Award, PI – Forge a long-term
UK-China relationship in phenotyping, Agri-Tech and crop research for Rice and Wheat
2018: ATCNN (Agri-Tech China: Newton Network+) focus award, PI – Identify key wheat growth stages based on large aerial images captured by UAVs and fixed-wing light aircrafts in the UK and China.
2017: Medical Research Council, Co-I – Phenome UK: UK crop phenotyping from sensors to knowledge.
2017: Bayer AG G4T focus award, PI – Develop image-based machine learning technologies to enable trait measurements of spikes per unit area and spikelet number and anther extrusion for hybrid wheat seed production breeding at Bayer.
2017: BBSRC Follow-on Pathfinder award, PI – CropQuant: Next-generation cost- effective crop monitoring system for breeding, crop research and digital agriculture.
2017: UK Science & Innovation Network (FCO/BIES), PI – Crop phenotyping innovations between the UK and US crop research community.
2017: Syngenta industrial collaboration, PI – A machine- learning based seed germination software solution for screening commercial seeds.
2017-2022: 英国国家重大研究项目（设计将来的小麦，Designing Future Wheat；英国生物科学理事会，BBSRC）唯一指定中国研究员（全英共 34 名 PI），
代表性期间论文 (过去 5 年，^ 共同一作，* 通讯或共同通讯作者，粗体为本人实验室成员)
Alkhudaydi T*,Reynolds D, Griffiths S,Zhou J*De La Iglesia B, (2019). An exploration of deep learning based phenotypic analysis to detect spike regions in field conditions for UK bread wheat. Plant Phenomics (736876): 1-17.
Ding G, Xu H, Wen M, Chen J, Wang X*,Zhou J*(2019). Developing cost-effective and low-altitude UAV aerial phenotyping and automated phenotypic analysis to measure key yield-related traits for bread wheat. Journal of Agricultural Big Data 1(2): 19-31.
Bauer A,Ball J, Colmer J, Orford S, Griffiths S,Zhou J*(2019) Applying Computer Vision and Deep Learning to High-throughput Aerial Phenotyping for Wheat Pre-breeding. In the proceeding of the 7th International Conference on Image Analysis Methods for the Plant Sciences (IAMPS), Lyon, 41-43.
Bauer A,Bostrom A, Ball J, Applegate C, Laycock S, Moreno Rojas S, Kirwan J,Zhou J*(2019). Combining computer vision and deep learning to enable ultra-scale aerial phenotyping and precision agriculture: a case study of lettuce production. Horticulture Research, 6(1):1-12.
Reynolds D, Baret F, Welcker C, Bostrom A,Ball J,Cellini F, Lorence A, Chawade A, Khafif M, Noshita K, Mueller-Linow M,Zhou J*,Tardieu F* (2019). What is cost-efficient phenotyping – optimizing costs for different scenarios. Plant Science. 282(May): 14-22.
Alkhudaydi T,Zhou J,De La Iglesia B (2019) SpikeletFCN: Counting Spikelets from Infield Wheat Crop Images Using Fully Convolutional Networks, International Conference on Artificial Intelligence and Soft Computing, 3-13
Bourdais G#, McLachlan DH#, Rickett LM#,Zhou J#,Siwoszek A, Häweker H, Hartley M, Kuhn H, Morris RJ, MacLean D, Robatzek S*. (2019) The use of quantitative imaging to investigate regulators of membrane trafficking in Arabidopsis stomatal closure. Traffic. 20(2): 168-180.
Reynolds D*,Ball J, Bauer A, Griffiths S,Zhou J*.(2019). CropSight: a scalable open data and distributed data management system for crop phenotyping and IoT crop management. GigaScience. 8(3):1-11.
Zhou J*,Reynolds D, Le Cornu T, Websdale W, Gonzalez O, Lister C, Orford S, Laycock S, Stitt T, Clark M, Bevan M, Griffiths S*. (2018). CropQuant: The next-generation automated field phenotyping platform for breeding, crop research and digital agriculture. 审 核 中 . bioRxiv（https://www.biorxiv.org/content/early/2017/09/01/161547）
Bauer A, Bostrom A, Ball J, Applegate C, Cheng T, Laycock S, Moreno S, Kirwan J,Zhou J*. (2019). AirSurf-Lettuce: an automated aerial image analysis platform for ultra-scale field phenotyping and precision agriculture using computer vision and deep learning. Horticulture Research accepted.
Reynolds D*, Ball J, Bauer A, Griffiths S, Zhou J*. (2019). CropSight: a scalable open data and distributed data management system for crop phenotyping and IoT crop management. GigaScience (online in Jan 2019).
Reynolds D, Baret F, Welcker C,Bostrom A, Ball J, Cellini F, Lorence A, Chawade A, Khafif M, Noshita K, Mueller-Linow M,Zhou J*, Tardieu F* (2018). What is cost-efficient phenotyping? Optimizing costs for different scenarios. Plant Science (in Press).
Bourdais G^, McLachlan DH^, Rickett LM^,Zhou J^, Siwoszek A, Häweker H, Hartley M, Kuhn H, Morris RJ, MacLean D, Robatzek S*. (2018) The use of quantitative imaging to investigate regulators of membrane trafficking in Arabidopsis stomatal closure. Traffic. 20(2): 168-180.
周济*, Tardieu F, Pridmore T, Doonan J,Reynolds D, Hall N, Griffiths S, Cheng T, Zhu Y, Wang X, Jiang D, Ding Y.* (2018). 植物表型组学: 发展, 现状与挑战. 南京农业大学学报, 41, 4:580-588.
Watson A, Ghosh S, Williams M, Cuddy WS, Simmonds J, Rey M-D, Hatta MAM, Hinchliffe A, Steed A,Reynolds D, Adamski N, Breakspear A, Korolev A, Rayner T, Dixon LE, Riaz A, Martin W, Ryan M, Edwards D, Batley J, Raman H, Rogers C, Domoney C, Moore G, Harwood W, Nicholson P, Dieters MJ, DeLacy IH,Zhou J, Uauy C, Boden SA, Park RF, Wulff BBH, Hickey LT. (2018). Speed breeding: a powerful tool to accelerate crop research and breeding. Nature Plants, 4:23–29.
Alharbi N,Zhou J*, Wang WJ*, (2018). Automatic Counting of Wheat Spikelets From Time-lapse Wheat Plant Growth Images. IEEE Journal of Pattern Analysis and Applications, Pattern Recognition and Methods. 10: 346-355.
Zhou J*, Applegate C, Alonso AD,Reynolds D, Orford S, Mackiewicz M, Griffiths S, Penfield S,
Pullen N (2017). Leaf-GP: An Open and Automated Software Application for Measuring Growth Phenotypes for Arabidopsis and Wheat. Plant Methods, 13:117.
Faulkner C^,Zhou J^, Evrard A, Bourdais G, MacLean D, Häweker H, Garcia M, Bakal C, Eckes P, Robatzek S. (2017). An automated quantitative image analysis approach for identifying microtubule patterns. Traffic, 11(2): 109-117.
Bevan M. W., Uauy C., Wulff B. B. H., Zhou J., Krasileva K., Clark M. D. (2017). Genomic innovation for crop improvement. Nature, 543:346–354.
Meteignier L. V.^,Zhou J^, Cohen M., Bhattacharjee S., Goretty M., Chan C., Robatzek S., Moffett
P. (2016). 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, 67(4).
CRK Consortium(2015). Large-scale phenomics identifies primary and fine-tuning roles for CRKs in responses related to oxidative stress. PLOS Genetics: 11(7).
Beck M,Zhou J, Faulkner C, Robatzek S (2014). High-throughput imaging of plant immune responses, Plant-Pathogen Interactions: 27(11): 67-80.
Fitzgibbon, J., Beck, M.,Zhou J, Faulkner, C., Robatzek, S., and Oparka, K. (2013). A developmental framework for complex plasmodesmata formation revealed by large-scale imaging of the Arabidopsis leaf epidermis. The Plant Cell: 25: 57–70.
Zhou J, Spallek, T., Faulkner, C., and Robatzek, S. (2013). CalloseMeasurer: a novel software solution to measure callose deposition and callose patterns. Plant methods: 8: 49.
Beck, M.,Zhou J, Faulkner, C., MacLean, D., and Robatzek, S. (2012). Spatio-temporal cellular dynamics of the Arabidopsis flagellin receptor reveal activation status-dependent endosomal sorting. The Plant Cell: 24: 4205–19.