加拿大曼尼托巴大学智能农业工程招收1-2名全奖博士

247
0
招生简介
  • 学校院系:加拿大曼尼托巴大学(University of Manitoba)生物系统工程系(umanitoba.ca
  • 招收类型:全额奖学金博士(PhD)
  • 入学时间:2027年春季(1月入学)
  • 首轮申请截止日期:2026年5月18号(招满即止)
 
招生说明
加拿大曼尼托巴大学生物系统工程系Dr. Jiating Li 实验室现招收1-2名全奖博士生。本团队聚焦数字与智能农业关键技术,研究领域涵盖近地遥感、作物传感器、机器人和自动化系统、物联网、人工智能、以及作物/环境机理模型。
入选学生将获得稳定的全额资助,主要研究方向包括(但不限于):
  • 多尺度传感系统:开发地空一体化作物监测系统(drones,robotics,IoTs)
  • AI+机理模型融合:构建新一代知识引导机器学习(knowledge-guided machine learning)模型,实现高精度作物表型与产量预测
  • 智能决策平台:开发服务于精准农业管理的决策支持系统(fertilization,irrigation,harvesting management)
本课题组注重学生培养与职业发展,博士期间将提供(但不限于):
  • 多学科交叉训练
  • 参与国际会议与学术合作的机会
  • 支持申请奖学金与科研项目
 
招生要求
基本要求
  • 获得计算机科学、统计学、农业和生物工程、生物系统工程、电气与机械工程、或其他相关领域的硕士学位(Master’s degree in Computer Science, Statistics, Agricultural and Biological Engineering, Biological Systems or Biosystems Engineering, Electrical Engineering,or other related fields)
  • 满足曼尼托巴大学研究生院的最低入学要求和英语水平要求(umanitoba.ca
  • 具有良好的科研潜力、学习能力和团队合作意识
有以下经验者优先:
  • 机器和深度学习(Machine learning and deep learning)
  • 机理模型建模(Process-based modeling, e.g., radiative transfer model, crop growth model)
  • 遥感(无人机、卫星、光学传感、2D/3D 图像处理)
  • 具备 Python、R、Matlab、C++ 等编程技能
  • 有科研经验和学术成果者优先(Records of previous scientific publications)
 
学校简介
曼尼托巴大学作为加拿大U15研究型大学联盟成员(u15.ca),拥有超过145年的办学历史,是加拿大西部最早成立的大学。学校在农业、食品、工程、健康等领域科研实力雄厚,享有国际声誉,不仅引领着加拿大草原地区的创新发展,也为全球重大挑战提供解决方案。这里汇聚了世界一流的师资团队与先进科研平台,培养了大批具有国际影响力的学者与行业领袖,为学生提供广阔的学术视野和卓越的发展机遇。
学校位于加拿大农业核心领域,拥有丰富的田间试验资源与产业合作机会。其中。农业与食品科学学院在2024年上海软科世界一流学科排名中位列加拿大第二位,在作物科学与农业工程领域具有强大的科研基础(更多详情:umanitoba.ca)。
 
申请方式
有意者可发送邮件至 1point3acres.com, 并提供以下材料:个人陈述a statement of intent (2-page maximum), 简历Curriculum Vitae, 成绩单copies of all post-secondary transcripts,已发表文章(若有)。
 
导师简介
导师本人是加拿大曼尼托巴大学生物系统工程系助理教授。本人的研究专长涵盖农业工程、learn.1point3acres.com和植物科学。主攻无人机、地面和近端植物表型分析、多模态数据(RGB、多光谱、高光谱、热传感和 LiDAR)、人工智能、辐射传输模型等技术在农业领域中的应用。
I am an assistant professor at the department of Biosystems Engineering, University of Manitoba, Canada. My research expertise spans multiple disciplines, including agricultural engineering, data science, and plant science. Throughout my academic journey, I have gained rich research experience in unmanned aerial vehicles (UAV), ground and proximal plant phenotyping tools, multi-modal data (RGB, multispectral, hyperspectral, thermal, and LiDAR) processing, data-driven machine learning and deep learning models, and physics-based models (radiative transfer models).