Vorremmo mostrarvi il nostro approccio per il conteggio delle orecchie dei cereali in condizioni di campo. L'obiettivo di questo studio è dimostrare un modo rapido ed efficiente per contare le spighe di grano in condizioni di campo. Il grano duro e l'orzo sono per estensione i cereali più coltivati nelle aree sud e est del bacino del Mediterraneo.
In queste aree, come conseguenza del cambiamento climatico, le condizioni ambientali saranno modificate. Dobbiamo lavorare per aumentare la produzione. In questo senso, le immagini di rilevamento remoto e prossimale sono diventate uno strumento importante nel fenotipizzazione ad alta produttività sul campo utilizzando diversi bambini di sensori.
Uno dei punti essenziali per migliorare la produttività dei cereali è una valutazione più efficiente della resa. Determinato dai seguenti tre componenti di snervamento:Densità dell'orecchio, numero di grani per orecchio e mille peso del nocciolo. Cercheremo di sviluppare un conteggio automatico delle orecchie per unità di superficie coltivata, in altre parole la densità dell'orecchio.
Il protocollo che abbiamo sviluppato è l'utilizzo di una fotocamera da 20 megapixel che scatta foto verso il basso o perfettamente xenapho o natur a una distanza di circa 80 cm dalla parte superiore del baldacchino del raccolto. Ai fini della convalida, facciamo sia nel conteggio delle orecchie di grano sul campo, sia nel conteggio delle orecchie d'orzo e nel conteggio manuale dell'immagine al fine di convalidare la tecnica e perfezionare gli algoritmi. È anche importante quando si scattano le foto sul campo, che le immagini siano catturate entro due ore dal mezzogiorno solare.
Questo è importante perché evita effetti di shadowing, che complicano l'analisi delle immagini nella seconda fase del protocollo. In questa parte, vorremmo mostrarvi il nostro approccio per il conteggio delle orecchie dei cereali in condizioni di campo. Questo lavoro è stato svolto in collaborazione con ITACyL, INIA e Syngenta.
Cominciamo. Il primo passo del nostro protocollo è selezionare la fase di crescita delle colture appropriata. Nel nostro caso, abbiamo usato gli stadi tra il riempimento del grano e la quasi cromatologia che corrispondono nel caso sud-est un numero compreso tra 60 e 87.
Nella figura A:Grano e Figura B:Orzo abbiamo scelto un esempio di immagini satellitari del nostro set di dati. L'acquisizione dell'immagine ha 3 parametri: larghezza del sensore, obiettivo fotografico e distanza tra la fotocamera e il baldacchino. Con queste informazioni possiamo calcolare i metri quadrati dell'immagine.
Implementazione e regolazioni dell'algoritmo, questi sono i passaggi pa-blan-y. Come input abbiamo un'immagine RGB. Filtro di frequenza laplaciano lo usiamo per rimuovere parte del terreno, lasciare e luminosità indesiderata.
Il filtro medio che esamina il rumore e infine trova i massimi determina i picconi locali. L'immagine di output mostra le orecchie rilevate. Implementazione e regolazioni dell'algoritmo.
Se le immagini sono state scattate con diverse specifiche della fotocamera o distanza tra il baldacchino e la fotocamera, possiamo regolare alcuni parametri dell'algoritmo. Il filtro laplaciano è sempre lo stesso. Nel filtro medio e trovare i massimi possiamo cambiare il diametro e il parametro di disturbo.
Convalida dell'algoritmo. Per il passaggio di convalida abbiamo contrassegnato ogni orecchio nell'immagine originale e quindi il numero di segni nell'immagine è stato conteggiato utilizzando un semplice algoritmo. I risultati sono stati utilizzati per calcolare il tasso di successo.
Abbiamo anche incluso un cerchio per avere un riferimento fisico nell'immagine. Implementazione dell'algoritmo tramite immagini. Questo è il plug-in dello scanner di cereali.
Troverete nel conteggio centrale dei dati delle schede. Nelle opzioni è possibile selezionare le immagini di input e anche il luogo in cui si sta per salvare i risultati. Vorrei mostrarvi come funziona la macro usando un'unica immagine.
Selezioneremo questa immagine e ora eseguiremo il primo passo. Questa è la formazione di frequenza dell'immagine e qui abbiamo il risultato. Il secondo passo è il filtro medio.
Stiamo andando a eseguire questo passaggio, e questo è il risultato. Finalmente faremo eseguire l'ultima parte del taglio e questi sono il risultato, questi numeri finali sono il numero di orecchie rilevate. L'altro modo per lo stesso è fare clic qui, e lavoriamo, troviamo maxima e clicamo qui.
Questo è un altro modo per utilizzare l'algoritmo di conteggio delle orecchie. È possibile visitare il nostro sito integrativecropecophysiologygroup. com e qui nello sviluppo software, troverete lo scanner di cereali.
Per accedere all'autorizzazione scrivi direttamente a questa e-mail. Seguire la procedura per installare il plug-in. Con il plug-in installato si prega di andare direttamente a plug-in, scanner di cereali, scanner di cereali aperto.
Ora useremo due immagini. Vai direttamente allo scanner di cereali, al conteggio delle orecchie e, nelle opzioni, seleziona i tuoi file. Qui è possibile utilizzare la distanza tra il baldacchino e la fotocamera.
Nel nostro caso lo usiamo 80 cm. Qui è possibile selezionare la lunghezza focale. Infine nel file dei risultati troverai i risultati del conteggio delle orecchie e il processo giusto.
Questi sono i nostri risultati. Qui abbiamo il nome dell'immagine e di fronte abbiamo il numero di orecchie rilevate. Questi sono i risultati per Grano e Orzo.
Per ogni elemento grafico l'asse X rappresenta il conteggio manuale. Fare clic per clic e l'asse Y rappresenta il conteggio dell'algoritmo. Entrambi gli assi in scala metro quadrato.
Nel quinto grafico per il grano abbiamo ottenuto un coefficiente di determinazione pari a 0,62 e nel secondo grafico per orzo abbiamo ottenuto un coefficiente di determinazione pari a 0,75. Nell'immagine finale per il grano abbiamo anche ottenuto un coefficiente di determinazione pari a 0,75. Nel conteggio è uno dei più laboriosi lavorare e richiedere molto tempo durante il ciclo di valutazione della varietà e la previsione dei rendimenti.
Per questo motivo è necessaria una tecnica veloce e amichevole per migliorare ed espandere il suo utilizzo nell'allevamento agricolo e vegetale preciso e per la previsione della resa. Questo uso del nostro scanner per cereali è il frutto della collaborazione di Public Provides Corporation con l'obiettivo di rendere il conteggio delle orecchie con una migliore efficienza, tempo e risorse. D'altra parte, acquisire dati di alta qualità per finire con un database di prodotti più preciso.
Anche se per concludere vorrei sottolineare aspetti simili del mis-a-lory che ti sarebbe stato presentato qui, uno è il locale, quindi questa è davvero una forma di tecnologia che non ha bisogno di alcun tipo di complemento in modo che le persone possano andare sul campo con la loro fotocamera, con un telefono cellulare, prendendo immagini sotto la luce del sole e questo è tutto. In secondo luogo, un punto molto importante, è che questa è solo una metodologia sorprendente che è in realtà in contrasto con la cognizione con una questione di persone che contano il numero di orecchie in modi molto diversi. Quindi il locale che ha un ex-tres-cent prima è importante perché si può fare in pochi minuti ciò di cui una coppia o tre persone avranno bisogno forse in diverse ore.
Quindi il conteggio, il bilancio è un punto davvero importante. Un altro aspetto è che la metodologia è minima per ridurre la risoluzione. Ciò significa che puoi montare la fotocamera RGB in un megaplant in una sorta di forma automatica dell'impianto e quindi puoi fare un conteggio automatico su questi fatti.
E infine sto dicendo che questa non è la fine del percorso, quindi abbiamo davvero una metodologia percentuale che può migliorare in futuro attraverso la combinazione con tutti gli approcci come ad esempio l'uso di diversi colori e spazi RGB ad esempio in combinazione con l'immaginazione multispettrale o persino l'uso di immagini termiche o termiche. E questo è tutto, grazie.
