フィールド条件でのシリアルの耳カウントに対するアプローチをお見せしたいと思います。この研究の目的は、フィールド条件で小麦の耳を数える迅速かつ効率的な方法を実証することです。デュラム小麦と大麦は、拡張によって、地中海盆地の南と東の地域で最も栽培された穀物です。
これらの地域では、気候変動の結果として、環境条件が変化します。生産を増やすためには、我々は働かなければならない。この意味で、リモートおよび近位センシング画像は、センサーの異なる子供を使用して、フィールドハイスループットのフェノタイピングの重要なツールとなっています。
穀物の生産性を向上させるために不可欠なポイントの1つは、収量のより効率的な評価です。次の 3 つの収量成分によって決定されます: 耳密度、1 耳あたりの粒の数、および千のカーネル重量。単位作物面積あたりの耳の自動計数を、すなわち耳密度で開発します。
私たちが開発したプロトコルは、20メガピクセルのカメラを使用して、作物の天蓋の上から約80cmの距離で下向きに見ているか、完全にxenaphoまたはnaturを下向きに写真を撮っています。検証目的で、フィールド小麦の耳数、大麦の耳数、画像の手動カウントの両方を行い、技術を検証し、アルゴリズムを微調整します。また、フィールド写真を撮る際には、太陽正午から2時間以内に写真を撮影することも重要です。
これは、シャドウ効果を回避し、プロトコルの第 2 段階での画像分析を複雑にするため、重要です。この部分では、フィールド条件でのシリアルの耳のカウントのための私たちのアプローチを紹介したいと思います。この作業は、ITACyL、INIA、シンジェンタと共同で行われました。
始めましょう。私たちのプロトコルの最初のステップは、適切な作物の成長段階を選択することです。我々の場合、我々は、南東部のケースで対応する穀物充填と近いクロマトロジーの間の段階を使用しています 60 と 87 の間の数.
図A:小麦と図B:大麦では、データセットの衛星画像の例を挙げ、これを選択しました。画像キャプチャには、センサー幅、フォトレンズ、カメラとキャノピーの間の距離の3つのパラメータがあります。この情報を使用して、画像の平方メートルを計算することができます。
アルゴリズムの実装と調整、これらはpa-blan-yステップです。入力として、RGB 画像があります。ラプラシアン周波数フィルタは、土壌の一部を除去するために使用し、残し、不要な明るさを残します。
ノイズを確認し、最後に最大がローカルピックを決定する中程度のフィルタ。出力画像は、検出された耳を示しています。アルゴリズムの実装と調整。
画像が異なるカメラ仕様またはキャノピーとカメラの間の距離で撮影された場合、我々はいくつかのアルゴリズムのパラメータを調整することができます。ラプラシアンフィルターは、まだ同じです。中程度のフィルターと最大値を見つける我々は直径とノイズパラメータを変更することができます。
アルゴリズムの検証。検証手順では、元の画像の各耳をマークし、その後、画像内のマークの数は、単純なアルゴリズムを使用してカウントされました。結果は成功率の計算に使用されました。
また、画像に物理的な参照を持つ円も含まれています。画像を使用したアルゴリズム実装。これはシリアルスキャナプラグインです。
中央タブデータカウントで確認できます。オプションでは、入力画像と結果を保存する場所を選択できます。1つの画像を使用してマクロがどのように機能するかをお見せしたいと思います。
この画像を選択し、最初のステップを実行します。これは画像の周波数形成であり、ここで我々は結果を持っています。2 番目のステップは、中フィルタです。
このステップを実行しますが、これが結果です。最後に、カットの最後の部分を実行し、これらは結果であり、これらの最終的な数字は検出された耳の数です。同じもう一つの方法は、ここをクリックして、我々は、プロセス、最大値を見つけ、ここをクリックします。
これは、耳のカウント アルゴリズムを使用する別の方法です。あなたは私たちのウェブサイト統合クロピコ生理学グループを訪問することができます。comとソフトウェア開発では、シリアルスキャナを見つけるでしょう。
アクセス許可を得るためには、このメールに直接書いてください。手順に従って、プラグインをインストールしてください。プラグインがインストールされていると、プラグイン、シリアルスキャナ、オープンシリアルスキャナに直接行ってください。
次に、2 つの画像を使用します。シリアルスキャナ、耳のカウントに直接移動し、オプションで、あなたのファイルを選択します。ここでは、キャノピーとカメラの間の距離を使用することができます。
私たちの場合は、80 cmを使用します。ここでは焦点距離を選択できます。最後に、結果ファイルでは、耳のカウント結果を見つけ、ちょうど処理します。
これらは私たちの結果です。ここでは、画像の名前があり、前に検出された耳の数があります。これらは小麦と大麦の結果です。
各グラフィックの X 軸は手動棚卸を表します。クリックすると、Y 軸はアルゴリズムカウントを表します。両方の軸を平方メートルのスケールで表示します。
小麦の5番目の図では、0.62に等しい決定係数を得ており、大麦の2番目のグラフィックでは0.75に等しい決定係数を得た。小麦の最終画像では、0.75に等しい決定係数も得られます。カウントでは、さまざまな評価サイクルと歩留り予測の間に作業し、時間がかかる最も面倒の一つです。
このため、正確な農業や作物の繁殖や収量予測に使用を改善し、拡大するために迅速かつ友好的な技術が必要です。当社のシリアルスキャナーのこの使用は、改善された効率と時間とリソースで耳を数えることを目的にパブリック・エポラティブ・コーポレーションのコラボレーションの成果です。一方、より正確な製品データベースで終わる高品質のデータをキャプチャします。
まだ結論を出していないが、私はあなたがここで提示されたであろう誤ったロリーの同様の側面を強調したいと思いますが、これは本当に補完を必要としない技術の一形態ですので、人々はカメラで現場に行き、携帯電話で、太陽光の下で画像を撮って、それがすべてです。第二に、非常に重要な点は、これは本当に非常に異なる方法で耳の数を数える人々の問題に対する認知とは対照的であるassundun方法論に過ぎないということです。だから、以前に元トレセントを持っている地元の人は、カップルや3人がおそらく数時間で必要とするものを数分で行うかもしれないので重要です。
だから、カウント、予算は本当に重要なポイントです。もう 1 つの側面は、解像度を下げるための方法論が最小限に抑えられるということです。つまり、RGBカメラをメガプラントに自動プラントの一種でマウントし、この事実を自動的にカウントすることができます。
そして最後に、私はこれが道の終わりではないと言っているので、例えば異なるRGB色やスペースの使用、例えばマルチスペクトルイメージングや熱画像や熱画像の使用など、すべてのアプローチとの組み合わせを通じて、将来的に改善される可能性のあるパーセンテージの方法論があります。そして、それはすべてです、ありがとう。
