우리는 당신에게 필드 조건에서 시리얼 귀 계산에 대한 우리의 접근 방식을 보여주고 싶습니다. 이 연구의 목적은 필드 조건에서 밀 귀를 계산하는 빠르고 효율적인 방법을 입증하는 것입니다. 두룸 밀과 보리는 지중해 분지의 남쪽과 동쪽 지역에서 가장 재배된 곡물입니다.
이러한 지역에서는 기후 변화의 결과로 환경 상황이 변경될 것입니다. 우리는 생산을 늘리기 위해 일해야 합니다. 이러한 의미에서 원격 및 근접 감지 이미지는 다양한 센서를 사용하여 필드 고처리량 의 phenotyping에서 중요한 도구가 되었습니다.
시리얼 생산성 향상을 위한 필수 요소 중 하나는 보다 효율적인 수율 평가입니다. 다음 세 가지 수율 구성 요소에 의해 결정: 귀 밀도, 귀 당 곡물의 수, 그리고 천 커널 무게. 우리는 다른 단어 귀 밀도단위 작물 영역당 귀의 자동 계수를 개발하려고 노력할 것입니다.
우리가 개발 한 프로토콜은 20 메가 픽셀 카메라를 사용하여 작물 캐노피 의 상단에서 약 80cm의 거리에서 아래쪽으로 보거나 완벽하게 xenapho 또는 natur를 찍는 것입니다. 검증을 위해, 우리는 기술의 유효성을 검사하고 알고리즘을 미세 조정하기 위해 필드 밀 귀 카운트, 또는 보리 귀 카운트뿐만 아니라 이미지의 수동 카운트에서 모두 수행합니다. 또한 현장 사진을 찍을 때 태양 정오 2 시간 이내에 사진을 캡처하는 것도 중요합니다.
프로토콜의 2단계에서 이미지 분석을 복잡하게 만드는 그림자 효과를 피하기 때문에 중요합니다. 이 부분에서, 우리는 당신에게 필드 조건에서 시리얼 귀 카운트에 대한 우리의 접근 방식을 보여주고 싶습니다. 이 작품은 ITACyL, INIA 및 신젠타와 협력하여 수행되었습니다.
시작해 봅시다. 프로토콜의 첫 번째 단계는 적절한 작물 성장 단계를 선택하는 것입니다. 우리의 경우, 우리는 곡물 충전과 남동부의 경우 60과 87 사이의 숫자를 대응하는 크로마토로지 근처의 단계를 사용합니다.
그림 A:밀 및 그림 B:보리에서 데이터 세트의 위성 이미지의 예를 선택했습니다. 이미지 캡처에는 센서 너비, 사진 렌즈 및 카메라와 캐노피 사이의 거리 : 3 매개 변수가 있습니다. 이 정보를 사용하면 이미지의 평방 미터를 계산할 수 있습니다.
알고리즘 구현 및 조정은 pa-blan-y 단계입니다. 입력으로 우리는 RGB 이미지가 있습니다. 라플라시안 주파수 필터우리는 토양의 일부를 제거하고, 방치하고 원치 않는 밝기를 제거하는 데 사용합니다.
노이즈를 검토하고 마지막으로 최대값을 찾을 수 있는 중간 필터가 로컬 픽을 결정합니다. 출력 이미지는 감지된 귀를 표시합니다. 알고리즘 구현 및 조정.
이미지가 다른 카메라 사양 또는 캐노피와 카메라 사이의 거리로 촬영한 경우 일부 알고리즘 매개 변수를 조정할 수 있습니다. 라플라시안 필터는 여전히 동일합니다. 중간 필터에서 최대한을 찾을 수 우리는 직경과 잡음 매개 변수를 변경할 수 있습니다.
알고리즘 유효성 검사. 유효성 검사 단계의 경우 원본 이미지의 각 귀를 표시한 다음 이미지의 마크 수를 간단한 알고리즘을 사용하여 계산되었습니다. 결과는 성공률을 계산하는 데 사용되었습니다.
이미지에 물리적 참조를 갖는 원도 포함되어 있습니다. 이미지를 사용하여 알고리즘 구현. 시리얼 스캐너 플러그인입니다.
중앙 탭 데이터 계산에서 찾을 수 있습니다. 옵션에서 입력 이미지와 결과를 저장할 장소도 선택할 수 있습니다. 하나의 이미지를 사용하여 매크로가 어떻게 작동하는지 보여주고 싶습니다.
이 이미지를 선택하면 이제 첫 번째 단계를 실행합니다. 이것은 이미지의 주파수 형성이며 여기에서 결과가 있습니다. 두 번째 단계는 중간 필터입니다.
이 단계를 실행하려고 하며, 이것이 결과입니다. 마지막으로 컷의 마지막 부분을 실행하려고하고 이들은 결과입니다, 이러한 최종 숫자는 감지 된 귀의 수입니다. 같은 다른 방법은 여기를 클릭, 우리는 처리, 최대맥을 찾아, 여기를 클릭하십시오.
이것은 귀 계수 알고리즘을 사용하는 또 다른 방법입니다. 당신은 우리의 웹 사이트를 방문 할 수 있습니다 통합 크로크 생태 생리학 그룹. com 및 여기에 소프트웨어 개발에서, 당신은 시리얼 스캐너를 찾을 수 있습니다.
권한에 액세스하려면 이 이메일에 직접 문의해 주십시오. 플러그를 설치하려면 단계를 따르십시오. 플러그인이 설치되어 있으므로 직접 연결, 시리얼 스캐너, 오픈 시리얼 스캐너로 이동하십시오.
이제 두 개의 이미지를 사용할 것입니다. 시리얼 스캐너, 귀 계수 및 옵션에 직접 이동하여 파일을 선택합니다. 여기에서 캐노피와 카메라 사이의 거리를 사용할 수 있습니다.
우리의 경우 는 80cm를 사용합니다. 여기서 초점 거리를 선택할 수 있습니다. 마지막으로 결과 파일에서 귀 계산 결과를 발견하고 처리합니다.
이것은 우리의 결과입니다. 여기서 우리는 이미지의 이름을 가지고 있으며 앞에는 귀수가 감지됩니다. 이들은 밀과 보리의 결과입니다.
각 그래픽에 대해 X축은 수동 계수를 나타냅니다. 클릭을 클릭하면 Y축은 알고리즘 계산을 나타냅니다. 평방 미터 배율의 두 축.
밀의 다섯 번째 그래픽에서 우리는 0.62와 동일한 결정 계수를 얻었으며 보리의 두 번째 그래픽에서는 0.75와 동일한 결정 계수를 얻었습니다. 밀의 최종 이미지에서도 0.75와 동일한 결단력 계수를 얻었습니다. 카운트에서 다양 한 평가 주기 및 수율 예측 동안 작업 및 시간이 많이 소요 하는 가장 힘든 중 하나입니다.
이러한 이유로 신속하고 친절한 기술은 정확한 농업 및 작물 사육및 수율 예측에 사용됩니다 개선하고 확장하기 위해 필요합니다. 시리얼 스캐너의 이러한 사용은 공공 제공 공사의 협업의 결실이며, 향상된 효율성과 시간과 자원으로 귀 계수를 만드는 것을 목표로 합니다. 다른 한편으로는 더 정확한 제품 데이터베이스로 끝날 고품질의 데이터를 캡처합니다.
아직 결론을 내릴 때 나는 당신이 여기에 제시 되었을 잘못된 -a-lory의 유사한 측면을 강조하고 싶습니다, 하나는 로컬, 그래서 이것은 정말 사람들이 자신의 카메라와 필드에 갈 수 있도록 보완의 어떤 종류를 필요로하지 않는 기술의 한 형태입니다, 휴대 전화로, 햇빛 아래 이미지를 복용하고 그게 전부입니다. 둘째, 매우 중요한 점은, 이것은 매우 다른 방법으로 귀의 수를 계산하는 사람들의 문제에 대한 인식과 정말 대조되는 단지 아순둔 방법론이라는 것입니다. 그래서 몇 분 안에 몇 분 안에 몇 분 또는 세 명이 몇 시간 안에 필요할 수 있기 때문에 전 과거의 트레스 센트가있는 지역 주민이 중요합니다.
그래서 계산, 예산은 정말 중요한 포인트입니다. 또 다른 측면은 방법론이 해상도를 줄이는 데 최소한의 것이라는 점입니다. 즉, RGB 카메라를 일종의 자동 플랜트 형태로 메가플랜트에 탑재한 다음 이 사실에 대한 자동 계산을 수행할 수 있습니다.
그리고 마지막으로 나는 이것이 방법의 끝이 아니기 때문에 우리는 다중 스펙트럼 상상력과 결합하거나 열 또는 열 화상의 사용과 함께 예를 들어 다른 RGB 색상과 공간의 사용과 같은 모든 접근 방식과의 조합을 통해 미래에 개선 할 수있는 백분율 방법론을 가지고 있다고 말하고 있습니다. 그리고 그게 전부입니다, 감사합니다.
