Gostaríamos de mostrar nossa abordagem para a contagem de orelhas de cereal em condições de campo. O objetivo deste estudo é demonstrar uma maneira rápida e eficiente de contar orelhas de trigo em condições de campo. Trigo durum e cevada são, por extensão, os cereais mais cultivados nas áreas sul e leste da bacia do Mediterrâneo.
Nessas áreas, como consequência das mudanças climáticas, as condições ambientais serão alteradas. Temos que trabalhar para aumentar a produção. Nesse sentido, imagens de sensoriamento remoto e proximal tornaram-se uma ferramenta importante no fenotipagem de alto rendimento de campo usando diferentes crianças de sensores.
Um dos pontos essenciais para melhorar a produtividade do cereal é uma avaliação mais eficiente do rendimento. Determinado pelos três componentes de rendimento a seguir: Densidade de ouvido, número de grãos por ouvido e o peso de mil grãos. Tentaremos desenvolver uma contagem automática de orelhas por unidade de área de cultivo, ou seja, densidade de ouvido.
O protocolo que desenvolvemos está usando uma câmera de 20 megapixels tirando fotos para baixo olhando ou perfeitamente xenapho ou natur a uma distância de aproximadamente 80 cm do topo do dossel de cultura. Para fins de validação, fazemos tanto na contagem de orelhas de trigo de campo, quanto na contagem manual da imagem, a fim de validar a técnica e ajustar os algoritmos. Também é importante ao tirar as fotos de campo, que as fotos sejam capturadas dentro de duas horas do meio-dia solar.
Isso é importante porque evita efeitos de sombreamento, que complicam a análise de imagem na 2ª fase do protocolo. Nesta parte, gostaríamos de mostrar nossa abordagem para a contagem de orelhas de cereal em condições de campo. Este trabalho foi realizado em colaboração com ITACyL, INIA e Syngenta.
Vamos começar. O primeiro passo do nosso protocolo é selecionar o estágio de crescimento da cultura adequado. No nosso caso, utilizamos as etapas entre o enchimento de grãos e a cromatologia próxima que correspondem no caso Sudeste um número entre 60 e 87.
Na Figura A:Trigo e Figura B:Cevada escolhemos um exemplo de imagens de satélite do nosso conjunto de dados. A captura de imagem tem 3 parâmetros: largura do sensor, lente fotográfica e distância entre a câmera e o dossel. Com essa informação podemos calcular os metros quadrados da imagem.
Implementação e ajustes do algoritmo, estes são os passos pa-blan-y. Como entrada, temos uma imagem RGB. Filtro de frequência laplacian usamos para remover parte do solo, deixar e brilho indesejado.
O filtro médio que revisa o ruído e, finalmente, encontra maxima determina as escolhas locais. A imagem de saída mostra as orelhas detectadas. Implementação e ajustes de algoritmos.
Se as imagens foram tiradas com diferentes especificações de câmera ou distância entre o dossel e a câmera podemos ajustar alguns parâmetros do algoritmo. O filtro laplaciano ainda é o mesmo. No filtro médio e encontrar maxima podemos alterar o diâmetro e o parâmetro de ruído.
Validação de algoritmos. Para a etapa de validação marcamos cada ouvido na imagem original e, em seguida, o número de marcas na imagem foram contados usando um algoritmo simples. Os resultados foram utilizados para calcular a taxa de sucesso.
Também incluímos um círculo para ter uma referência física na imagem. Implementação de algoritmos usando imagens. Este é o plug-in do scanner de cereais.
Você encontrará na contagem de dados da guia central. Nas opções você pode selecionar as imagens de entrada e também o local onde você vai salvar os resultados. Eu gostaria de mostrar como a macro funciona usando uma imagem.
Vamos selecionar esta imagem e agora vamos dar o primeiro passo. Esta é a formação de frequência da imagem e aqui temos o resultado. O segundo passo é o filtro médio.
Nós vamos executar este passo, e este é o resultado. Finalmente vamos executar a última parte do corte e estes são o resultado, estes números finais é o número de orelhas detectadas. O outro caminho para o mesmo é clicar aqui, processar, encontrar maxima, e clicar aqui.
Esta é outra maneira de usar o algoritmo de contagem de ouvido. Você pode visitar nosso site integrativecropecophysiologygroup. com e aqui no desenvolvimento de software, você encontrará o scanner de cereais.
Para acessar a permissão, escreva diretamente para este e-mail. Siga as etapas para instalar o plug in. Com o plugue instalado, vá diretamente para plug ins, scanner de cereais, scanner de cereal aberto.
Agora vamos usar duas imagens. Vá diretamente para o scanner de cereais, contagem de ouvidos e, em opções, selecione seus arquivos. Aqui você pode usar a distância entre o dossel e a câmera.
No nosso caso, usamos 80 cm. Aqui você pode selecionar a distância focal. Finalmente, no arquivo de resultados você encontrará os resultados da contagem de ouvidos e apenas processa.
Estes são nossos resultados. Aqui temos o nome da imagem e na frente temos o número de ouvidos detectados. Estes são os resultados para Trigo e Cevada.
Para cada gráfico, o eixo X representa a contagem manual. Clique por clique, e o eixo Y representa a contagem do algoritmo. Ambos eixo em uma escala de metro quadrado.
No quinto gráfico para trigo obtivemos um coeficiente de determinação igual a 0,62 e no segundo gráfico para cevada obtivemos um coeficiente de determinação igual a 0,75. Na imagem final para o trigo também obtivemos um coeficiente de determinação igual a 0,75. Na contagem é um dos mais trabalhosos para o trabalho e demorado durante o ciclo de avaliação de variedades e previsão de rendimento.
Por essa razão, é necessária uma técnica rápida e amigável para melhorar e expandir seu uso na criação agrícola e agrícola precisa e para previsão de rendimento. Este uso do nosso scanner de cereais é fruto da colaboração da Public Provides Corporation com o objetivo de fazer a contagem de ouvidos com maior eficiência e tempo e recursos. Por outro lado, capturar dados de alta qualidade para acabar com um banco de dados de produtos mais preciso.
Embora ainda para concluir eu gostaria de enfatizar aspectos semelhantes do mis-a-lory que você teria sido apresentado aqui, um é o local, então esta é realmente uma forma de tecnologia que não precisa de qualquer tipo de complemento para que as pessoas possam ir para o campo com sua câmera, com um celular, tirando imagens sob a luz solar e isso é tudo. Em segundo lugar, um ponto muito importante, é que esta é apenas uma metodologia de assunção que é realmente um contraste com a conhaque a uma questão das pessoas que contam o número de ouvidos de uma maneira muito diferente. Assim, o local que tem um ex-três-centavo antes é importante porque você pode fazer em poucos minutos o que um casal ou três pessoas vão precisar talvez em várias horas.
Então, a contagem, o orçamento é um ponto muito importante. Outro aspecto é que a metodologia é mínima para a diminuição da resolução. Isso significa que você pode montar a câmera RGB em uma megaplant em uma espécie de forma de planta automática e, em seguida, você pode fazer uma contagem automática com estes fatos.
E, finalmente, estou dizendo que este não é o fim do caminho, então temos realmente uma metodologia percentual que pode melhorar no futuro através da combinação com todas as abordagens como, por exemplo, o uso de cores e espaços RGB diferentes, por exemplo, em combinação com a imaginação multiespectral ou mesmo o uso de imagens térmicas ou térmicas. E isso é tudo, obrigado.
