Biz alan koşullarında tahıl kulak sayma için yaklaşımımızı göstermek istiyorum. Bu çalışmanın amacı, tarla koşullarında buğday kulaklarını saymak için hızlı ve etkili bir yol göstermektir. Durum buğday ve arpa akdeniz havzasının güney ve doğu bölgelerinde en çok yetiştirilen tahıllar uzantısı olarak vardır.
Bu alanlarda, iklim değişikliğinin bir sonucu olarak, çevre koşulları değişecektir. Üretimi artırmak için çalışmalıyız. Bu anlamda, uzak ve proksimal algılama görüntüleri sensörleri farklı çocuklar kullanarak alan yüksek iş letme fenotipleme önemli bir araç haline gelmiştir.
Tahıl verimliliğini artırmak için önemli noktalardan biri verimin daha verimli bir şekilde değerlendirilmesidir. Aşağıdaki üç verim bileşenine göre belirlenir: Kulak yoğunluğu, kulak başına tane sayısı ve bin çekirdek ağırlığı. Biz diğer bir deyişle kulak yoğunluğu birim kırpma alanı başına kulakların otomatik bir sayma geliştirmeye çalışacağız.
Geliştirdiğimiz protokol, 20 megapiksel kamera kullanarak aşağıya doğru bakarak fotoğraf çekmek ya da kırpma gölgelik üstünden yaklaşık 80 cm uzaklıkta mükemmel bir ksenapho veya natur. Doğrulama amacıyla, tekniği doğrulamak ve algoritmaları ince ayar yapmak için hem alan buğday kulağı sayımları, hem de arpa kulak sayımları hem de görüntünün manuel sayımları yapıyoruz. Ayrıca alan fotoğrafları çekerken önemlidir, bu resimler güneş öğlen iki saat içinde yakalanacak.
Bu önemlidir, çünkü protokolün ikinci aşamasında görüntü çözümlemesi karmaşıklaştıran gölgeleme etkilerinden kaçınır. Bu bölümde, size alan koşullarında tahıl kulak sayma yaklaşımımızı göstermek istiyoruz. Bu çalışma ITACyL, INIA ve Syngenta ile işbirliği içinde gerçekleştirilmiştir.
Hadi başlayalım. Protokolümüzün ilk adımı uygun mahsul büyüme aşamasını seçmektir. Bizim durumumuzda, tahıl dolgusu ile yakın kromatoloji arasındaki aşamaları, Güney Doğu olgusuna karşılık gelen 60 ile 87 arasında bir sayıya karşılık gelmektedir.
Şekil A:Buğday ve Şekil B:Arpa veri setimizin uydu görüntülerine bir örnek seçtik. Görüntü yakalama 3 parametre vardır: sensör genişliği, fotoğraf lensi ve kamera ve gölgelik arasındaki mesafe. Bu bilgilerle görüntünün metrekaresini hesaplayabiliriz.
Algoritma uygulaması ve ayarlamaları, bunlar pa-blan-y adımlarıdır. Bir giriş olarak bir RGB görüntü var. Laplacian frekans filtresi biz toprağın bir kısmını kaldırmak için kullanabilirsiniz, bırakın ve istenmeyen parlaklık.
Gürültüyü inceleyen orta filtre ve son olarak yerel seçimleri belirleyen maxima'yı bulun. Çıkış görüntüsü algılanan kulakları gösterir. Algoritma uygulaması ve ayarlamaları.
Görüntüler farklı kamera özellikleri veya gölgelik ve kamera arasındaki mesafe ile alınmışsa bazı algoritma parametrelerini ayarlayabiliriz. Laplacian filtresi hala aynı. Orta filtre ve maxima bulmak biz çapı ve gürültü parametredeğiştirebilirsiniz.
Algoritma doğrulaması. Doğrulama adımı için orijinal görüntüdeki her kulağı işaretledik ve ardından görüntüdeki işaret sayısı basit bir algoritma kullanılarak sayıldı. Sonuçlar başarı oranını hesaplamak için kullanıldı.
Ayrıca görüntüde fiziksel bir referans olması için bir daire de dahil ettik. Görüntüleri kullanarak algoritma uygulaması. Bu mısır gevreği tarayıcı eklentisi.
Merkezi sekme veri sayımında bulabilirsiniz. Seçenekler de giriş görüntüleri ve aynı zamanda sonuçları kaydetmek için gidiyoruz yeri seçebilirsiniz. Makronun tek bir görüntü kullanarak nasıl çalıştığını göstermek istiyorum.
Bu görüntüyü seçeceğiz ve şimdi ilk adımı atacağız. Bu görüntünün frekans oluşumu ve burada sonuç var. İkinci adım orta filtredir.
Bu adımı atacağız ve sonuç bu. Son olarak kesimin son kısmını çalıştıracağız ve bunlar sonuç, bu son sayılar tespit edilen kulak sayısı. Aynı başka bir yolu buraya tıklayın, biz süreç, maxima bulmak ve buraya tıklayın.
Bu kulak sayma algoritması kullanmak için başka bir yoludur. Web sitemizin integrativecropecophysiologygroup ziyaret edebilirsiniz. com ve burada yazılım geliştirme, size tahıl tarayıcı bulacaksınız.
İzne erişmek için lütfen doğrudan bu e-postaya yazın. Lütfen fişi takmak için adımları izleyin. Fiş yüklü ile doğrudan fiş, tahıl tarayıcı, açık tahıl tarayıcı gidin.
Şimdi iki resim kullanacağız. Doğrudan tahıl tarayıcısına gidin, kulak sayma ve seçenekleriyle dosyalarınızı seçin. Burada gölgelik ve kamera arasındaki mesafeyi kullanabilirsiniz.
Bizim durumumuzda 80 cm kullanırız. Burada odak uzaklığı seçebilirsiniz. Son olarak sonuç dosyasında kulak sayma sonuçlarını ve sadece süreci bulacaksınız.
Bunlar bizim sonuçlarımız. Burada görüntünün adı var ve önünde tespit edilen kulak sayısı var. Bunlar Buğday ve Arpa'nın sonuçlarıdır.
Her grafik için X ekseni manuel saymayı temsil eder. Tıklayarak tıklatın ve Y ekseni algoritma sayma temsil eder. Her iki eksen de metrekare ölçeğinde.
Buğday ın beşinci grafiğinde 0,62'ye eşit bir tespit katsayısı, ikinci grafikte ise 0,75'e eşit bir tayin katsayısı elde ettik. Buğdayın son görüntüsünde de 0.75'e eşit bir tespit katsayısı elde ettik. Sayma olarak çeşitli değerlendirme döngüsü ve verim tahmini sırasında iş ve zaman alıcı için en zahmetli biridir.
Bu nedenle hassas tarım ve mahsul ıslahı ve verim tahmini için kullanımını geliştirmek ve genişletmek için hızlı ve dostça bir teknik gereklidir. Mısır gevreği tarayıcımızın bu kullanımı, daha yüksek verimlilik, zaman ve kaynaklarla kulak sayma yapmak amacıyla Public Provides Corporation'ın işbirliğinin meyvesidir. Öte yandan daha hassas ürün veritabanı ile sonuna kadar yüksek kaliteli veri yakalamak için.
Henüz ben burada sunulan olurdu mis-a-lory benzer yönlerini vurgulamak istiyorum sonuçlandırmak istiyorum olsa da, bir yerel, bu yüzden bu gerçekten insanların kendi kamera ile alana gidebiliriz, bir cep telefonu ile, güneş ışığı altında görüntü alarak ve hepsi bu kadar tamamlayıcı herhangi bir tür ihtiyacı olmayan bir teknoloji biçimidir. İkincisi, çok önemli bir nokta, bu gerçekten çok farklı şekillerde kulak sayısını sayma insanların bir sorun için biliş ile tezat sadece bir assundun metodoloji olmasıdır. Yani daha önce eski bir tres-cent olan yerel birkaç dakika içinde ne bir çift ya da üç kişi belki birkaç saat içinde ihtiyaç duyacaktır yapabilirsiniz çünkü önemlidir.
Yani sayma, bütçe gerçekten önemli bir noktadır. Başka bir yönü metodoloji çözünürlük azaltmak için en az olmasıdır. Bu otomatik bitki şeklinde bir tür bir megaplant rgb kamera monte edebilir ve daha sonra bu gerçekleri otomatik bir sayma yapabilirsiniz anlamına gelir.
Ve son olarak bu yolun sonu değil bu yüzden gerçekten örneğin çok spektral hayal ya da termal veya termal görüntülerin kullanımı ile birlikte örneğin farklı RGB renk ve alanlarda kullanımı gibi tüm yaklaşımlar ile kombinasyonu ile gelecekte gelişebilir bir yüzde metodolojisi var söylüyorum. Hepsi bu kadar, teşekkür ederim.
