Korn beskjære øret telling i feltet betingelser ved hjelp av Zenithal RGB-bilder

Verden frokostblanding utnyttelse i 2017/2018 rapporteres utvide med 1% fra året¹. Basert på de nyeste spådommene for korn produksjon og befolkningen utnyttelse, verden frokostblanding aksjer vil øke gir raskere for å møte økende krav, mens også tilpasse seg øker effekter av klima endring². Det er derfor en viktig fokus på ytelse forbedring i frokostblanding avlinger gjennom forbedret beskjære formering teknikker. To viktigste og høstet korn i Middelhavsregionen er valgt som eksempler på denne studien, nemlig, durumhvete (Triticum aestivum L. ssp. durumhvete [Desf.]) og bygg (Hordeum vulgare L.). Durumhvete er dermed mest dyrket korn i Sør og Øst margene i middelhavsområdet og er 10 viktigste beskjære over hele verden, på grunn av sin årlige fremvisning av 37 millioner tonn årlig³, mens bygg er den fjerde globale korn i forhold til produksjon, med en global produksjon på 144,6 millioner tonn årlig⁴.

Fjernmåling og proksimale bilde analyseteknikker er stadig viktige verktøy innen feltet høy gjennomstrømming anlegget phenotyping (HTPP) som de ikke bare gi mer fleksibelt, men også ofte, mer nøyaktig og konsekvent tilgang på målet beskjære biophysiological egenskaper, for eksempel vurderinger av fotosynteseaktiviteten aktivitet og biomasse, preharvest gir estimater og selv forbedringer i egenskapen heritability, som effektivitet i ressurs bruk og opptak^{5,6,7 ,8,9}. Fjernmåling har tradisjonelt fokusert på multispectral hyperspektral og thermal imaging sensorer antenne plattformer for presisjon landbruk på Feltskalaen eller plante phenotyping studier ved microplot skalere¹⁰. Felles, kommersielt tilgjengelige digitale kameraer som måler bare synlig reflektert lys var ofte oversett, til tross for deres svært høy romlig oppløsning, men har nylig blitt populære nye innovative bildebehandling algoritmer er stadig stand Dra nytte av detaljerte farge og romlig informasjon som de leverer. Mange av de nyeste innen avansert landbruket bilde analyser stadig stole på tolkningen av data svært høy oppløsning (VHR) RGB-bilder (for deres måling av rød, grønn og blå synlig lys refleksjon), inkludert Beskjær overvåking (vigor, phenology, sykdom vurderinger og identifikasjon), segmentering og kvantifisering (fremveksten, øret tetthet, blomst og frukt teller) og med full 3D rekonstruksjoner basert på en ny struktur fra bevegelse arbeidsflyter¹¹.

En av de viktigste punktene for forbedring i frokostblanding produktivitet er en mer effektiv vurdering av avkastning, som bestemmes av tre hovedkomponenter: øre tetthet eller antall ører per kvadratmeter (ører/m²), antall korn per øret, og tusen-kjernen vekt. Øret tetthet kan fås manuelt i feltet, men denne metoden er arbeidskrevende, tidkrevende, og mangler i en enkelt standardisert protokoll, som sammen kan medføre en betydelig kilde til feil. Omfatter automatisk telling av ørene er en utfordrende oppgave fordi komplekse beskjære strukturen, nær anlegget avstand, høy grad av overlapping, bakgrunnselementer og tilstedeværelsen av awns. Nyere arbeid har avanserte i denne retningen ved å bruke en svart bakgrunn struktur støttes av et stativ for å skaffe passende beskjære bilder, demonstrere ganske gode resultater i øret teller¹². På denne måten, sollys og skyggeeffekter ble unngått, men slik struktur er tungvint og en stor begrensning i et program til feltforhold. Et annet eksempel er automatisk øre teller algoritme utviklet et helautomatisk phenotyping system med en rigid motorisert Pack, som ble brukt med god nøyaktighet for opptelling øret tetthet i et panel bestående av fem awnless brød hvete (Triticum aestivum L.) varianter som vokser under forskjellige nitrogen forhold¹³. Nyere arbeider av Fernandez-Gallego¹⁴ har optimalisert denne prosessen for enklere datafangst, bruker VHR RGB-fargebilder etterfulgt av mer avansert, men fortsatt fullt automatisert, bilde analyser. Effektiv og høy kvalitet datainnsamling i feltforhold understreker en forenklet standardisert protokoll for konsistensen og høy fangst gjennomstrømning, mens bildebehandling algoritmen bruker romanen bruk av Laplacian og frekvens domene filtre for å fjerne uønskede bildekomponenter før en segmentering for opptelling basert på å finne lokale maxima (i motsetning til full avgrensning i andre tidligere studier som kan resultere i mer feil med overlappende ører).

Dette arbeidet foreslår et enkelt system for den automatiske kvantifiseringen av øret i feltforhold, bruker bilder fra kommersielt tilgjengelige digitalkameraer. Dette systemet tar nytte av dagslys i feltet forhold, og derfor krever vurdering av noen relaterte miljømessige faktorer, som tid av dag og cloud, fortsatt men, enkel å implementere. Systemet har vist på eksempler for durumhvete og bygg men skal utvides i programmet til brød hvete, som i tillegg stiller ører med lignende morfologi, er ofte awnless, men ytterligere eksperimenter vil være nødvendig for å bekrefte dette. I data fange protokollen presenteres her, zenithal bilder er tatt ved å holde kameraet for hånd eller med en monopod for posisjonering digitalkameraet over avlingen. Valideringsdata kan skaffes ved å telle ørene manuelt subplots i feltet eller under postprosessering, ved å telle ører i selve bildet. Bildebehandling algoritmen består av tre prosesser som først effektivt fjerner uønskede deler av bildet på en måte som deretter gir den påfølgende segmenteringen og telling av personlige hvete ears i ervervet bilder. Først en Laplacian frekvens filter brukes for å registrere endringer i ulike romlige retninger av bildet med standard ImageJ filterinnstillingene uten vindu kjernen størrelsesjusteringer (Finne Maxima segmentering teknikk bestemmer den lokale topper etter median romlige filter trinn, hvilken etappe bildepunktene med ører har høyere bildepunktverdier enn jord eller blader. Derfor finne Maxima brukes til å segmentere den høye verdier i bildet, og disse områdene er merket som ører, som identifiserer ørene samtidig redusere overlappende øret feil. Analysere partikler brukes deretter på binære bilder å telle og/eller måle parameterne fra regionene skapt av kontrasten mellom hvite og svarte overflaten opprettet steg finne Maxima. Resultatet blir deretter behandlet for å opprette en binære bildesegmentering ved å analysere nærmeste nabo pixel variansen rundt hvert lokale maksimalt å identifisere hvete øret figurene i filtrert bildet. Til slutt, øret tetthet telles med analysere partikler, som gjennomføres i Fiji¹⁵. Både finne Maxima og analysere partikler er frittstående funksjoner og tilgjengelig som plugins i Fiji (https://imagej.nih.gov/ij/plugins/index.html). Men ikke presentert i protokollen her, foreslår foreløpige resultatene presentert som supplerende materiale at denne teknikken kan være tilpasses gjennomfører øret antall undersøkelser fra ubemannet antenne kjøretøyer (UAVs), forutsatt at oppløsningen fortsatt tilstrekkelig høy¹⁴.