Granen gewas oor tellen in het veld voorwaarden gebruik Zenithal RGB-afbeeldingen

De wereld granen gebruik in 2017/2018 wordt gemeld uit te breiden met 1% van het voorgaande jaar¹. Gebaseerd op de meest recente voorspellingen voor graan productie en bevolking gebruik, wereld graan voorraden moeten opbrengst te verhogen in een sneller tempo om te voldoen aan de groeiende eisen, terwijl ook aanpassen aan de gevolgen van de klimaat verandering²verhogen. Daarom is er een belangrijke focus op rendement verbetering van graan via verbeterde gewas fokken technieken. De belangrijkste en meest geoogste graan in het Middellandse-Zeegebied zijn geselecteerd als voorbeelden voor deze studie, namelijk twee harde tarwe (Triticum aestivum L. ssp. “durum” [Desf.]) en gerst (Hordeum vulgare L.). Harde tarwe is, in het verlengde daarvan, het meest geteelde graangewas in de Zuid- en Oost-marge van het Middellandse-Zeegebied en is de 10e meest belangrijk gewas wereldwijd, als gevolg van de jaarproductie van 37 miljoen ton per jaar³, terwijl de gerst is het vierde wereldwijde in termen van productie, met een wereldwijde productie van 144,6 miljoen ton graan jaarlijks⁴.

Remote sensing en proximale afbeelding analysetechnieken worden steeds belangrijke hulpmiddelen in de vooruitgang van de veld plant high-throughput fenotypering (HTPP) als ze niet alleen meer agile maar ook vaak meer precisie en consistente opvragingen van doel gewas biophysiological eigenschappen, zoals evaluaties van fotosynthetische activiteit en biomassa, preharvest rendement ramingen, en zelfs verbeteringen in trait erfelijkheidsgraad, zoals efficiëntie in resource gebruik en opname^5,,^{6,7 ,8,9}. Teledetectie is traditioneel gericht op multispectrale, hyperspectrale, en thermische imaging sensoren van hoogwerkers voor precisielandbouw op het veld schaal of plant fenotypering studies aan de microplot schaal¹⁰. Gemeenschappelijk, verkrijgbare digitale camera’s die alleen zichtbaar gereflecteerd licht meten waren vaak over het hoofd gezien, ondanks hun zeer hoge ruimtelijke resolutie, maar onlangs populair geworden als nieuwe innovatieve beeldverwerking algoritmen steeds kunnen om te profiteren van de gedetailleerde kleur- en ruimtelijke informatie die zij bieden. Veel van de nieuwste innovaties in geavanceerde landbouw beeld analyses is steeds meer afhankelijk van de interpretatie van de gegevens die worden verstrekt door de zeer hoge resolutie (VHR) RGB-afbeeldingen (voor hun meting van rode, groene en blauwe zichtbaar licht reflectie), met inbegrip van gewas monitoring (vigor, fenologie ziekte evaluaties en identificatie), segmentatie en kwantificering (opkomst, oor dichtheid, bloem en fruit graven) en zelfs volledige 3D-reconstructies op basis van een nieuwe structuur van beweging werkstromen¹¹.

Een van de meest essentiële punten voor verbetering in de productiviteit van de granen is een efficiëntere evaluatie van opbrengst, die wordt bepaald door drie belangrijke componenten: oor dichtheid of het aantal oren per vierkante meter (oren/m²), het aantal van de korrels per oor, en het gewicht van de duizend-kernel. Oor dichtheid kan handmatig worden verkregen in het veld, maar deze methode is omslachtig, tijdrovend en ontbreekt in een enkel gestandaardiseerde protocol, die samen kan leiden tot een belangrijke bron van de fout. Opnemen van de automatische tellen van de oren is een uitdagende taak vanwege de complexe gewas structuur, nauwe plant afstand, hoge mate van overlapping, achtergrondelementen, en de aanwezigheid van awns. Recente geboekt in deze richting met behulp van een zwarte achtergrond structuur ondersteund door een statief om te verwerven geschikt gewas beelden, redelijk goede resultaten in oor tellen¹²demonstreren. Op deze manier, overmatig zonlicht en schaduweffecten werden vermeden, maar een dergelijke structuur zou omslachtig en een grote beperking in een toepassing voor veldomstandigheden. Een ander voorbeeld is een automatische oor tellen algoritme ontwikkeld met behulp van een volledig geautomatiseerde fenotypering systeem met een rigide gemotoriseerde gantry, dat werd gebruikt met goede nauwkeurigheid voor het tellen van oor dichtheid in een panel bestaande uit vijf awnless broodtarwe (Triticum aestivum L.) variëteiten groeien onder verschillende stikstof voorwaarden¹³. Recent werk van Fernandez-Gallego¹⁴ heeft dit proces voor het vastleggen van de gegevens sneller en gemakkelijker, met behulp van de VHR RGB kleurenafbeeldingen gevolgd door meer geavanceerde, maar nog steeds volledig geautomatiseerde, beeld analyses geoptimaliseerd. De efficiënte en kwalitatief hoogwaardige gegevensverzameling in veldomstandigheden benadrukt een vereenvoudigde gestandaardiseerde protocol voor consistentie en hoge opname gegevensdoorvoer, terwijl de beeldverwerking algoritme maakt gebruik van de roman gebruik van Laplaciaan en frequentie-domein filters voor het verwijderen van ongewenste imageonderdelen alvorens een segmentatie voor het tellen van gebaseerd op het vinden van lokale maxima (in tegenstelling tot volledige afbakening zoals in andere eerdere studies, die leiden meer fouten met overlappende oren tot kan).

Dit werk stelt een eenvoudig systeem voor de automatische kwantificering van oor dichtheid in veldomstandigheden, met behulp van beelden verkregen uit commercieel beschikbare digitale camera’s. Dit systeem maakt gebruik van natuurlijk licht in het veld voorwaarden en vereist daarom aandacht van sommige verwante milieufactoren, zoals tijd van dag en cloud cover, blijft maar, in feite, eenvoudig te implementeren. Het systeem heeft aangetoond op voorbeelden voor harde tarwe en gerst, maar moet worden verlengd in toepassing op brood tarwe, die naast het tentoonstellen van oren met soortgelijke morfologie, vaak awnless, maar verdere experimenten zou nodig zijn om dit bevestigen. In de gegevens vastleggen protocol hier gepresenteerd, zenithal images zijn geschoten door gewoon met de hand vasthouden van de camera of een monopod gebruiken voor het plaatsen van de digitale camera boven het gewas. Validatie gegevens kan worden verkregen door het tellen van de oren voor subverhalen tijdens postprocessing, of in het veld handmatig door het tellen van de oren in het beeld zelf. De beeldverwerking algoritme is samengesteld uit drie processen die, ten eerste effectief verwijderen ongewenste componenten van de afbeelding op een wijze waarmee, vervolgens, voor de daaropvolgende segmentatie en telling van de individuele tarwe oren in de verworven beelden. Ten eerste, een Laplaciaan frequentie filter wordt gebruikt om de opsporing van wijzigingen in de verschillende ruimtelijke richtingen van de afbeelding met de standaardinstellingen voor het filteren van ImageJ zonder venster kernel grootte aanpassingen (Vinden Maxima segmentatie techniek bepaalt de lokale pieken na de mediane ruimtelijke filter deelactiviteit, in welk stadium de pixels met oren hebben hogere pixelwaarden dan bodem of bladeren. Daarom vinden Maxima wordt gebruikt om het segment van de hoge waarden in het beeld, en die regio’s worden aangeduid als oren, waarin oren terwijl ook het verminderen van overlappende oor fouten. Analyseren deeltjes wordt vervolgens gebruikt op de binaire afbeeldingen te tellen en/of meten van parameters uit de regio’s gemaakt door het contrast tussen de witte en zwarte oppervlakte gemaakt door de Maxima vinden stap. Het resultaat wordt vervolgens verwerkt tot een binaire beeldsegmentatie door het analyseren van de afwijking van de dichtstbijzijnde buurman pixel rond elke lokale maximaal te identificeren van de shapes voor het oor van tarwe in de gefilterde afbeelding. Tot slot, de dichtheid van het oor wordt geteld met behulp van analyseren deeltjes, zoals dit is geïmplementeerd in Fiji¹⁵. Zowel Maxima vinden en analyseren deeltjes zijn standalone functies en beschikbaar als plugins in Fiji (https://imagej.nih.gov/ij/plugins/index.html). Hoewel niet specifiek in het protocol hier gepresenteerd, de voorlopige resultaten gepresenteerd als aanvullend materiaal suggereren dat deze techniek aangepast worden kan aan het uitvoeren van oor telling blijkt uit enquêtes in onbemande vliegtuigen (UAV’s), voorwaarde dat de resolutie blijft voldoende hoog¹⁴.