곡물 작물 귀 필드에서 조건 방들은 RGB 이미지를 사용 하 여

전년도¹에서 1%에 의해 확장 2017/2018에서 세계 시리얼 사용률을 보고. 곡물 생산 및 인구 사용률, 세계 곡물 주식 또한 기후 변화²의 효과 증가에 적응 하면서 성장 요구를 충족 하기 위해 빠른 속도로 생산량을 증가 하는 데 필요한에 대 한 최신 예측을 기반으로 합니다. 따라서, 향상 된 작물 번 식 기술을 통해 곡물 수율 향상에 중요 한 초점을 맞추고가 있다. 2 지중해 지역에서 가장 중요 하 고 수확 곡물 즉이 연구에 대 한 예제로 선택, 듀 럼 밀 (Triticum aestivum L. ssp. 파스타 [Desf.])과 보 리 (Hordeum vulgare L.). 듀 럼 밀, 확장 하 여, 지중해 분 지의 남쪽 및 동쪽 여백에서 가장 재배 시리얼 이며 가장 중요 한 10 자르기 37 백만 톤의 연례 생산으로 인하여 세계적으로 매년³, 보 리는 4 글로벌 곡물 생산, 144.6 백만 톤에서 글로벌 생산 측면에서 매년⁴.

원격 감지 및 인접 이미지 분석 기법 도구도 점점 키 필드 높은 처리량 식물 형질 (HTPP)의 발전에 그들은 뿐만 아니라 더 민첩 한 제공 하지만 또한, 자주, 더 정확 하 고 일관 된 검색 대상의 자르기 biophysiological 특성, 광합성 활동 및 바이오 매스의 평가 같은 리소스 사용과 이해^{5,6,7 효율성 등 특성이 상속 가능성에 수익률 추정, 그리고 심지어 개선 preharvest ,,89}. 원격 탐사는 전통적으로에 초점을 맞춘 multispectral, hyperspectral, 및 열 이미징 필드 규모 정밀 농업에 대 한 또는 식물 형질 연구는 microplot에서 공중 플랫폼에서 센서 규모¹⁰. 만 보이는 반사 된 빛을 측정 하는 일반적인, 상용 디지털 카메라 그들의 매우 높은 공간 해상도도 불구 하 고 종종 간과 했다 하지만 최근 인기 끌고있다 새로운 혁신적인 이미지 처리 알고리즘은 점점 수 자세한 색상 및 그들이 제공 하는 공간 정보 활용을 걸릴. 많은 고급 농업 이미지 분석에서 최신 혁신의 점점 (측정에 대 한 그들의 빨강, 녹색 및 파란색 표시 빛 반사율), 매우 높은 해상도 (VHR) RGB 이미지에서 제공 하는 데이터의 해석에 의존 하 고 작물을 포함 하 여 (활기, 기후학, 질병 평가 및 식별) 모니터링, 세분화 정량화 (출현, 귀 밀도, 꽃 및 과일 수), 그리고 심지어 풀 3D 복원 모션 워크플로¹¹에서 새로운 구조에 따라.

시리얼 생산성에서 개선 위한 가장 중요 포인트 중 하나는 세 가지 주요 구성 요소에 의해 결정 되는 수확량의 더 효율적인 평가: 밀도 또는 평방 미터 (귀/m²) 당 귀 수, 당 귀, 곡물의 수 귀와 천-커널 무게입니다. 필드 수동으로 귀 밀도 얻을 수 있습니다 하지만이 방법은 힘 드는, 소모, 그리고 단일 표준화 된 프로토콜에서 부족을 함께 발생할 수 있습니다 오류의 중요 한 소스. 귀의 자동 세 통합 복잡 한 작물 구조, 가까운 식물 간격, 오버랩, 배경 요소 및 awns의 존재의 높은 범위 때문에 어려운 작업입니다. 최근 작품은¹²세의 귀에 상당히 좋은 결과 보여주는 적당 한 자르기 이미지를 얻기 위해서는 삼각대에서 지 원하는 검은색 구조를 사용 하 여이 방향에서 전진 했다. 이 방법에서는, 과도 한 햇빛 및 그림자 효과 피할 수 했다, 하지만 이러한 구조는 성가신 될 것 이라고 하 고 필드 조건에 응용 프로그램에서 주요 한계. 또 다른 예는 패널에 귀 밀도 계산에 대 한 좋은 정확도 함께 사용 된 엄밀한 동력된 갠트리와 완전 자동화 된 형질 시스템을 사용 하 여 개발 하는 알고리즘을 계산 하는 자동 귀 5 awnless 빵 밀 (Triticum의 구성 aestivum L.) 다른 질소 조건¹³에서 성장 하는 품종. 페르난데스 Gallego¹⁴ 최근 작품은 VHR RGB 컬러 이미지 뒤에 고급, 아직 여전히 완전 자동화 된 이미지 분석을 사용 하 여 빠르고 쉽게 데이터 캡처에 대 한이 프로세스를 최적화 하 고. 필드 조건에서 효율적이 고 양질의 데이터 수집 단순화 된 표준화 된 프로토콜을 강조 하는 일관성과 높은 데이터 캡처 처리, 이미지 처리 알고리즘 사용 소설 동안 Laplacian 및 주파수 도메인의 사용 (겹치는 귀로 더 많은 오류가 발생할 수 있습니다 다른 이전 연구에서 전체 묘사) 반대로 로컬 맥시 마를 찾는 것에 따라 계산에 대 한 세분화를 적용 하기 전에 원하지 않는 이미지 구성 요소를 제거 하는 필터.

이 작품은 상용 디지털 카메라에서 획득 한 이미지를 사용 하 여 필드 조건에서 귀 밀도의 자동 정량화에 대 한 간단한 시스템을 제안 합니다. 이 시스템 필드에 자연 채광의 활용 조건 하며, 따라서, 하루와 구름 덮개의 시간 등 일부 관련된 환경 요소를 고려 하지만, 남아 있다 적용, 구현 하는 간단한. 시스템은 듀 럼 밀과 보 리에 대 한 예제에 입증 되었습니다 해야 밀, 빵을 응용 프로그램에 확장 가능한는, 유사한 형태학으로 귀를 전시 외 자주 awnless, 하지만 추가 실험에 필요한 것 이 확인 합니다. 데이터에서 캡처 여기에 제시 된 프로토콜, 방들은 이미지는 단순히 카메라를 손으로 들고 하거나 자르기 위에 디지털 카메라 위치에 대 한 모노 포드를 사용 하 여 촬영. 유효성 검사 데이터는 이미지 자체에 귀에 의해 수동으로 subplots 필드에서 또는 포스트 프로세싱, 동안에 대 한 귀를 계산 하 여 인수 될 수 있습니다. 이미지 처리 알고리즘은 먼저, 다음, 후속 세분화와 인수 이미지에서 개별 밀 귀의 계산을 허용 하는 방식으로 이미지의 원치 않는 구성 요소를 효과적으로 제거 하는 세 가지 프로세스 구성 되어있습니다. 첫째, Laplacian 주파수 필터 창 커널 크기 조정 없이 기본 ImageJ 필터 설정을 사용 하 여 이미지의 다른 공간 방향에서 변화를 감지 하기 위해 사용 됩니다 (맥시 마 찾을 세분화 기술 결정에 어느 단계에서 픽셀은 귀와 관련 된 중간 공간 필터 단계 후 로컬 봉우리는 토양 또는 잎 보다 더 높은 픽셀 값. 따라서, 맥시 마 찾을 이미지, 높은 값을 세그먼트에 사용 되 고 그 지구는 겹치는 귀 오류도 줄이면서 귀를 식별 귀로 표시 됩니다. 분석 입자 는 계산 찾을 최대 단계에서 만든 흰색과 검은색 표면 사이의 대조에 의해 만들어진 영역에서 매개 변수를 측정 하는 이진 이미지에 사용 됩니다. 다음 결과 처리 하 여 필터링 된 이미지에 밀 귀 형태를 식별 하기 위해 각 지역 최대 주위 가까운 이웃 픽셀 차이 분석 하 여 바이너리 이미지 세그먼트를 만들고. 마지막으로, 귀 밀도 계산 됩니다 분석 입자를 사용 하 여 피지¹⁵에서 구현 될 때. 찾을 맥시 마와 분석 입자는 독립 실행형 기능 피지 (https://imagej.nih.gov/ij/plugins/index.html)에서 플러그인으로 사용할 수. 여기에 프로토콜에서 구체적으로 제시 하지, 예비 결과 보충 자료로 제시 것을 제안이 기술은 귀 수 조사 무인된 공중 차량 (UAVs)에서 그 해상도 제공에 있을 수 있습니다. 충분히 높은¹⁴남아 있다.