Name: 자율 로봇을 이용한 작물 식물의 광합성 효율을 현장에서 고처리량으로 스크리닝합니다 (동영상) | JoVE Journal
Uploaded: 2026-01-09T12:30:00.000+00:00
Duration: 7 min 12 s
Description: 배우세요 자율 로봇을 활용한 현장 고처리량 광합성 스크리닝 방법입니다. 작물의 광계 II 양자 효율과 식물 구조를 비파괴적으로 측정하여 육종 시험의 효율성을 높입니다.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

1. PPFR 센서 및 데이터 로거 설정
<ol>
	<li>PPFR 센서와 보조 배터리를 데이터 로거에 연결하세요. 데이터 로거를 노트북에 연결하고 데이터 로거 데스크톱 클라이언트를 사용해 데이터 로거를 시작하세요.</li>
	<li>실험 필드 옆에 PPFR 센서를 올려놓고 데이터 로거와 보조 배터리를 아래쪽에 설치하세요. 참고: PPFR 센서가 직립된 위치에 있고, 그늘이 드리거나 주변 물체에 영향을 받지 않는지 확인하세요. PPFR 센서는 정확한 PPFR 값을 측정하기 위해 로봇에 직접 장착된 짐벌이 필요합니다.</li>
</ol>
2. 로봇 및 LIFT 센서 조립 설치
<ol>
	<li>측정 값을 위한 웨이포인트 좌표(.geojson 형식)를 로봇에 불러오세요. 이 샘플들은 GNSS를 이용한 시험 파종에 사용되는 것과 동일할 수 있습니다.</li>
	<li>LIFT 센서 어셈블리를 로봇 전면, 작물 캐노피에서 약 60cm 높이에 장착하세요(그림 1A 참조).</li>
	<li>노트북 컴퓨터, 자동차 배터리, 전원 인버터를 로봇 위에 올려놓고, 전원 인버터를 자동차 배터리와 LIFT 센서 어셈블리에 연결하세요. 주의: LIFT 센서의 여기 빔은 눈에 위험합니다. 여기 빔을 직접 들여다보는 것은 엄격히 피해야 합니다.</li>
	<li>GNSS 안테나 키트를 로봇 위에 위치시키고, 노트북에 연결한 후 GNSS 로거 데스크톱 클라이언트를 실행하세요.</li>
	<li>LIFT 센서를 노트북에 연결하고 다음 설정으로 LIFT 데스크톱 클라이언트를 실행하세요: LIFT 센서: 여기 파워 = 40,000 μmol 광자 m&gt;-2 s-1; 플래시렛 길이 = 1.6 μs; 단일 측정당 여기 플래시릿 수 = 300; 이완 플래시릿 수 = 80; 여기 플래시릿 사이 시간 = 2.5 μs; 이완 플래시릿 간격: ji = 101.28 + 0.0215 × I μs, 여기서 ji는 i번째 플래시릿의 구간 길이입니다; 센서 이득 = 10 또는 25; 측정 구간 = 0초. 분광기: 스펙트럼 적분 시간 = 100 ms, 스펙트럼 범위는 400에서 800 nm 사이입니다. RGB 카메라: 노출 = 자동; 셔터 = 자동; 이득 = 자동; 밝기 = 0; 프레임 속도 = 20 S-1; 트리거 모드 = 허용 (각 LIFT 측정 시 카메라를 트리거함). 참고: LIFT 센서가 직접 측정하는 양은 ChlF 수율(각 플래시렛20에 대한 여기 빔으로 인한 총 ChlF 증가)입니다. 그다음 Fq'/Fm'을 다음과 같이 계산합니다. 
	Fq'/Fm' = (Fm' - F') / Fm' 26 여기서 F'는 첫번째 플래 시릿의 ChlF 수율로, Fm'은 301번째 와 302번째 플래시릿28의 ChlF 수율의 평균으로 정의됩니다. 한 ChlF 측정(이완 단계 포함)의 총 지속 시간은 약 21 ms이지만, 중요한 300 플래시릿 여기 단계의 지속 시간은 단 750 μs에 불과합니다.</li>
</ol>
3. 양력 측정 수행
<ol>
	<li>원격 조종기를 사용해 로봇을 실험 필드의 첫 번째 줄의 플롯 시작 지점까지 수동으로 운전하세요.</li>
	<li>LIFT 센서와 분광기 측정 스크립트를 연속 모드로 활성화하세요.</li>
	<li>로봇 제어 웹사이트를 이용해 자율 로봇 내비게이션을 0.5m s-1 속도로 시작하세요.</li>
	<li>측정 중에는 LIFT 센서 어셈블리 데스크톱 클라이언트에서 시간에 따른 ChlF 수율을 나타내는 그래프를 주기적으로 확인하여 예상 형태를 갖추었는지 확인하세요( 그림 1B 참조). 신호가 너무 약하면 센서 게인을 조정하세요.</li>
	<li>로봇이 밭 경계에서 회전할 때 농작물 캐노피 높이의 자극 빔 아래에 흰색 기준 패널을 주기적으로 잡아주세요.</li>
</ol>
4. 데이터 통합 및 전처리
참고: R 코드는 GitHub(https://github.com/beat2keller/lift_data_processing)에서 이용 가능합니다.
<ol>
	<li>R data.table 패키지34를 사용해 모든 *_data.csv와 *_spectral.csv에서 LIFT 과도 및 스펙트럼 데이터를 읽습니다.</li>
	<li>GNSS와 날씨 데이터, .geojson 플롯 지도, 실험 설계도 함께 읽으세요.</li>
	<li>데이터셋을 결합하여12번 이하에 설명된 통계 분석을 수행합니다.<ol>
		<li>각 기록된 과도 현상에서 Fq'/Fm'을 추출합니다.</li>
		<li>.geojson 폴리곤을 기반으로 공간 포함을 사용하여 각 GNSS 포인트를 해당 플롯과 연결합니다. LIFT 센서 어셈블리와 로봇의 GNSS 안테나 사이의 거리도 잊지 마세요.</li>
		<li>로봇의 방향을 연속된 위치에서 결정하세요. 할당된 플롯 식별자에 따라 실험 설계와 GNSS 데이터를 병합합니다. 참고: 이 단계는 각 공간 위치를 해당 처리(예: 유전자형) 및 복제(예: 블록) 정보와 연결합니다.</li>
		<li>PPFR 센서의 고해상도 데이터와 가장 가까운 기상 관측소의 저해상도 PPFR 데이터를 결합하여 융합된 입사 PPFR 시계열(선택 사항)을 생성합니다. 참고: 스위스의 저해상도 기상 데이터는35에 설명된 agrometeo.ch(https://agrometeo.ch/de) 네트워크에서 도출할 수 있습니다.</li>
		<li>스펙트럼 반사도 데이터셋에서 흰색 기준 측정값을 필터링한 후, 타임스탬프를 사용해 PPFR 데이터와 병합하여28에서 설명한 대로 다양한 입사광 강도에 따른 스펙트럼 반사율 조회 테이블을 만든다.</li>
		<li>조회 테이블을 기반으로 원시 스펙트럼 반사율 데이터를 보정하세요.</li>
		<li>보정된 스펙트럼 반사율 데이터를 통해 MERIS 육상 엽록소 지수(MTCI)와 정규화 식생 차이 지수(NDVI)를 공식을 사용하여 계산합니다 
		<img alt="방정식 1" src="/files/ftp_upload/69530/69530eq1v2.jpg" style="margin:0;" data-altupdatedat="1783400419000" data-alt="Equation 1"> 여기서 Rλ 는 파장 λ nm에서의 평균 반사를 나타냅니다.</li>
		<li>ChlF, GNSS 위치/실험 설계, PPFR/스펙트럼 반사도 데이터를 타임스탬프를 기반으로 정의된 허용 오차 창(예: 1 ms)으로 근접 이웃 결합을 수행하여 병합합니다.</li>
		<li>Fq'/Fm' 이상치가 있는 행을 데이터셋에서 식별하고 제거합니다.</li>
		<li>이상치 보정 ChlF 데이터에서 모델을 적합하여 유전자형 특이적 광합성 반응 추세(G: PPFR)를 추출합니다 
		Fq'/Fm' = β0 + β1 날짜 + β2 (헤딩 x 시) + β3 (유전자형 × PPFR) + β4 MTCI + β5 PPFR + ε 이상치 필터링 데이터셋으로 전환합니다.</li>
		<li>추정된 한계 추세(R의 동향)를 사용하여 (유전자형 × PPFR) 예측 항의 기울기(β3)를 추정하여 유전자형 특이적 방사도에 대한 정량적 측정값을 얻습니다. 모델에 MTCI를 포함하면 엽록소 함량과 캐노피 상태의 차이가 앞서 설명된 F q'/Fm'에 영향을 미친다12. 참고: 헤딩은 측정 시 잠재적 방향 효과를 고려하기 위해 로봇의 주행 방향(4.3.3.3단계의 GNSS 베어링에서 도출됨)을 의미합니다.</li>
	</ol>
	</li>
</ol>

<table><tbody><tr><td>카메라 삼각대</td><td>-</td><td>-</td><td>PPFR 센서를 수평으로 장착할 수 있는 어떤 종류든 괜찮습니다.</td></tr><tr><td>자동차 배터리 (12V / 80 Ah)</td><td>메르세데스-벤츠 그룹 AG, 슈투트가르트, 독일</td><td>A 001 982 81 08</td><td>-</td></tr><tr><td>데이터 로거</td><td>HOBO 데이터 로거스, 본, 미국.</td><td>HOBO U30 스테이션, https://www.hobodataloggers.com.au/product/hobo-u30-usb-stand-alone-data-logger/</td><td>-</td></tr><tr><td>Data Logger Desktop Client</td><td>온셋 컴퓨터 코퍼레이션, 매사추세츠, 미국</td><td>HOBOware 버전 3.7.28, https://www.onsetcomp.com/support/help-center/software/hoboware</td><td>-</td></tr><tr><td>GNSS 안테나 키트</td><td>ArduSimple, 안도라 라 벨라, 안도라</td><td>AS-STARTKIT-LR-L1L2-EUNH-00</td><td>-</td></tr><tr><td>GNSS 로거 데스크톱 클라이언트</td><td>u-blox AG, 스위스 탈빌</td><td>u-center GNSS, [원문 그대로] 평가 소프트웨어 버전 25.03, https://content.u-blox.com/sites/default/files/documents/u-center-25.03_ReleaseNote_UBXDOC-304424225-19688.pdf</td><td>-</td></tr><tr><td>노트북 컴퓨터&nbsp;</td><td>-</td><td>-</td><td>GNSS 및 데이터 로거 데스크톱 클라이언트와 호환되는 윈도우(마이크로소프트 코퍼레이션, 레드먼드, 미국 ) 버전을 실행하는 노트북이라면 모두 가능합니다.</td></tr><tr><td>LIFT 센서 어셈블리 데스크탑 클라이언트</td><td>솔리엔세 주식회사, 뉴욕, 미국</td><td>버전.2016.04</td><td>-</td></tr><tr><td>LIFT 센서 어셈블리 (240V 메인 어댑터 포함)</td><td>솔리엔세 주식회사, 뉴욕, 미국</td><td>리프트-렘</td><td>실제 LIFT 센서 외에도, LIFT 센서 어셈블리에는 FLIR Integrated Imaging Solutions Inc.(브리티시컬럼비아, 캐나다)[현재 Teledyne FLIR LLC, Wilsonville, U.S.A.]에서 공급한 두 대의 Blackfly S BFS-U3-50S5C 카메라 두 대와 Ocean Insight에서 제공하는 0.46nm 해상도의 400에서 800 nm 분광기로 구성된 RGB 스테레오 카메라 시스템이 포함되어 있습니다. [지금 오션 옵틱스] (올랜도, 미국). <브르/> & nbsp; 로봇은 측정 및 점근을 수행합니다; 170 & 횟수; 210 & 횟수; 길이 및 시간, 너비 및 높이 90cm, 무게 및 가십; 170kg. LIFT 센서 어셈블리는 측정 및 근처; 23시간 이상; 34 & times; 59cm(길이 및 시간, 너비 및 높이, 로봇에 장착된 기준).</td></tr><tr><td>전력 인버터 (12V DC to 240 V 50 Hz AC)</td><td>그린 셀 CSG S.A., 크라쿠프, 폴란드</td><td>INV08</td><td>-</td></tr><tr><td>파워뱅크</td><td>-</td><td>-</td><td>USB 보조 배터리면 충분해요.</td></tr><tr><td>PPFR 센서</td><td>HOBO / LI-COR, 미국 링컨</td><td>S-리아-M003</td><td>-</td></tr><tr><td>로봇 제어 웹사이트</td><td>카테라 AG, 오프피콘, 스위스</td><td>-</td><td>링크는 각 고객에게 로봇 제조사가 개별적으로 제공합니다.</td></tr><tr><td>로봇 프로토타입 섀시 (리모컨과 240V 메인 배터리 충전기 포함)</td><td>카테라 AG, 오프피콘, 스위스</td><td>파이어플라이(프로토타입, 마케팅 미완료), https://caterra.org/en/technologie/</td><td>적절한 탑재 용량, 궤도 폭, 지상고를 가진 다른 현장 로봇도 사용할 수 있습니다.</td></tr><tr><td>흰색 참조 패널</td><td>-</td><td>-</td><td>흰색이나 회색 참조면 충분해요.</td></tr></tbody></table>

자율 로봇을 이용한 작물 식물의 광합성 효율을 현장에서 고처리량으로 스크리닝합니다

High-Throughput, In-Field Screening of Photosynthetic Efficiency in Crop Plants Using an Autonomous Robot

총 2025년 6월 12일부터 27일까지 7일간 36개의 대두(Glycine max ( L.) Merr.) 번식주에 대해 91,205건의 ChlF 일시적 측정이 이루어졌습니다. 74,927개의 데이터 포인트를 그래프에 지리참조할 수 있었고, 58,916개는 데이터 품질을 필터링하여 스펙트럼 및 기상 데이터와 성공적으로 일치시켰습니다. 측정 설정과 대표성 데이터에 대한 개요는 그림 1에 나와 있으며, 작동 중인 기기 이미지(그림 1A), 12개 대두 유전자형에 걸친 ChlF 유도 동역학(그림 1B), 그리고 해당 스펙트럼 반사율 곡선(그림 1C)이 포함되어 있습니다.
지리참조 데이터는 두 실험 필드 간 Fq'/Fm'와 NDVI에서 뚜렷한 공간적 변동이 있음을 보여주었습니다(그림 2). 이러한 공간 패턴은 로봇의 주행 방향(그림 3)과 부분적으로 연관되어 있었으며, 따라서 이후 모델링에서 표적 잎에 미치는 음영 효과를 줄이기 위해 이를 고려했습니다.
F q'/Fm'의 반응을 선형 혼합 효과 모델링으로 측정한 PPFR(그림 4A)은 분산의 상당 부분을 설명했다(R<img alt="식10" src="/files/ftp_upload/69530/69530eq10v6.jpg" style="font-size: 14px; margin: 0px; margin-bottom: -5px;" data-altupdatedat="1783400419000" data-alt="Equation 10"> = 0.45, R<img alt="방정식 11" src="/files/ftp_upload/69530/69530eq11v6.jpg" style="font-size: 14px; margin: 0px; margin-bottom: -5px;" data-altupdatedat="1783400419000" data-alt="Equation 11"> = 0.60). 추출한 유전자형 특이적 경사면(반응 G: PPFR)은 번식 계통 간 뚜렷한 차이를 보였으며(그림 4B), 몇몇 계통은 패널 평균에 비해 반응 곡선이 더 가파르거나 평탄한 것을 보였다(그림 4C).
마지막으로, RGB 영상과 매칭 및 스테레오 3D 재구성(MASt3R) 알고리즘36(그림 5)에서 파생된 캐노피 레벨 3D 재구성은 LIFT 기반 생리학적 측정과 구조적 표현형 분석을 통합하여 3차원 캐노피 구조를 포착할 수 있는 잠재력을 입증했습니다.
<img alt="그림 1" class="xfigimg" src="/files/ftp_upload/69530/69530fig1.jpg" data-altupdatedat="1783400419000" data-alt="Figure 1"> 
그림 1: 대두 유전자형에 대한 빛 유도 형광 과도(LIFT) 및 스펙트럼 반사율 측정 개요. (A) 작동 중인 LIFT 장치의 예시 이미지. 흡입구는 엽록소 형광(ChlF)을 유도하는 청색 여기 빔을 보여줍니다. (B) 2025년 6월 27일 측정된 12개 대두 유전자형에 대한 일시적 ChlF 유도 곡선(평균 ± SD, n은 유전자형당 88개에서 553개 사이, 총 n = 2,035). (C) 2025년 6월 25일에 측정된 동일한 유전자형에 대한 해당 잎 반사 스펙트럼(평균 ± SE, n 총 = 2,035). 색상은 개별 유전자형을 나타내며; 오차 바는 반복 측정값 간의 변동을 나타냅니다. <a href="https://www.jove.com/files/ftp_upload/69530/69530fig1large.jpg" target="_blank">이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.</a>
<img alt="그림 2" class="xfigimg" src="/files/ftp_upload/69530/69530fig2.jpg" data-altupdatedat="1783400419000" data-alt="Figure 2"> 
그림 2: 광계 II의 양자 효율과 정규화 식생 지수(NDVI) 값의 공간적 분포. 광계 II의 (상단) 양자 효율(Fq'/Fm')과 (하단) 정규화 식생 지수(NDVI) 값의 공간적 분포가 두 개의 실험 대두 밭(총 120개 구획과 36개 번식계)에서 측정되었습니다(n = 58,916). 점들은 측정 위치를 나타내며, 색깔은 관측값을 나타내고 도형은 로봇의 방향을 나타냅니다: 북서쪽(NW), 북동쪽(NE), 남서쪽(SW), 남동쪽(SE) 방향입니다. 검은 선이 필드 플롯 경계를 구분합니다. 검은 점은 현장 로봇의 글로벌 내비게이션 위성 시스템(GNSS) 좌표를 나타냅니다. <a href="https://www.jove.com/files/ftp_upload/69530/69530fig2large.jpg" target="_blank">이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.</a>
<img alt="그림 3" class="xfigimg" src="/files/ftp_upload/69530/69530fig3.jpg" data-altupdatedat="1783400419000" data-alt="Figure 3"> 
그림 3: 광계 II의 양자 효율. 박스플롯은 북동(NE) 방향과 남서(SW) 방향 모두에서 광계 II의 양자 효율(Fq'/Fm')과 680 nm에서 입사 복사 로그를 보여줍니다(nNE = 14,339, nSE 방향 = 25,669, 총 n = 40,008). 로봇은 아침에는 남서쪽, 오후에는 동쪽으로 이동하면서 측정 지점에 그늘을 가리고 있었습니다. 각 박스는 인터쿼틀리 범위(IQR)를 나타내며, 수평선과 수염은 각각 중앙값과 1.5 × IQR 한계를 나타냅니다. <a href="https://www.jove.com/files/ftp_upload/69530/69530fig3large.jpg" target="_blank">이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.</a>
<img alt="그림 4" class="xfigimg" src="/files/ftp_upload/69530/69530fig4.jpg" data-altupdatedat="1783400419000" data-alt="Figure 4"> 
그림 4: 광합성 반응 기울기. (A) 선형 혼합 효과 모델링을 기반으로 한 두 대두 실험 분야 간의 추정 광합성 반응 기울기(유전자형과 광합성 광자 플럭스 속도 간 상호작용(G: PPFR)의 공간적 변동. (B) 개별 번식 계통에 대한 조정된 평균 및 모델 추정 광합성 반응 기울기, 관심 있는 유전자형은 색상으로 강조됨. (C) 강조된 유전자형에 대한 입시 PPFR과 광계 II 양자 효율 (Fq'/Fm') 간의 관계, 적합한 제곱근 회귀 곡선. <a href="https://www.jove.com/files/ftp_upload/69530/69530fig4large.jpg" target="_blank">이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.</a>
<img alt="그림 5" class="xfigimg" src="/files/ftp_upload/69530/69530fig5v2.jpg" data-altupdatedat="1783400419000" data-alt="Figure 5"> 
그림 5: LIFT에 의한 캐노피 구조 측정. 콩 품종인 갈렉의 캐노피 건축물이 보여집니다. (A) 빛 유도 형광 과도(LIFT) 장치의 빨강, 초록, 파랑(RGB) 카메라가 광합성 스크리닝 중 이미지를 획득했습니다. (B, C) 매칭 및 스테레오 3D 재구성(MASt3R) 알고리즘36 이 3D 캐노피 구조를 재구성하는 데 사용되었습니다. 피라미드는 추정된 카메라 위치를 나타냅니다. <a href="https://www.jove.com/files/ftp_upload/69530/69530fig5large.jpg" target="_blank">이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.</a>

Photosynthesis supplies energy not only for plant biomass production but also for symbiotic processes such as nitrogen (N) fixation. Whereas the potential ...

high-throughput-field-screening-photosynthetic-efficiency-crop-plants

Research

연구

JoVE Journal

Biology

생물학

우리는 소개, 추적 및 식물 세포에서 GFP의 표현의 정량 분석​​에 대한 방법을보고합니다. 이 방법은 시간이 지남에 샘플을 다수의 세미 연속 이미지 수집을위한 맞춤 설계된 로봇 시스템을 사용합니다. 우리는 또한 이미지 시리즈의 분석 ImageJ와 ImageReady의 사용을 보여줍니다.

로보틱스 및 식물 조직에서 유전자 발현의 연구 동적 이미지 분석

이 프로토콜은 시중에서 구입할 수있는 평판 스캐너를 사용하여 중력 자극에 응답 애기 모종의 이미지를 신속하게 수집을위한 프로세스를 설명합니다. 방법은 다운 스트림 분석 알고리즘에 대한 의무 고해상도 이미지의 저렴한 대용량 포착을 허용한다.

애기 장대 루트 Gravitropic 응답의 고해상도 시간 경과 이미지를 수집하는 평판 스캐너를 사용하여

높은 처리량, 자동화, 담배 원형질체 생산 및 변환 방법이 설명되어 있습니다. 로봇 시스템이 아닌 모델 작물로 번역해야한다 모델 BY-2 시스템에 대규모 병렬 유전자 발현 및 검색 할 수 있습니다.

높은 처리량 원형질체 분리 및 변환을위한 로봇 플랫폼

합성 작은 분자의 높은 처리량 화면 모델 식물 종, 애기 thaliana에 실시 됐다. 액체 처리 로봇에 대 한 개발이 프로토콜 앞으로 화학 유전학 스크린, 식물 생리학에 영향을 미치는 새로운 작은 분자의 발견을 가속의 속도가 증가 합니다.

높은 처리량 앞으로 화학 유전학의 화면 애기 thaliana 을 액체 처리 로봇의 사용을 최적화

분산 로봇 노드는 등반 식물의 성장 궤적을 조종하는 청색광 자극의 시퀀스를 제공합니다. 자연 광도증을 활성화함으로써 로봇은 이진 좌우 결정을 통해 식물을 안내하고, 로봇이 휴면 상태일 때 는 대조적으로 불가능한 미리 정의된 패턴으로 성장시다.

유도 된 식물 성장을위한 로봇 감지 및 자극 제공

이 프로토콜은 펄스 진폭 변조된 엽록소 형광 측정법에 의한 비광화학적 담금질의 완화를 측정하기 위한 고처리량 방법을 도입한다. 이 방법은 현장에서 자란 글리신 맥스 에 적용되며 유전 적 다양성 또는 번식 집단을 스크리닝하기 위해 다른 종에 적응할 수 있습니다.

펄스 진폭 변조된 엽록소 형광계를 이용한 작물에서의 비광화학적 담금질의 고처리량 분석

우리는 엽록소 형광을 사용하여 낮은CO2 로 처리 한 후 식물에서 광합성 효율의 변화를 측정하는 접근법을 설명합니다.

엽록소 형광 분석에 의한 광호흡 돌연변이체의 광합성 효율 평가

우리는 무인 항공기(UAV) 원격 감지에서 얻은 데이터를 활용하여 바이오매스를 평가하고 침입종의 공간 분포를 캡처하는 침입 식물 바이오매스 추정 방법에 대한 자세한 절차를 보고합니다. 이 접근 방식은 침입 식물에 대한 위험 평가 및 조기 경고를 수행하는 데 매우 유용한 것으로 입증되었습니다.

침입 식물에 대한 컴퓨터 비전 기반 바이오매스 추정

여기에서는 애기장대 묘목 탈에티올화의 초기 단계에서 엽록소 생합성 모니터링을 위해 설계된 고급 도구에 대해 설명합니다. 이 새로운 방법론은 높은 공간 및 시간 분해능에서 비침습적 실시간 엽록소 형광 이미징을 제공합니다.

애기장대 탈에티올화의 초기 단계 동안 엽록소 생합성 역학 측정을 위한 비침습적 분석

우리는 단일 및 복합 열, 가뭄 및 침수 처리에 대한 형태학적 및 생리학적 반응을 결정하기 위해 이미지 기반 표현형 프로토콜을 설계했습니다. 이 접근 방식을 통해 전체 플랜트 수준, 특히 지상 부품에서 초기, 후기 및 복구 반응을 식별할 수 있었고 여러 이미징 센서 사용의 필요성을 강조했습니다.

감자의 단일 및 결합 스트레스에 대한 형태학적 및 생리학적 반응을 결정하기 위한 고처리량 이미지 기반 표현형 분석

표현형을 측정하기 위한 저비용 식물 이미징 방법과 이미지 캡처를 위한 모범 사례 및 식물 형질을 정량화하기 위한 이미지 분석 파이프라인이 제시됩니다. 이러한 방법은 더위, 가뭄 및 결합된 비생물적 스트레스 조건에서 옥수수(Zea mays) 표현형을 측정하는 데 적용되었습니다.

Maize (Zea mays) 비생물적 스트레스 표현형을 정량화하기 위한 이미징 및 분석

배우세요 자율 로봇을 활용한 현장 고처리량 광합성 스크리닝 방법입니다. 작물의 광계 II 양자 효율과 식물 구조를 비파괴적으로 측정하여 육종 시험의 효율성을 높입니다.

자율 로봇을 이용한 작물 식물의 광합성 효율을 현장에서 고처리량으로 스크리닝합니다

더 많은 동영상 탐색