Summary
نقدم بروتوكول لعد آذان القمح والشعير القاسي، باستخدام الصور الفوتوغرافية الرقمية الطبيعية لون (RGB) اتخذت في ضوء الشمس الطبيعي في الظروف الحقلية. مع تسويات الحد الأدنى للمعلمات الكاميرا وبعض القيود الظروف البيئية، توفر التقنية نتائج دقيقة ومتناسقة عبر مجموعة من مراحل النمو.
Abstract
الكثافة الإذن، أو العدد من الأذنين في المتر المربع (آذان/م2)، محور تركيز في كثير من محاصيل الحبوب تربية برامج، مثل القمح والشعير، الذي يمثل عنصرا هاما غلة زراعية لتقدير محصول الحبوب. ولذلك، سيساعد في تحسين الإدارة الزراعية، وتوفير التحسينات في التنبؤات الغلة بريهارفيست، تقنية سريعة وفعالة وموحدة لتقييم كثافة الإذن أو حتى أن يستخدم كأداة لتربية المحاصيل عند أنه تم تعريف كسمة ذات أهمية. ليس فقط هي التقنيات الحالية للإذن دليل التقييمات كثافة شاقة وتستغرق وقتاً طويلاً، ولكن أيضا دون أي بروتوكول موحد الرسمية، سواء عن طريق خطي متر، منطقة رباعي، أو الاستقراء على أساس كثافة النباتات الإذن والنبات حساب ما بعد الحصاد. إذن تلقائي عد خوارزمية يرد بالتفصيل لتقدير كثافة الإذن مع أشعة الشمس في الإضاءة فقط في الظروف الميدانية استناداً إلى الصور الرقمية، مما يسمح للفائق السمتي (نادر) اللون الطبيعي (الأحمر والأخضر والأزرق [RGB]) القياسات الموحدة. تجارب ميدانية مختلفة من القمح القاسي والشعير موزعة جغرافيا إسبانيا خلال عام 2014/2015 وعام 2015/2016 مواسم المحاصيل في المروية والمحاكمات البعلية استخدمت لتقديم نتائج تمثيلية. ويشمل البروتوكول ثلاث مراحل مرحلة نمو المحاصيل وتخطيط الحقل الشرط، والمبادئ التوجيهية لالتقاط الصورة وخوارزميه كمبيوتر من ثلاث خطوات: (ط) عامل تصفية Laplacian تردد لإزالة القطع الأثرية منخفضة وعالية التردد، (ثانيا) عامل تصفية الوسطية للحد من ارتفاع الضوضاء، وتجزئة (ثالثا) والعد باستخدام قمم ماكسيما المحلية للعد النهائي. يجب أن يتم إدخال بعض التعديلات الطفيفة على قانون خوارزمية المقابلة لدقة الكاميرا والبعد البؤري، والمسافة بين الكاميرا ومظلة المحاصيل. تدل النتائج نسبة نجاح عالية (أعلى من 90 ٪) وقيم2 R(من 0.62-0.75) بين التهم خوارزمية وتعول الإذن المستندة إلى الصور اليدوية للقمح القاسي والشعير.
Introduction
استخدام الحبوب العالمي في عام 2017/2018 يقال زيادة بنسبة 1% من العام السابق1. استناداً إلى أحدث التنبؤات لاستغلال الإنتاج والسكان الحبوب، الحبوب العالمي مخزونات تحتاج إلى زيادة الغلة بمعدل أسرع من أجل تلبية الطلبات المتزايدة، بينما تتكيف أيضا زيادة آثار تغير المناخ2. ولذلك، هناك نقطة تركيز هامة في تحسين غلة محاصيل الحبوب من خلال تقنيات تربية المحاصيل المحسنة. اثنين يتم تحديد أهم وحصاد الحبوب في منطقة البحر الأبيض المتوسط كأمثلة لهذه الدراسة، هي والقمح القاسي (قمح aestivum L. موفر القاسي [دسف.]) والشعير (فولغاري شعير ل.). القمح القاسي، استطرادا، الحبوب المزروعة أكثر على هامش جنوب وشرق حوض البحر الأبيض المتوسط وهو العاشر أهم المحاصيل في جميع أنحاء العالم، نظراً لإنتاجها السنوي من 37 مليون طن سنوياً3، بينما هو الشعير العالمي الرابع الحبوب من حيث الإنتاج، مع إنتاج عالمي 144.6 مليون طن سنوياً4.
الاستشعار عن بعد وتقنيات تحليل الصورة الدانية هي الأدوات الرئيسية على نحو متزايد في النهوض بمجال النبات الفائق phenotyping (HTPP) كما أنها لا توفر أكثر مرونة ولكن أيضا، في كثير من الأحيان، المحاصيل استرجاع البيانات أكثر دقة واتساقا للهدف بريهارفيست الصفات بيوفيسيولوجيكال، مثل تقييمات لنشاط التمثيل الضوئي، والكتلة الحيوية، وتقديرات العائد، والتحسينات حتى في التوريث سمة، مثل الكفاءة في الموارد استخدام واستيعاب5،6،7 ،،من89. الاستشعار عن بعد وقد تركز تقليديا على متعددة الأطياف، والنطاق الطيفي، وأجهزة الاستشعار من منصات جوية للزراعة الدقيقة في مقياس الحقل أو لمصنع فينوتيبينج دراسات في ميكروبلوت التصوير الحراري10. الكاميرات الرقمية المشتركة المتاحة تجارياً، وقياس الضوء المنعكس مرئية فقط كانت كثيرا ما يغفل عنها، على الرغم من حلها مكانية عالية جداً، ولكن مؤخرا أصبحت شعبية كما خوارزميات معالجة الصور مبتكرة جديدة قادرة على نحو متزايد للاستفادة من اللون المفصلة والمعلومات المكانية التي يقدمونها. العديد من أحدث الابتكارات في تحليل الصور الزراعية المتقدمة يتزايد الاعتماد على تفسير البيانات التي قدمتها صور RGB (VHR) ذات الدقة العالية جداً (لقياسها لانعكاس الضوء المرئي الأحمر والأخضر والأزرق)، بما في ذلك المحاصيل رصد (حيوية ومراقبة وتقييم المرض وتحديد الهوية) وتجزئة والقياس الكمي (ظهور والكثافة الإذن وتهم بالزهور والفواكه) وإعادة البناء حتى كامل 3D على أساس هيكل جديد من اقتراح مسارات العمل11.
إحدى النقاط الأساسية للتحسين في إنتاجية الحبوب هو إجراء تقييم أكثر كفاءة من الغلة، التي تتحدد بثلاثة عناصر رئيسية: الإذن الكثافة أو عدد الأذنين في المتر المربع (آذان/م2)، وعدد الحبوب في الإذن، و وزن ألف-النواة. الكثافة الإذن يمكن الحصول عليها يدوياً في الحقل، ولكن هذا الأسلوب، شاقة وتستغرق وقتاً طويلاً، وتفتقر إلى بروتوكول موحد واحد، الذي معا ربما يسفر مصدرا هاما للخطأ. إدراج تلقائي عد آذان مهمة صعبة بسبب بنية معقدة المحاصيل، إغلاق مصنع التباعد، ارتفاع مدى التداخل وعناصر أساسية، ووجود أونس. العمل الأخيرة تقدما في هذا الاتجاه باستخدام بنية خلفية سوداء تدعمها ترايبود بغية الحصول على صور المحاصيل المناسبة، مما يدل على نتائج جيدة إلى حد ما في الإذن عد12. وبهذه الطريقة، تجنب أشعة الشمس المفرطة، وتأثيرات الظل، ولكن مثل هذا هيكل سيكون مرهقة وقيدا رئيسيا في تطبيق للظروف الميدانية. وثمة مثال آخر هو إذن تلقائي عد الخوارزمية التي تم تطويرها باستخدام نظام phenotyping مؤتمتة بالكامل مع الهزال يجهز جامدة، التي استخدمت بقدر جيد من الدقة لعد كثافة الإذن في فريق يتألف من خمسة من قمح الخبز عونلس (قمح أيستيفوم ل.) أصناف تنمو تحت ظروف مختلفة النيتروجين13. وقد الأمثل العمل مؤخرا فرنانديز-جاليجو14 هذه العملية لالتقاط البيانات أسهل وأسرع، واستخدام صور لون VHR RGB تليها تحليلات الصورة أكثر تقدما، ولكن لا يزال مؤتمتة بالكامل،. جمع البيانات تتسم بالكفاءة والجودة العالية في الظروف الميدانية تؤكد على بروتوكول موحد مبسط للاتساق والإنتاجية التقاط البيانات عالية، بينما يستخدم خوارزمية معالجة الصور الرواية واستخدام المجال Laplacian والتردد مرشحات لإزالة مكونات الصورة غير مرغوب فيه قبل تطبيق تجزئة لعد استناداً إلى إيجاد ماكسيما المحلية (في مقابل الحصول على ترسيم كامل كما هو الحال في غيرها من الدراسات السابقة، مما قد يتسبب في المزيد من الأخطاء مع آذان متداخلة).
ويقترح هذا العمل نظام بسيط للتحديد الكمي التلقائي لكثافة الإذن في الظروف الميدانية، باستخدام الصور التي تم الحصول عليها من الكاميرات الرقمية المتاحة تجارياً. هذا النظام يستفيد من الضوء الطبيعي في مجال شروط، ويتطلب بالتالي، النظر في بعض العوامل البيئية ذات الصلة، مثل الوقت من اليوم وسحابة الغطاء، ولكنه يبقى، في الواقع، بسيطة لتنفيذ. النظام قد ثبت على أمثلة للقمح القاسي والشعير ولكن ينبغي أن تكون قابلة للتمديد في التطبيق خبز القمح، التي تعتبر، إلى جانب العارضة آذان مع مورفولوجيا مماثلة، كثيرا ما عونلس، ولكن تجارب أخرى ستكون مطلوبة من أجل ويؤكد ذلك. التقاط البيانات بروتوكول المعروضة هنا، يتم أخذ صور السمتي بمجرد عقد الكاميرا باليد أو باستخدام monopod للكاميرا الرقمية أعلاه المحاصيل لتحديد المواقع. يمكن الحصول على التحقق من صحة البيانات عن طريق العد آذان يدوياً للحبكات الجانبية في الميدان أو من خلال تحليل نتائج العمل، عن طريق العد الأذنين في الصورة نفسها. خوارزمية معالجة الصور تتكون من ثلاث عمليات، أولاً، فعالية إزالة العناصر غير المرغوب فيها من الصورة بطريقة، ثم يسمح لتجزئة اللاحقة والعد في آذان القمح الفردية في الصور المكتسبة. أولاً، يتم استخدام عامل تصفية تردد Laplacian بغية الكشف عن التغييرات في مختلف الاتجاهات المكانية للصورة باستخدام إعدادات عامل التصفية الافتراضي ImageJ دون تعديلات حجم نواة نافذة (يحدد أسلوب تجزئةماكسيما العثور وقد قمم المحلية بعد الخطوة التصفية المكانية الوسيط، في المرحلة التي تتعلق بكسل مع آذان قيم بكسل أعلى من التربة أو يترك. ولذلك "تجد ماكسيما" يستخدم للجزء القيم السامية في الصورة، وتلك المناطق المسماة الأذنين، الذي يحدد آذان أيضا تقليل أخطاء الإذن المتداخلة. ثم يتم استخدام تحليل الجزيئات على صور ثنائية للاعتماد و/أو قياس المعلمات من المناطق التي تم إنشاؤها بواسطة التباين بين سطح أبيض وأسود تم إنشاؤها بواسطة خطوة "البحث عن ماكسيما". ثم تتم معالجتها النتيجة لإنشاء تجزئة صورة ثنائية من خلال تحليل التباين بكسل الجار أقرب حول كل الحد الأقصى المحلية لتحديد الأشكال الإذن القمح في الصورة التي تمت تصفيتها. يتم حساب كثافة الإذن أخيرا، استخدام "تحليل الجزيئات"، كما نفذت في فيجي15. ماكسيما البحث وتحليل الجزيئات وظائف مستقلة والمتاحة الإضافات في فيجي (https://imagej.nih.gov/ij/plugins/index.html). ولو لم يقدم على وجه التحديد في البروتوكول هنا، تشير النتائج الأولية التي قدمت كمواد تكميلية إلى أن هذا الأسلوب قد تكون قابلة للتكيف لإجراء استقصاءات الإذن عدد من المركبات الجوية غير المأهولة (الطائرات)، تنص على أن القرار وما زالت مرتفعة بما فيه الكفاية14.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1-بريفيلد مرحلة نمو المحاصيل والظروف البيئية
- تأكد من أن مرحلة نمو المحاصيل تقريبا بين شغل الحبوب وقرب نضج المحاصيل، مع الأذنين التي لا تزال خضراء حتى ولو كانت الأوراق مسن (الذي يقابل في حالة القمح إلى طائفة زادوكس بمقياس1660-87). بعض اصفرار الأوراق مقبول ولكن ليس من الضروري.
- إعداد خطة أخذ عينات لالتقاط الصور مع مختلف replicates (الصور كل قطعة أرض) من أجل التقاط مساحة الأرض/تقلب؛ خوارزمية معالجة الصور سيتم حساب عدد الأذنين في الصورة وتحويل ذلك إلى آذان كل متر مربع (آذان/م2) استناداً إلى مواصفات الكاميرا.
- خطة الرحلات الميدانية لالتقاط الصور خلال ساعتين من ظهر الطاقة الشمسية، أو بدلاً من ذلك، في يوم غائم في ظروف الإضاءة منتشر لتفادي الآثار السلبية للإذن التظليل على الإذن عد الخوارزمية.
- مرة واحدة في الميدان، تحقق أعلى المظلة المحاصيل للتأكد من أنها جافة لتفادي انعكاس الضوء براق من الرطوبة.
ملاحظة: عند النظر في أهداف هذا البروتوكول، من المهم أولاً النظر فيما إذا كان مرحلة نمو المحاصيل المناسبة لتطبيق الإذن التهم الموجهة إليه. التقاط الصور خارج من مرحلة النمو الموصى بها يؤدي أما إلى دون المستوى الأمثل أو في النتائج لا معنى لها (لم تكن آذان الحاضرين أو ظهرت تماما). وقد جودة الصورة أيضا كبير الأثر في معالجة النتائج، بما في ذلك القرار وحجم أجهزة الاستشعار، وبعض الظروف البيئية، مثل الوقت من اليوم وسحابة الغطاء، بحاجة إلى النظر بعناية قبل الشروع في التقاط الصور.
2-صورة التقاط في الظروف الميدانية مع الضوء الطبيعي
- إعداد "فينوبولي" كما هو موضح في الشكل 1 أو اقتناء نظام مماثل (حتى يده) لالتقاط الصور بسرعة وموحدة ومتسقة طريقة في كل مؤامرة أو استهداف الموقع.
الشكل 1 : الإذن عد النظام. الإذن عد النظام باستخدام "فينوبولي" الذي يظهر في الحقل على اليسار، مع استشعار الألوان الطبيعية الخاضعة للمراقبة عن بعد (RGB) كبيرة ونظام الكاميرا الرقمية ذات الدقة العالية مع إمالة الكاميرا والارتفاع، مما يشير إلى المعايير اللازمة لضبط خوارزمية معالجة الصور. القرار الاستشعار والصورة يتم الكشف عن تلقائياً بخصائص الصورة، بينما ينبغي إدخال المستخدم مواصفات عدسة البعد البؤري والمسافة من المظلة. وهذه ضرورية لضبط خوارزمية يقدر عدد البكسل في الإذن، وكذلك تحويل العد المستندة إلى الصورة الإجمالية الإذن إلى الإذن الكثافة (آذان/م2). ولهذا السبب، من المستحسن استخدام نفس الكاميرا والعدسة البعد البؤري لكل حقل الصور. الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم-
- ضع الكاميرا على monopod مناسبة أو القطب "سيلفي" حيث أن أنه يمكن الإبقاء على مستوى، أما باستخدام نظام استقرار في الكاميرا، أو فقاعات المستوى للحصول على صور السمتي.
- استخدام هاتف المحمول أو الكمبيوتر اللوحي أو جهاز آخر لتوصيل الكاميرا لكل جهاز التحكم عن بعد صورة القبض وصورة التصور لأفضل النتائج مع الصور مركزة بشكل صحيح. برنامج الكاميرا لضبط تلقائي للصورة من أجل تقليل أية أخطاء في حالة المستخدم غير دراية كافية تقنيات الكاميرا أو التصوير الفوتوغرافي لتعيين تركيز يدوي صحيح، كما يتبين من أمثلة الصور السمتي مع التركيز الصحيح والتعرض في 2 الرقم.
الشكل 2 : الصور المحاصيل السمتي. القمح القاسي والشعير الإذن الصور السمتي للإذن عد أمثلة مجموعة البيانات مع مرحلة مقبولة من النمو والشيخوخة من حوالي 61 إلى 87 وفقا لمقياس زادوكس. (اليسار) بيانات الصورة السمتي القمح القاسي مثالاً يحتذى. (اليمين) على سبيل المثال مجموعة بيانات الصورة السمتي الشعير. الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم-
- تحيط علما بعدد الصور قبل التقاط الصورة من أجل مطابقة الصور بشكل صحيح مع قطع الحقل. سجل صورة واحدة من منطقة حقل عامة في البداية وصورة واحدة من الأرض والميدان بين كتل لتحليل نتائج العمل ضوابط.
- وضع الكاميرا في حوالي 80 سم فوق الجزء العلوي من الستارة المحاصيل، باستخدام سلسلة المسطرة أو القياس لفحص دوري لارتفاع الكاميرا فوق المظلة. ضمان مستوى الكاميرا والتقاط الصورة. قد يتطلب هذا الأسلوب researcher(s) 1-2.
- إذا كان حقل إضافي الإذن حساب التحقق من الصحة هو المطلوب وبصرف النظر عن عملية التحقق عد يدوي صورة، تثبيت ملحق الذراع إلى الإطار (مثلاً، دائرة صغيرة) ووضعه في وسط الصورة من أجل إجراء تهم الحقل يدوياً من مجموعة فرعية صورة دقيقة؛ قد يتطلب هذا الأسلوب 2-3 أشخاص لتنفيذ.
ملاحظة: ثلاثة اعتبارات رئيسية في اختيار كاميرا، ولذلك، تشمل: مواصفات الكاميرا (1)؛ في هذه الحالة، أجهزة الاستشعار الحجم المادي؛ (2) البعد البؤري للعدسة الصورة؛ (3) المسافة بين المظلة والكاميرا: مسافات أصغر أو أكبر من عدسات التكبير ستستحوذ على منطقة صغيرة في حين سيتم التقاط الصور التي تم التقاطها من مسافة أكبر منطقة محصول أكبر. انظر الشكل 1 للحصول على التفاصيل حول المواصفات كاميرا ذات الصلة.
3-خوارزمية التنفيذ والتعديلات
ملاحظة: نقدم هنا تنفيذ خوارزمية والتسويات لمواصفات الكاميرا مختلفة (حجم جهاز استشعار، ميغابكسل، البعد البؤري، والمسافة إلى المحاصيل) والمحاصيل (القمح القاسي أو الشعير) لعد الإذن التلقائي. وترد لمحة عامة عن الخوارزمية بيانيا في الشكل 3.
الشكل 3 : خط أنابيب تجهيز الصور لعد الإذن الشعير صفين. تنفيذ خط أنابيب تجهيز الصور للشعير صفين عد الإذن كاستخدام رمز كمبيوتر محددة أو باستخدام البرمجيات سيريلسكانير ، وكلاهما يعمل في فيجي (إيماجيج). تظهر لوحة 1 الصورة الأصلية. الفريق 2 يبين نتائج تطبيقات تصفية Laplacian. الفريق 3 يظهر تطبيق عامل التصفية متوسط، و 4 لوحة يظهر نتائج نهائية "ماكسيما العثور" وتجزئة لإنتاج عد الإذن النهائي. ثم، يتم إجراء العمليات الحسابية لتحويل عدد الصور إلى كثافة الإذن، كما هو مبين في الشكل 1. هذه الصور مثال مأخوذة من موقع الحقل أرازوري (شمال شرق إسبانيا، 42 ° 48 '33.9"ن 1 ° 43 '37.9" W) منتشر في ضوء الظروف. الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم-
- تحميل وتثبيت فيجي، جافا 8، ورمز المعالجة أو في جامعة برشلونة الملكية المساعد سيريلسكانير (https://fiji.sc/، https://www.java.com/en/download/، و https://integrativecropecophysiology.com/software-development/cerealscanner/[معلومات] أو https://gitlab/sckefauver/CerealScanner [رمز المستودع])؛ الاتصال مع المؤلفين المقابلة لأذونات الوصول. يتم تثبيت البرنامج المساعد داخل فيجي ببساطة نسخها في مجلد الإضافات.
- فتح البرنامج المساعد من أعلى القائمة من خلال الإضافات > سيريلسكانير > "فتح الحبوب الماسح".
ملاحظة: وبصرف النظر عن العمل الذي عرضه هنا، البرنامج المساعد سيريلسكانير يشمل عدة مؤشرات النباتات المستندة إلى RGB مختلفة تتصل بحيوية المحاصيل، والإجهاد، أو الكلوروفيل17،18. ويشمل الجزء سيريلسكانير محددة خوارزميات محددة ل حيوية المبكر (فرنانديز-جاليجو، في استعراض) و الإذن عد1419من الشيخوخة المحاصيل، كما هو مبين في الشكل 4. - أدخل تعديلات مواصفات الكاميرا وتفاصيل التقاط الصورة إذا كانت مختلفة عن القيم الافتراضية (انظر الشكل 1 و الشكل 4 لمزيد من التفاصيل).
- ضبط المعلمة خوارزمية للبعد البؤري الكاميرا.
- ضبط المعلمة خوارزمية للمسافة من مظلة المحاصيل.
الشكل 4 : "بيتا 2.12 سيريلسكانير" التبويب المركزية على كل المستويات، وضع العلامات الدالة "عد الإذن" داخل مجموعة خوارزمية سيريلسكانير. يجب تحديد المستخدم.. زر الحق في مدخلات دفعة إلى حدد المجلد حيث يتم تخزين ملفات الصور، وتغيير القيم الافتراضية للمسافة ح (المسافة من الكاميرا إلى الجزء العلوي من الستارة المحاصيل) والبعد البؤري، وإذا كان مختلفاً عن التقصير قيم t، ثم قم بتحديد... زر لملف النتائج الحق في اختيار اسم وموقع لملف النتائج النهائية. علامات التبويب الأخرى سيريلسكانير ينص على خوارزميات تستند إلى سمة فينوتيبينج على حيوية المبكرة وبداية مرحلة النضج كجزء من مجموعة التعليمات البرمجية سيريلسكانير. ضمن علامة التبويب طاقة الكتلة الأحيائية ، هناك عدة خوارزميات لتقديرات المحاصيل أعم حسابات حيوية وطاقة الكتلة الأحيائية، أيضا لصور RGB الرقمية. سبيل المثال يشير إلى صفين الشعير، كما تجلى ذلك بالتفصيل في الشكل 3. الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم-
الشكل 5 : تعديلات خوارزمية. التعديلات المطلوبة في الصورة-التجهيز خط الأنابيب من أجل الاعتماد بنجاح كلا من القمح والشعير الأذنين باستخدام نفس الخوارزمية تدار تلقائياً كجزء من التعديلات الخاصة بالكاميرا من "ح نصف القطر" (المسافة بين الكاميرا والمحاصيل الظلة) والبعد البؤري وتعمل على ضمان أن يظل عدد البكسل في الإذن أكثر أو أقل ثابتة بين تطبيقات مختلفة. الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم-
- حدد علامة التبويب مركز سيريلسكانير وعلامة التبويب المركزية اللاحقة عد الإذن لحساب عدد آذان في كل صورة من مجموعة بيانات الحقل.
- ضمن خيارات، أدخل في دفعة المدخلات، موقع الصور لتحليل.
- في ملفات النتائج، قم بتحديد مكان حفظ ملف النتائج. وستشمل ملف نتائج عمودين مع اسم ملف الصورة والإذن فرز النتائج.
- وأخيراً، انقر فوق في العملية، وملف النتائج مع كثافة الإذن في متر مربع (آذان/م2)، استخدام نسبة بسيطة باستخدام إعدادات الكاميرا والمسافة بين الكاميرا ومظلة لتحويل منطقة الصورة إلى منطقة القبة الفعلي في ساحة سيتم تلقائياً إنتاج متر بعد الرقم 1، في دقائق معدودة، اعتماداً على سرعة الكمبيوتر.
- إجراء التحقق من صحة بعد معالجة بعد جمع البيانات يدوياً في إحصاء العدد من القمح أو الشعير الأذنين في الصورة وثم تحويل هذا إلى عدد آذان كل متر مربع (آذان/م2)، كما هو مبين في الشكل 1، ومقارنة النتائج مع تلك التي تستند إلى قيم الخوارزمية.
- استخدم أداة موضع نقطة بسيطة بنيت داخل فيجي، الذي يوفر الدعم سهلة لهذه العملية، ودالة فيجي تحليل الجزيئات لإنتاج التهم تلقائياً؛ ويرد هذا بيانيا في الشكل 6.
- بشكل اختياري، إجراء التحقق من صحة باستخدام دائرة منطقة صغيرة أثناء الحصول على البيانات الحقل كما هو موضح في الخطوة 2، 6؛ دليل يعول في الميدان والتهم الصورة اليدوية في المختبر، ثم، يمكن استخدام خوارزمية التحقق من صحة كما هو مبين في الشكل 7.
الرقم 6 : خوارزمية التحقق من الصحة باستخدام حساب يدوي في صورة الإذن. حساب يدوي في صورة الإذن للقمح القاسي (يسار) والشعير (يمين). النقاط الصغيرة تم إنشاؤها باستخدام فيجي أداة نقطة وثم تحسب باستخدام تحليل الجزيئات الدالة مع 0.90-1.00 القيد التدوير بعد تطبيق لون الحد الأدنى من التشبع كثافة لون الفضاء للون المحدد بواسطة أداة نقطة. يضمن لك هذا الأسلوب التهم الإذن دليل يستند إلى صورة أكثر دقة. الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم-
الشكل 7 : خوارزمية التحقق من الصحة باستخدام دليل يهم في هذا الميدان وتهم اليدوي في صورة الإذن بالقمح والشعير، استخدام دائرة. (اليسار) القمح صورة المثال التحقق من الصحة العد باستخدام دائرة. (اليمين) الشعير الصورة المثال التحقق من الصحة العد باستخدام دائرة. أحصى التهم فرعية في آذان داخل الدائرة البيضاء باستخدام نفس الأسلوب كما هو موضح في الشكل 6 مع أداة نقطةو عتبة اللون، وبعد ذلك، تحليل الجزيئات الدالة مع التدوير القيود واختيار اللون باستخدام الصبغة. الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم-
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
وتظهر النتائج في الشكل 8، معامل العزم بين كثافة الإذن (عدد آذان كل متر مربع) باستخدام العد اليدوي والإذن عد خوارزمية للقمح والشعير في ثلاث مراحل نمو المحاصيل المختلفة. أول واحد هو القمح القاسي مع مقياس زادوكس بين 61 و 65 (ص2 = 0.62). والثاني هو الشعير صفين مع مقياس زادوكس بين 71 و 77 (ص2 = 0.75)، وآخر واحد هو القمح القاسي مع مقياس زادوكس بين 81 و 87 (ص2 = 0.75).
الشكل 8 : معامل التحديد بين كثافة الإذن (رقم آذان/م2) باستخدام العد اليدوي القائم على الصورة وصورة الخوارزمية لعد الإذن من القمح القاسي والشعير صفين في نمو المحاصيل المختلفة مقبولة المراحل (في زادوكس مقياس 61–87)- إظهار كل محاور العمليات الحسابية، بما في ذلك التحويلات إلى كثافة الإذن، بدلاً من الصورة القائمة على النتائج فقط. يتم عرض نتائج الممثل هنا عن مباشرة محصولين مختلفة خلال ثلاث مراحل مختلفة للنمو، وكذلك تحت ظروف الإضاءة المختلفة، إلا وهي صور أشعة الشمس من القمح القاسي في زادوكس مقياس 61-65 على الأعلى (ص2 = 0.62، ن = 72)، منتشر ضوء الصور للشعير في الجدول زادوكس 71-77 في المنتصف (ص2 = 0.75، n = 30)، ونزع فتيل ضوء الظروف للقمح القاسي في مقياس زادوكس 81-87 في الجزء السفلي (ص2 = 0.75، ن = 24). يتم إظهار صورة مثال لكل أيضا اقحم في الأسفل الزاوية اليمنى من كل رسم بياني. الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم-
Subscription Required. Please recommend JoVE to your librarian.
Discussion
زيادة سرعة والاتساق والدقة مفتاح تطوير أدوات phenotyping جديدة مفيدة لمساعدة المجتمع تربية المحاصيل فيما تبذله من جهود لزيادة إنتاج الحبوب على الرغم من الضغوط السلبية المتصلة بتغير المناخ العالمي. تقييم كفاءة ودقة من الحبوب الإذن الكثافة، كالمحاصيل زراعية عنصرا رئيسيا من غلة المحصول هامة، سوف يساعد توفير الأدوات اللازمة لتغذية الأجيال المقبلة. تركز على تحسين ودعم جهود تربية المحاصيل في الظروف الميدانية التي تساعد على الحفاظ على هذه البحوث والتقنيات المعروضة هنا أكثر ارتباطاً وثيقا بالمناخ في العالم الحقيقي تغيير السيناريوهات واحتياجات المجتمع تربية بل يعرض أيضا الصعوبات التقنية. على هذا النحو، فإنه من المهم إيلاء الالتزام الوثيق ليس فقط لالتقاط البيانات ومعالجة الصور في هذا البروتوكول ولكن أيضا إلى التوصيات المتعلقة بالظروف البيئية المثلى ومراحل نمو المحاصيل ل النجاح في تنفيذ11. كمكون الخواص رئيسية للعائد، كثافة الإذن يعتبر واحداً من أهم سمات الهدف في الضغط من أجل زيادة غلة المحاصيل الحبوب (انظر المادة سلفر et al.20 والمراجع فيها). التركيز في هذا البروتوكول نحو أسلوب phenotyping ميدانية فعالة من حيث التكلفة على النحو الأمثل، رشيقة، ومباشرة وترى أن هذه الجوانب من البروتوكول هي المفتاح لاعتمادها وتنفيذها بتربية المجتمع بصورة عامة. وفي المقابل، السابقة المتصلة واستخدمت الدراسات ذات الأهداف المماثلة في تقييم كثافة الإذن أو غيرها الكمي المكون الغلة أكثر مشاركة والتقاط البيانات وتدعم هياكل المراقبة البيئية، مثل مرفق بها هياكل والكاميرا الثابتة أو حتى المدخلات الضوء الاصطناعي، التي تعوق فعالية التطبيق العملي تحت الظروف الميدانية وتنفيذها في الفعلية تربية برامج12،،من2022.
وهكذا قدمنا هنا بروتوكولا مفصلاً هو نتيجة لاختبار مختلف التقنيات المختلفة في عملية تحسين تكرارية، أسفر عن أسلوب التقاط بيانات صورة بسيطة ولكن فعالة تتطلب فقط المتاحة تجارياً، متوسطة كاميرا رقمية عالية الدقة RGB وبدائية "فينوبولي" لعقد الكاميرا فوق مظلة المحاصيل. محاولات تصفية صورة أخرى استناداً إلى لون RGB أو فراغات اللون البديلة، مثل هوي التشبع-الكثافة أو سلاب، لم تكن فعالة أو متسقة كاستخدام Laplacian وتردد متوسط المجال المرشحات في إزالة العناصر غير المرغوب فيها من الصورة، لا سيما أونس. لقد قمنا بتصميم نظام أنابيب التقاط الصورة مع عناصر مختلفة، البعض منها يمكن تعديلها بسهولة مع تغييرات طفيفة في تنفيذ خوارزمية معالجة الصور. في دراسات الحالة المعروضة هنا، فقد استخدمنا اثنين من الكاميرات مختلفة مع أجهزة استشعار كبيرة نسبيا و 20.1 ميغابكسل (MP) وقرارات النائب 16.0 لالتقاط الصور مع العدسات واسعة الزاوية من 16-20 ملم من مسافة 80 سم من مظلة المحاصيل. وقد ثبت هذا أكثر من كاف لإنتاج المعلومات مظلة مفصلة الشعير والقمح، مع المحاكاة مما يدل على أن الأسلوب الذي يحافظ على مستويات عالية من الدقة وصولاً إلى حوالي 8 MP14 (مع عدسات مماثلة والمسافات من الظلة).
على الرغم من أن الاتساق والدقة من تقنيات معالجة الصور المعروضة تعتمد على الظروف البيئية والمرحلة فينولوجيكال في وقت التقاط الصورة، الخوارزميات واعدة في توفير أداء قوي في تطبيقها على الحبوب الحبوب الصغيرة مختلفة، بما في ذلك القمح القاسي والخبز وأصناف الشعير صفين وستة على التوالي. بينما هذه الخوارزمية لم يتم اختبارها بشكل كامل، فإن التقاط الصور هي نفسها، مع بعض التعديلات الطفيفة وربما بالنسبة للحجم النسبي والموقف من الإذن في الصور بغية توفير الإذن الأمثل عد النتائج. في البروتوكول، وقدم تقديرات كثافة الصورة القائمة على الإذن تحقق الدقة القصوى وأفضل مرتبطة مع دليل الصورة التهم والحبوب المحصول مقارنة بالصور التي تم التقاطها في مراحل النمو اللاحقة، عند الشيخوخة المحاصيل أدى إلى فقدان اللون و الإضاءة والتباين بين بقية مظلة المحاصيل والاذنين. قد يكون هذا نتيجة لارتفاع درجات الحرارة أو انخفاض توافر المياه في أجزاء لاحقة من الحبوب ملء، الشائعة خاصة في ظروف البحر الأبيض المتوسط النموذجية، التي يمكن أن تسبب الأوراق وكولم إلى سينيسسي قبل القيام الأذان23؛ وهذا التباين أمر ضروري لفعالية الفصل بين الأذنين، وأوراق الشجر، والتربة. في الستائر ناضجة أو مسن بشكل مفرط مع آذان الفعل الأصفر، التباين بين عناصر الصورة مختلفة ليست كافية لعد الإذن. على هذا النحو، في مناخات أخرى، قد يكون التوقيت الأمثل مختلفة قليلاً إذا لم يكن هناك لا إجهاد مائي خلال بداية الشيخوخة.
على الرغم من أن عملية جمع البيانات في الظروف الميدانية تتطلب اهتماما خاصا لمثل هذه الظروف البيئية ككثافة أشعة الشمس وأشعة الشمس إنارة الزوايا، خوارزمية تحليل قوي الصورة المعروضة هنا يوفر بعض فسحة في التقاط الصور إطار باستخدام التقنيات المكانية التي تتجاهل تأثيرات الصورة البياض، نظراً إلى أن استخدمت التعرض للصورة الصحيحة لظروف الإضاءة خاصة في لحظة التقاط الصور؛ وقد عملت الإعدادات التلقائية جيدا في هذا الصدد. في الأعمال السابقة، تم اختبار مجموعة أوفى من تأثيرات الإضاءة، مشيراً إلى أن المصدر الرئيسي الوحيد من الخطأ فيما يتعلق بتأثيرات ضوئية إنتاج قوي الظلال في الصورة عند التقاط الصور في ضوء الشمس المباشر المبكر أو المتأخر في اليوم ، نظراً لزاوية الشمس14. تطبيقات تصفية اثنين الصورة الأولى تساعد على تقليل أي آثار واضحة من الإضاءة الزائدة (على الرغم من أن ليس من خلال الكاميرا التعرض المفرط) بينما أيضا الحد من أي مكونات الخلفية للصورة؛ في الوقت نفسه، تسهم عوامل التصفية هذه أيضا تجانس والحد من الضوضاء، سواء التي مساعدي في "ماكسيما العثور" لاحقاً عملية23،24. ولذلك، في حين الإضاءة الطبيعية يجب أن تمثل عوامل، مثل زاوية الشمس عندما يتم التقاط الصور مباشرة بدلاً من ظروف الإضاءة منتشر، وهذا أساسا من أجل الحد من الأخطاء المتعلقة بالتحف الظل.
وعلاوة على ذلك، كانت العلاقات المتبادلة بين خوارزمية الإذن التهم من الغلة البروتوكول والحبوب قدمت أكبر وأكثر أهمية مما تهم اليدوي (ميدانية) الإذن بنفس التجربة11، التي تدعم الادعاء بأن هذا البروتوكول ليس فقط أكثر دقة ولكن أيضا أكثر اتساقا كبروتوكول موحد لتقييم كثافة الإذن. بينما لم تعرض هنا على وجه التحديد، تقنيات التقاط ومعالجة بيانات مماثلة يبدو ممكناً باستخدام الهاتف المحمول، والمنصات المؤتمتة الجوي أو غيرها كما أنها تنفذ تماما جيدا تحت محاكاة قرارات خفض الصورة. اختبارات إضافية للحد من اللون الرمادي (لمعالجة الصورة أسرع) وقرار تقليص الصورة المحاكاة (من تطبيق الكاميرات الأخرى أو الطائرات بدون طيار) قامت بتطبيق تحويلات الصورة قبل التصفية الأولى14 واقترحت أنه، في الظروف المثلى، أوقات التجهيز قد تخفيض في هذه الطرق دون أي خسارة في الدقة. وفيما يتعلق بالتوجهات المستقبلية المحتملة، خوارزميات معالجة الصور المعروضة هنا فقط الاستفادة من بيانات لون VHR RGB كما أنه يتم التقاطها بواسطة الكاميرا (مماثلة للعين البشرية)، ولكن قد تؤدي التحسينات المحتملة الأخرى من التحويل إلى الألوان المختلطة ممنوع، مثل هوي التشبع-الكثافة، أو من خلال دمج البيانات بالاقتران مع أجهزة الاستشعار العلمية الأكثر تقدما مثل متعددة الأطياف أو الحرارية، التي أصبحت أكثر بأسعار معقولة في الآونة الأخيرة وتنطوي على إمكانيات التحسن في كثافة الإذن التقديرات، على الرغم من أن ربما في مراحل مختلفة من النمو أو في ظروف ميدانية مختلفة.
باختصار، أولاً وقبل كل شيء تشمل الخطوات الحاسمة لتنفيذ هذا البروتوكول السليم في التخطيط للوقت من السنة والظروف البيئية للمحاصيل، التي الأمثل عندما يكون المحصول في مراحل النمو 60-87 من مقياس زادوكس وأما في ظهر الشمسية أو منتشر في ضوء الظروف. وعلاوة على ذلك، ينبغي أن يتم الحصول على الصور الرقمية في محاسبة طريقة التي تسيطر عليها لزاوية الكاميرا، والمسافة من المظلة، وتركيز الكاميرا لكل صورة. أخيرا، تعرض بالتفصيل لاستنساخ خط أنابيب تعليمات برمجية تجهيز خيارات التجهيز الأمثل، أو الاتصال المؤلفين للتعليمات البرمجية الأصلية أو التعليمات البرمجية المتكاملة كواجهة مستخدم رسومية (GUI) في المكون الإضافي لفيجي، إلا وهي سيريالسكانير.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
الكتاب ليس لها علاقة بالكشف عن.
Acknowledgments
واضعو هذا البحث أود أن أشكر موظفي الإدارة الميدانية في مراكز تجريبية كولمينار دي اوريخا (ارانخويث) من ذ المعهد الوطني لبحوث التكنولوجيا الزراعي y اليمنتيريا (المعهد) و Zamadueñas (بلد الوليد) من معهد التكنولوجيا دي دي الزراعي قشتالة وليون (إيتاسيل) لدعمهم الحقل من المحاصيل الدراسة البحثية المستخدمة. وأيد هذه الدراسة مشروع البحوث AGL2016-76527-R مينيكو، إسبانيا وجزء من مشروع التعاون مع سينجينتا، إسبانيا. الزمالة 2013000100103 ببين، من "Talento de التدريب ألتو دي حول مستوى، الحكومة ديل توليما-جامعة ديل توليما، كولومبيا" كان الوحيد الدعم التمويلي لصاحب البلاغ الأول خوسيه أرماندو فرنانديز-غاليغو. مصدر التمويل الأساسي لصاحب البلاغ المقابلة، شون جيم كيفوفير، جاءت من "الأوساط الأكاديمية إيكريا" البرنامج من خلال منحة من منح البروفيسور خوسيه لويس أروس.
Materials
| Name | Company | Catalog Number | Comments |
| ILCE-QX1 Camera | Sony | WW024382 | Compact large sensor digital camera with 23.2 x 15.4 mm sensor size. |
| E-M10 Camera | Olympus | E-M10 | Compact large sensor digital camera with 17.3 x 13.0 mm sensor size. |
| Multipod Monpod | Sony | VCT MP1 | "Phenopole" in the JoVE article |
| Computer | Any PC/Mac/Linux | -- | Data and image analysis |
| ImageJ/FIJI (FIJI is just Image J) | NIH | http://fiji.sc | Plug-in and algorithms for data and image analysis |
| Circle/Metal Ring | Generic | Generic | Metal ring for in-field validation |
| Crab Pliers Clip | Newer | 90087340 | Circle support and extension arm |
References
- Food and Agriculture Organization (FAO). Food outlook: Biannual report on global food markets. , Food and Agriculture Organization of the United Nations. (2017).
- Araus, J. L., Kefauver, S. C. Breeding to adapt agriculture to climate change: affordable phenotyping solutions. Current Opinion in Plant Biology. , (2018).
- Ranieri, R. Geography of the Durum Wheat Crop. Pastaria International. 6, (2015).
- Food Agriculture Organization (FAO). The State of Food Insecurity in the World. , Food and Agriculture Organization of the United Nations. (2014).
- Araus, J. L., Cairns, J. E. Field high-throughput phenotyping: the new crop breeding frontier. Trends in Plant Science. 19 (1), 52-61 (2014).
- Fiorani, F., Schurr, U. Future Scenarios for Plant Phenotyping. Annual Review of Plant Biology. 64 (1), 267-291 (2013).
- Cabrera-Bosquet, L., Crossa, J., von Zitzewitz, J., Serret, M. D., Luis Araus, J. High-throughput Phenotyping and Genomic Selection: The Frontiers of Crop Breeding ConvergeF. Journal of Integrative Plant Biology. 54 (5), 312-320 (2012).
- Araus, J. L., Ferrio, J. P., Voltas, J., Aguilera, M., Buxó, R. Agronomic conditions and crop evolution in ancient Near East agriculture. Nature Communications. 5 (1), 3953 (2014).
- Furbank, R. T., Tester, M. Phenomics – technologies to relieve the phenotyping bottleneck. Trends in Plant Science. 16 (12), 635-644 (2011).
- Araus, J. L., Kefauver, S. C., Zaman-Allah, M., Olsen, M. S., Cairns, J. E. Translating High-Throughput Phenotyping into Genetic Gain. Trends in Plant Science. 23 (5), P451-P466 (2018).
- Duan, T., et al. Dynamic quantification of canopy structure to characterize early plant vigour in wheat genotypes. Journal of Experimental Botany. 67 (15), 4523-4534 (2016).
- Cointault, F., Guerin, D., Guillemin, J., Chopinet, B. In-field Triticum aestivum ear counting using colour-texture image analysis. New Zealand Journal of Crop and Horticultural Science. 36 (2), 117-130 (2008).
- Dornbusch, T., et al. Digital Field Phenotyping by LemnaTec. , (2015).
- Fernandez-Gallego, J. A., Kefauver, S. C., Gutiérrez, N. A., Nieto-Taladriz, M. T., Araus, J. L. Wheat ear counting in-field conditions: high throughput and low-cost approach using RGB images. Plant Methods. 14 (1), 22 (2018).
- Schneider, C. A., Rasband, W. S., Eliceiri, K. W. NIH Image to ImageJ: 25 years of image analysis. Nature Methods. 9 (7), 671-675 (2012).
- Zadoks, J., Chang, T., Konzak, C. A decimal growth code for the growth stages of cereals. Weed Research. 14 (14), 415-421 (1974).
- Casadesús, J., et al. Using vegetation indices derived from conventional digital cameras as selection criteria for wheat breeding in water-limited environments. Annals of Applied Biology. 150 (2), 227-236 (2007).
- Hunt, E. R., et al. A visible band index for remote sensing leaf chlorophyll content at the canopy scale. International Journal of Applied Earth Observation and Geoinformation. 21 (1), 103-112 (2013).
- Zaman-Allah, M., et al. Unmanned aerial platform-based multi-spectral imaging for field phenotyping of maize. Plant Methods. 11 (1), 35 (2015).
- Slafer, G. A., Savin, R., Sadras, V. O. Coarse and fine regulation of wheat yield components in response to genotype and environment. Field Crops Research. 157, 71-83 (2014).
- Liu, T., et al. In-field wheatear counting based on image processing technology. Nongye Jixie Xuebao/Transactions of the Chinese Society for Agricultural Machinery. 45 (2), 282-290 (2014).
- Cointault, F., et al. Color and Frequential Proxy-Detection Image Processing for Crop Characterization in a Context of Precision Agriculture. Agricultural Science. , 49-70 (2012).
- Abbad, H., El Jaafari, S., Bort, J., Araus, J. L. Comparative relationship of the flag leaf and the ear photosynthesis with the biomass and grain yield of durum wheat under a range of water conditions and different genotypes. Agronomie. 24, 19-28 (2004).
- Ko, S. J., Lee, Y. H. Center weighted median filters and their applications to image enhancement. IEEE Transactions on Circuits and Systems. 38 (9), 984-993 (1991).
- Smołka, B. Nonlinear techniques of noise reduction in digital color images. Wydawnictwo Politechniki Śląskiej. , (2004).
