Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
Click here for the English version

Environment

अनाज फसल कान क्षेत्र स्थितियों में गिनती कर्इ आरजीबी छवियों का उपयोग

doi: 10.3791/58695 Published: February 2, 2019

Summary

हम द्रुम गेहूं और जौ कान गिनती के लिए एक प्रोटोकॉल वर्तमान, प्राकृतिक रंग (आरजीबी) डिजिटल क्षेत्र की स्थिति के तहत प्राकृतिक धूप में ले लिया तस्वीरों का उपयोग कर । कैमरा मानकों और कुछ पर्यावरणीय स्थिति सीमाओं के लिए न्यूनतम समायोजन के साथ, तकनीक विकास चरणों की एक सीमा के पार सटीक और सुसंगत परिणाम प्रदान करता है.

Abstract

कान घनत्व, या वर्ग मीटर प्रति कानों की संख्या (कान/एम2), कई अनाज फसल प्रजनन कार्यक्रम में एक केंद्रीय ध्यान केंद्रित है, जैसे गेहूं और जौ, अनाज की उपज का आकलन करने के लिए एक महत्वपूर्ण कृषि उपज घटक का प्रतिनिधित्व । इसलिए, एक त्वरित, कुशल, और मानकीकृत तकनीक कान घनत्व का आकलन करने के लिए कृषि प्रबंधन में सुधार लाने में सहायता, कटाई उपज भविष्यवाणियों में सुधार प्रदान करेगा, या भी फसल प्रजनन के लिए एक उपकरण के रूप में इस्तेमाल किया जा सकता है जब यह परिभाषित किया गया है महत्व के लक्षण के रूप में । न केवल मैनुअल कान घनत्व आकलन श्रमसाध्य और समय लेने वाली के लिए मौजूदा तकनीक हैं, लेकिन वे भी किसी भी अधिकारी मानकीकृत प्रोटोकॉल के बिना कर रहे हैं, रैखिक मीटर, क्षेत्र का चक्र, या एक संयंत्र कान घनत्व और संयंत्र पर आधारित एक्सट्रपलेशन द्वारा चाहे गिना क्रियायें. एक स्वचालित कान गिनती एल्गोरिथ्म क्षेत्र स्थितियों में केवल सूरज की रोशनी के साथ कान घनत्व का आकलन करने के लिए विस्तार से प्रस्तुत किया जाता है कर्इ (नादिर) प्राकृतिक रंग के आधार पर (लाल, हरे, और नीले [आरजीबी]) डिजिटल छवियों, उच्च प्रवाह के लिए अनुमति मानकीकृत माप । द्रुम गेहूं और जौ के विभिंन क्षेत्र परीक्षणों के दौरान भौगोलिक रूप से वितरित स्पेन भर में 2014/2015 और 2015/2016 फसल मौसम सिंचित और बारिशों परीक्षणों में प्रतिनिधि परिणाम प्रदान करने के लिए इस्तेमाल किया गया । तीन चरण प्रोटोकॉल फसल वृद्धि चरण और क्षेत्र की स्थिति की योजना बना, छवि पर कब्जा दिशा निर्देशों, और तीन चरणों का एक कंप्यूटर एल्गोरिथ्म शामिल हैं: (i) एक Laplacian आवृत्ति फ़िल्टर कम और उच्च आवृत्ति कलाकृतियों को दूर करने के लिए, (ii) एक औसत फिल्टर उच्च को कम करने के लिए शोर, और (iii) विभाजन और अंतिम गिनती के लिए स्थानीय maxima चोटियों का उपयोग कर गिनती । एल्गोरिथ्म कोड के लिए मामूली समायोजन कैमरा संकल्प, फोकल लंबाई, और कैमरे और फसल चंदवा के बीच दूरी के संगत किया जाना चाहिए । परिणाम एक उच्च सफलता दर (९०%) और आर2 (0.62-0.75) के मूल्यों के बीच एल्गोरिथ्म मायने रखता है और मैनुअल छवि आधारित कान दोनों द्रुम गेहूं और जौ के लिए मायने रखता है ।

Introduction

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

2017/2018 में विश्व अनाज उपयोग पिछले वर्ष1से 1% द्वारा विस्तार की सूचना दी है । अनाज उत्पादन और जनसंख्या उपयोग के लिए नवीनतम भविष्यवाणियों के आधार पर, दुनिया अनाज शेयरों के लिए एक तेज दर से पैदावार बढ़ाने के लिए बढ़ती मांग को पूरा करने की जरूरत है, जबकि भी जलवायु परिवर्तन2के बढ़ते प्रभाव के अनुकूल । इसलिए, बेहतर फसल प्रजनन तकनीकों के माध्यम से अनाज फसलों में उपज सुधार पर महत्वपूर्ण ध्यान दिया जाता है । दो भूमध्य क्षेत्र में सबसे महत्वपूर्ण और कटाई अनाज इस अध्ययन के लिए उदाहरण के रूप में चुना जाता है, अर्थात्, द्रुम गेहूं (Triticum aestivum एल एसएसपी. द्रुम [Desf.]) और जौ (Hordeum अभद्र एल)। द्रुम गेहूं, विस्तार से है, भूमध्य बेसिन के दक्षिण और पूर्व मार्जिन में सबसे अधिक खेती अनाज और 10 वीं सबसे महत्वपूर्ण फसल दुनिया भर में है, ३७,०००,००० टन सालाना के अपने वार्षिक उत्पादन के कारण3, जबकि जौ चौथा वैश्विक है उत्पादन के मामले में अनाज, १४४,६००,००० टन सालाना4पर एक वैश्विक उत्पादन के साथ ।

सुदूर संवेदन और समीपस्थ छवि विश्लेषण तकनीक तेजी से क्षेत्र उच्च प्रवाह संयंत्र phenotyping (HTPP) की उंनति में महत्वपूर्ण उपकरण के रूप में वे न केवल अधिक फुर्तीली प्रदान कर रहे हैं, लेकिन यह भी अक्सर, और अधिक सटीक और लक्ष्य फसल की लगातार पुनर्प्राप्ति ऐसे संश्लेषक गतिविधि और बायोमास के आकलन के रूप में शारीरिक लक्षण, उपज का अनुमान है, और भी विशेषता heritability में सुधार, संसाधन के उपयोग में दक्षता के रूप में और5,6,7 ,8,9. सुदूर संवेदन पारंपरिक रूप से multispectral, hyperspectral, और थर्मल इमेजिंग सेंसर पर ध्यान केंद्रित किया है सटीक कृषि के लिए हवाई प्लेटफार्मों से क्षेत्र पैमाने पर या संयंत्र phenotyping अध्ययन के लिए microplot पैमाने पर10. आम, व्यावसायिक रूप से उपलब्ध डिजिटल कैमरों कि उपाय केवल दिखाई परिलक्षित प्रकाश अक्सर उनके बहुत ही उच्च स्थानिक संकल्प के बावजूद, अनदेखी कर रहे थे, लेकिन हाल ही में नए अभिनव छवि के रूप में लोकप्रिय हो-प्रसंस्करण एल्गोरिदम तेजी से कर रहे है विस्तृत रंग और स्थानिक जानकारी है कि वे प्रदान का लाभ लेने के लिए । उन्नत कृषि छवि विश्लेषण में नवीनतम नवाचारों के कई तेजी से फसल सहित बहुत उच्च संकल्प (VHR) आरजीबी छवियों (लाल, हरे, और नीले दिखाई प्रकाश प्रतिबिंबित करता है, के अपने माप के लिए) द्वारा प्रदान की गई डेटा की व्याख्या पर भरोसा करते हैं निगरानी (शक्ति, फ़ीनोलॉजी, रोग आकलन, और पहचान), विभाजन और ठहराव (उद्भव, कान घनत्व, फूल और फल मायने रखता है), और यहां तक कि पूर्ण 3 डी पुनर्निर्माण गति वर्कफ़्लोज़11से एक नई संरचना पर आधारित है ।

अनाज उत्पादकता में सुधार के लिए सबसे आवश्यक बिंदुओं में से एक उपज का अधिक कुशल आकलन है, जो तीन प्रमुख घटकों द्वारा निर्धारित होता है: कान का घनत्व या प्रति वर्ग मीटर कानों की संख्या (कान/एम2), कान प्रति अनाज की संख्या, और हजार गिरी वजन । कान घनत्व क्षेत्र में मैंयुअल रूप से प्राप्त किया जा सकता है, लेकिन इस विधि श्रमसाध्य, समय लेने वाली है, और एक मानकीकृत प्रोटोकॉल है, जो एक साथ त्रुटि का एक महत्वपूर्ण स्रोत में परिणाम हो सकता है में कमी । कानों की स्वचालित गिनती शामिल जटिल फसल संरचना की वजह से एक चुनौतीपूर्ण काम है, बंद संयंत्र रिक्ति, ओवरलैप की उच्च सीमा, पृष्ठभूमि तत्वों, और बालियों की उपस्थिति. हाल ही में काम एक काले रंग की पृष्ठभूमि में आदेश उपयुक्त फसल छवियों को प्राप्त करने के लिए एक तिपाई द्वारा समर्थित संरचना का उपयोग करके इस दिशा में उंनत किया है, कान में12गिनती काफी अच्छा परिणाम का प्रदर्शन । इस तरह, अत्यधिक धूप और छाया प्रभाव से परहेज किया गया है, लेकिन इस तरह के एक संरचना बोझिल और क्षेत्र की स्थिति के लिए एक आवेदन में एक प्रमुख सीमा होगी । एक और उदाहरण एक स्वचालित कान गिनती एल्गोरिथ्म एक कठोर मोटर गैन्ट्री, जो एक पांच awnless रोटी गेहूं (Triticum से बना पैनल में कान घनत्व गिनती के लिए अच्छा सटीकता के साथ इस्तेमाल किया गया था के साथ एक पूरी तरह से स्वचालित phenotyping प्रणाली का उपयोग कर विकसित की है aestivum L.) विभिन्न नाइट्रोजन शर्तों के तहत बढ़ रही किस्मों13. फर्नांडीज द्वारा हाल ही में काम-Gallego14 तेज और आसान डेटा पर कब्जा करने के लिए इस प्रक्रिया को अनुकूलित किया है, VHR आरजीबी रंग और अधिक उंनत द्वारा पीछा छवियों का उपयोग कर, अभी तक पूरी तरह से स्वचालित, छवि विश्लेषण । कुशल और उच्च गुणवत्ता वाले डेटा संग्रह क्षेत्र की स्थितियों में स्थिरता और उच्च डेटा कैप्चर प्रवाह के लिए एक सरलीकृत मानकीकृत प्रोटोकॉल पर बल देता है, जबकि छवि प्रसंस्करण एल्गोरिथ्म Laplacian और आवृत्ति डोमेन के उपंयास उपयोग को रोजगार फिल्टर स्थानीय maxima खोजने के आधार पर गिनती के लिए एक विभाजन लागू करने से पहले अवांछित छवि घटकों को दूर करने के लिए (के रूप में अन्य पिछले अध्ययन, जो अतिव्यापी कान के साथ और अधिक त्रुटियों में परिणाम हो सकता है के रूप में पूर्ण विचित्रण के खिलाफ).

यह काम क्षेत्र की स्थितियों में कान के घनत्व के स्वत: ठहराव के लिए एक सरल प्रणाली का प्रस्ताव, व्यावसायिक रूप से उपलब्ध डिजिटल कैमरों से अधिग्रहीत छवियों का उपयोग कर । इस प्रणाली के क्षेत्र की स्थिति में प्राकृतिक प्रकाश का लाभ लेता है और इसलिए, कुछ संबंधित पर्यावरणीय कारकों के विचार की आवश्यकता है, जैसे दिन और बादल कवर के समय के रूप में, लेकिन रहता है, प्रभाव में, को लागू करने के लिए सरल । प्रणाली द्रुम गेहूं और जौ के लिए उदाहरण पर प्रदर्शन किया गया है, लेकिन रोटी गेहूं के लिए आवेदन में विस्तारित किया जाना चाहिए, जो समान आकृति विज्ञान के साथ कान के प्रदर्शन के अलावा, अक्सर awnless हैं, लेकिन इसके अलावा प्रयोगों के क्रम में आवश्यक होगा इसकी पुष्टि करें । यहाँ प्रस्तुत डेटा कैप्चर प्रोटोकॉल में, बस हाथ से कैमरे पकड़ या फसल के ऊपर डिजिटल कैमरा स्थिति के लिए एक monopod का उपयोग करके कर्इ छवियों लिया जाता है । मांयता डेटा मैदान में या postprocessing के दौरान उपभूखंडों के लिए मैंयुअल रूप से कान की गिनती द्वारा, छवि में ही कान गिनती से प्राप्त किया जा सकता है । छवि प्रसंस्करण एल्गोरिथ्म तीन प्रक्रियाओं है कि, पहले, प्रभावी ढंग से एक तरीके से छवि के अवांछित घटकों को हटाने से बना है कि, फिर, बाद में विभाजन और अधिग्रहीत छवियों में व्यक्तिगत गेहूं कान की गिनती के लिए अनुमति देता है । सबसे पहले, एक Laplacian आवृत्ति फिल्टर विंडो कर्नेल आकार समायोजन के बिना डिफ़ॉल्ट ImageJ फिल्टर सेटिंग्स का उपयोग कर छवि के विभिन्न स्थानिक दिशाओं में परिवर्तन का पता लगाने के लिए प्रयोग किया जाता है (Maxima फॉल्ट तकनीक कापता लगाता है स्थानीय चोटियों के बाद औसत स्थानिक फिल्टर कदम है, जो मंच पर कान के साथ संबंधित पिक्सल मिट्टी या पत्तियों की तुलना में उच्च पिक्सेल मूल्यों है । इसलिए, ढूँढें Maxima छवि में उच्च मान खंड करने के लिए उपयोग किया जाता है, और उन क्षेत्रों कान के रूप में लेबल कर रहे हैं, जो भी अतिव्यापी कान त्रुटियों को कम करते हुए कान की पहचान करता है. विश्लेषण कणों तो द्विआधारी छवियों पर प्रयोग किया जाता है गणना और/या खोज Maxima कदम के द्वारा बनाई गई सफेद और काले रंग की सतह के बीच इसके विपरीत द्वारा बनाई गई क्षेत्रों से मापदंडों को मापने के लिए । परिणाम तो फ़िल्टर की गई छवि में गेहूं कान आकृतियों की पहचान करने के लिए प्रत्येक स्थानीय अधिकतम के आसपास निकटतम पड़ोसी पिक्सेल विचरण का विश्लेषण करके एक बाइनरी छवि विभाजन बनाने के लिए कार्रवाई की है । अंत में, कान घनत्व का विश्लेषण कणों का उपयोग कर गिना जाता है, के रूप में फिजी15में लागू किया । दोनों Maxima मिल और विश्लेषण कणों स्वसंपूर्ण कार्य कर रहे है और फिजी (https://imagej.nih.gov/ij/plugins/index.html) में plugins के रूप में उपलब्ध है । हालांकि विशेष रूप से यहां प्रोटोकॉल में प्रस्तुत नहीं किया, प्रारंभिक अनुपूरक सामग्री के रूप में प्रस्तुत परिणामों का सुझाव है कि इस तकनीक को मानवरहित हवाई वाहन (यूएवी) से कान गिनती सर्वेक्षण आयोजित करने के लिए अनुकूलनीय हो सकता है, प्रदान कि संकल्प पर्याप्त उच्च14रहता है ।

Subscription Required. Please recommend JoVE to your librarian.

Protocol

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

1. क्षेत्र फसल वृद्धि चरण और पर्यावरण की स्थिति

  1. सुनिश्चित करें कि फसल वृद्धि चरण लगभग अनाज भरने और फसल परिपक्वता के बीच के बीच है, कान के साथ कि अभी भी हरी अगर पत्ते वृद्ध होनेवाला है (जो Zadoks ' स्केल16की सीमा 60-87 के लिए गेहूं के मामले में मेल खाती है) । कुछ पत्तियों के तेजाब स्वीकार्य है लेकिन आवश्यक नहीं है ।
  2. विभिंन प्रतिकृतियां (भूखंड प्रति चित्र) के साथ छवि पर कब्जा करने के लिए एक नमूना योजना तैयार आदेश में भूखंड/ छवि प्रसंस्करण एल्गोरिथ्म छवि में कान की संख्या गिनती और वर्ग मीटर प्रति कान करने के लिए परिवर्तित कर देंगे (कान/एम2) कैमरा विनिर्देशों पर आधारित है ।
  3. योजना क्षेत्र भ्रमण सौर दोपहर के दो घंटे के भीतर छवियों पर कब्जा करने के लिए या, वैकल्पिक रूप से, फैलाना प्रकाश स्थितियों में एक घिरा हुआ दिन पर क्रम में कान पर कान छाया के नकारात्मक प्रभाव से बचने के लिए एल्गोरिथ्म गिनती ।
  4. क्षेत्र में एक बार, फसल चंदवा के शीर्ष की जांच करने के लिए सुनिश्चित करें कि यह शुष्क है ताकि नमी से specular प्रकाश प्रतिबिंब से बचने के लिए ।
    नोट: इस प्रोटोकॉल के उद्देश्यों पर विचार करने में, यह पहले विचार करना महत्वपूर्ण है कि फसल के विकास की अवस्था कान की गिनती लागू करने के लिए उपयुक्त है । पर कब्जा छवियों की सिफारिश की वृद्धि चरण के बाहर या तो परिणाम होगा या अर्थहीन परिणामों में (यदि कान मौजूद नहीं हैं या पूरी तरह से उभरा). छवि गुणवत्ता भी परिणाम प्रसंस्करण पर काफी प्रभाव पड़ता है, संकल्प और सेंसर आकार सहित, और कुछ पर्यावरणीय स्थितियों, जैसे दिन और बादल कवर के समय, छवि पर कब्जा के साथ आगे बढ़ने से पहले सावधानी से विचार किया जाना चाहिए.

2. प्राकृतिक प्रकाश के साथ क्षेत्र की स्थिति में छवि पर कब्जा

  1. एक "phenopole" के रूप में चित्रा 1 या एक समान अधिग्रहण प्रणाली में दिखाया गया है (यहां तक कि handheld) छवियों पर कब्जा करने के लिए जल्दी और अभी तक प्रत्येक भूखंड या लक्ष्य स्थान पर एक मानकीकृत और सुसंगत तरीके से तैयार करते हैं ।

Figure 1
चित्रा 1 : कान गिनती प्रणाली । कान गिनती प्रणाली "phenopole" बाईं तरफ के क्षेत्र में दिखाया का उपयोग कर, एक दूर से नियंत्रित प्राकृतिक रंग के साथ (आरजीबी) बड़े सेंसर और कैमरा झुकाव और ऊंचाई के साथ उच्च संकल्प डिजिटल कैमरा प्रणाली, को समायोजित करने के लिए आवश्यक मापदंडों का संकेत छवि प्रसंस्करण एल्गोरिथ्म । सेंसर और छवि संकल्प स्वचालित रूप से छवि गुण से पता चला रहे हैं, जबकि उपयोगकर्ता इनपुट लेंस फोकल लंबाई और चंदवा से दूरी के लिए विशेष चाहिए । ये कान प्रति पिक्सल की अनुमानित संख्या के लिए एल्गोरिथ्म को समायोजित करने के लिए आवश्यक हैं और भी कान घनत्व के लिए छवि आधारित कुल कान गिनती के रूपांतरण (कान/ कि कारण के लिए, यह एक ही कैमरा और लेंस सभी क्षेत्र छवियों के लिए फोकल लंबाई का उपयोग करने की सिफारिश की है । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

  1. एक उपयुक्त monopod या "स्वफ़ोटो" पोल पर कैमरा स्थिति इतना है कि यह स्तर बुलबुले या एक में कैमरा स्थिरीकरण प्रणाली का उपयोग, के लिए कर्इ छवियों को प्राप्त करने के लिए बनाए रखा जा सकता है ।
  2. सही ढंग से केंद्रित छवियों के साथ सबसे अच्छा परिणाम के लिए दोनों रिमोट कंट्रोल छवि पर कब्जा और छवि विज़ुअलाइज़ेशन के लिए कैमरे से कनेक्ट करने के लिए एक मोबाइल फोन, टेबलेट, या किसी अन्य डिवाइस का उपयोग करें । कार्यक्रम में किसी भी त्रुटि को कम करने के लिए जब उपयोगकर्ता अपने कैमरा या फोटोग्राफी तकनीक के साथ काफी परिचित नहीं है के लिए एक सही मैनुअल ध्यान केंद्रित सेट, के रूप में सही ध्यान और जोखिम के साथ कर्इ छवियों के उदाहरण द्वारा प्रदर्शित चित्र 2.

Figure 2
चित्रा 2 : कर्इ फसल छवियां । द्रुम गेहूं और जौ कान की गणना के लिए कर्इ छवियां डेटा सेट विकास और वार्धक्य के एक स्वीकार्य चरण के साथ उदाहरण Zadoks ' स्केल के अनुसार लगभग ६१ से ८७ । छोड़ा द्रुम गेहूँ कर्इ इमेज डेटा सेट उदाहरण है । सही जौ कर्इ छवि डेटा सेट उदाहरण । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

  1. छवि पर कब्जा करने से पहले चित्र संख्या का ध्यान रखें क्रम में सही ढंग से क्षेत्र भूखंडों के साथ छवियों मैच के लिए । postprocessing नियंत्रणों के लिए ब्लॉक्स के बीच प्रारंभ और मैदान की एक छवि पर सामांय फ़ील्ड क्षेत्र की एक छवि रिकॉर्ड करें ।
  2. फसल चंदवा के ऊपर लगभग ८० सेमी पर कैमरे की स्थिति, एक शासक या माप स्ट्रिंग का उपयोग करने के लिए समय से चंदवा के ऊपर कैमरे की ऊंचाई की जांच करें । सुनिश्चित करें कि कैमरा स्तर है और छवि पर कब्जा । इस तकनीक 1-2 शोधकर्ता (ओं) की आवश्यकता हो सकती है ।
  3. यदि अतिरिक्त फ़ील्ड कान गणना सत्यापन के अलावा एक मैनुअल छवि गिनती सत्यापन से वांछित है, फ्रेम (उदाहरण के लिए, एक छोटे से सर्कल) के लिए एक विस्तार हाथ स्थापित करने और यह छवि के बीच में स्थिति के लिए एक सटीक छवि सबसेट के मैनुअल क्षेत्र गिनती आचरण करने के लिए; इस तकनीक को लागू करने के लिए 2-3 लोगों की आवश्यकता हो सकती है ।
    नोट: एक कैमरा के चयन में तीन प्रमुख विचार, इसलिए, शामिल हैं: (1) कैमरा विनिर्देशों; इस मामले में, सेंसर भौतिक आकार; (2) छवि लेंस के फोकल लंबाई; (3) चंदवा और कैमरे के बीच की दूरी: छोटी दूरी या अधिक से अधिक ज़ूम लेंस एक छोटे क्षेत्र पर कब्जा होगा, जबकि छवियों को एक अधिक दूरी से कब्जा कर लिया एक बड़ी फसल क्षेत्र पर कब्जा होगा । प्रासंगिक कैमरा विनिर्देशों पर विवरण के लिए चित्रा 1 देखें ।

3. एल्गोरिथ्म कार्यांवयन और समायोजन

नोट: यहां हम वर्तमान एल्गोरिथ्म कार्यांवयन और अलग कैमरा विनिर्देशों के लिए समायोजन (सेंसर आकार, मेगापिक्सल, फोकल लंबाई, फसल के लिए दूरी) और फसल (द्रुम गेहूं या जौ) स्वत: कान गिनती के लिए । एल्गोरिथ्म का एक सिंहावलोकन रेखांकन चित्र 3में प्रस्तुत किया है ।

Figure 3
चित्रा 3 : छवि-दो पंक्ति जौ कान गिनती के लिए प्रसंस्करण पाइपलाइन । छवि प्रसंस्करण दो पंक्ति जौ कान के लिए पाइपलाइन के रूप में विशिष्ट कंप्यूटर कोड का उपयोग कर कार्यांवित की गिनती या CerealScanner सॉफ्टवेयर का उपयोग कर, दोनों जो फिजी (ImageJ) के भीतर काम करते हैं । 1 पैनल मूल छवि से पता चलता है । पैनल 2 Laplacian फ़िल्टर के अनुप्रयोगों के परिणाम से पता चलता है । पैनल 3 औसत फिल्टर के आवेदन से पता चलता है, और 4 पैनल अंतिम कान गिनती के उत्पादन के लिए फाइनल मिल Maxima और विभाजन के परिणाम से पता चलता है । फिर, गणना छवि संख्या में परिवर्तित करने के लिए किया जाता है कान घनत्व, के रूप में चित्र 1में दिखाया गया है । इन छवियों को Arazuri क्षेत्र साइट (पूर्वोत्तर स्पेन, 42 ° 48 ' 33.9 "N 1 ° 43 ' 37.9" W) फैलाना प्रकाश शर्तों में से लिया उदाहरण हैं । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

  1. डाउनलोड और स्थापित फिजी, जावा 8, और प्रसंस्करण कोड या बार्सिलोना के स्वामित्व CerealScanner प्लगइन (https://fiji.sc/, https://www.java.com/en/download/, और https://integrativecropecophysiology.com/software-development/cerealscanner/[सूचना] या https://gitlab/sckefauver/CerealScanner [कोड भंडार]) के विश्वविद्यालय; पहुंच अनुमतियों के लिए संगत लेखकों से संपर्क करें । प्लगइन फिजी के भीतर बस plugins फ़ोल्डर में नकल द्वारा स्थापित है ।
  2. Plugins > CerealScanner > खुला अनाज स्कैनरके माध्यम से शीर्ष मेनू से प्लगइन खोलें ।
    नोट: यहां प्रस्तुत काम से अलग, CerealScanner प्लगइन कई अलग आरजीबी आधारित वनस्पति सूचकांक फसल शक्ति, तनाव, या क्लोरोफिल17,18से संबंधित शामिल हैं । विशिष्ट CerealScanner भाग जल्दी ताक़त के लिए विशिष्ट एल्गोरिदम (फर्नांडीज-Gallego, समीक्षा में), कान14गिनती, और फसल वार्धक्य19, के रूप में 4 चित्रामें दिखाया गया है शामिल हैं ।
  3. यदि वे डिफ़ॉल्ट मानों से भिन्न हैं, तो कैमरा विनिर्देशों और छवि कैप्चर विवरण के समायोजन दर्ज करें (विवरण के लिए चित्र 1 और आरेख 4 देखें).
    1. कैमरा फोकल लंबाई के लिए एल्गोरिथ्म पैरामीटर समायोजित करें ।
    2. फसल चंदवा से दूरी के लिए एल्गोरिथ्म पैरामीटर समायोजित करें ।

Figure 4
चित्र 4 : CerealScanner २.१२ बीटा मध्य टैब दोनों स्तरों पर, CerealScanner एल्गोरिथ्म संग्रह के भीतर समारोह गिनती कान अंकन । उपयोगकर्ता का चयन करना होगा... बटन बैच आदानों के अधिकार के लिए फ़ोल्डर का चयन करने के लिए जहां छवि फ़ाइलें संग्रहीत कर रहे हैं, एच दूरी (फसल चंदवा के शीर्ष करने के लिए कैमरे से दूरी) के डिफ़ॉल्ट मूल्यों को बदलने और फोकल लंबाई, अगर defaul से अलग t मान, और फिर अंतिम परिणाम फ़ाइल का नाम और स्थान का चयन करने के लिए परिणाम फ़ाइल के दाईं ओर के लिए... बटन का चयन करें । CerealScanner के अंय टैब विशेषता के लिए एल्गोरिदम प्रदान-आधारित phenotyping जल्दी ताक़त और परिपक्वता की शुरुआत के लिए CerealScanner कोड सुइट के भाग के रूप में । बायोमास टैब के तहत, वहां भी आरजीबी डिजिटल छवियों के लिए और अधिक सामांय फसल की शक्ति और बायोमास गणना के आकलन के लिए कई एल्गोरिदम हैं । उदाहरण दो-पंक्ति जौ को संदर्भित करता है, क्योंकि यह चित्र 3में विस्तार से प्रदर्शित किया गया था । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

Figure 5
चित्रा 5 : एल्गोरिथ्म समायोजन । छवि प्रसंस्करण पाइप लाइन में आवश्यक समायोजन करने के लिए सफलतापूर्वक दोनों गेहूं और जौ एक ही एल्गोरिथ्म का उपयोग कर कान गिनती के लिए कैमरे के भाग के रूप में स्वचालित रूप से प्रबंधित कर रहे है एच दूरी के विशिष्ट समायोजन (कैमरे और फसल के बीच दूरी चंदवा) और फोकल लंबाई और कान प्रति पिक्सल की संख्या विभिन्न अनुप्रयोगों के बीच कम या ज्यादा लगातार रहता है कि यह सुनिश्चित करने के लिए सेवा. कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

  1. किसी फ़ील्ड डेटा सेट की प्रत्येक छवि में कानों की संख्या की गणना करने के लिए मध्य टैब CerealScanner और बाद के केंद्रीय टैब कान की गिनती का चयन करें ।
    1. विकल्पके तहत, बैच आदानोंमें दर्ज करें, तस्वीरों का स्थान का विश्लेषण करने के लिए ।
    2. परिणाम फ़ाइलोंमें, का चयन करें जहां परिणाम फ़ाइल को सहेजना है । परिणाम फ़ाइल छवि फ़ाइल नाम और कान गिनती परिणाम के साथ दो कॉलम शामिल होंगे ।
    3. अंत में, प्रक्रियापर क्लिक करें, और परिणाम वर्ग मीटर (कान/एम2) में कान घनत्व के साथ फ़ाइल, एक साधारण अनुपात का उपयोग कर कैमरा सेटिंग्स का उपयोग कर और चंदवा और कैमरा के बीच की दूरी वर्ग में एक वास्तविक चंदवा क्षेत्र में छवि क्षेत्र को बदलने के लिए 1 चित्रके बाद मीटर, स्वचालित रूप से कुछ ही मिनटों में उत्पादन किया जाएगा, कंप्यूटर की गति पर निर्भर करता है ।
  2. आचरण एक के बाद डेटा संग्रह के बाद प्रसंस्करण सत्यापन द्वारा मैंयुअल रूप से छवि में गेहूं या जौ के कानों की संख्या गिनती और फिर प्रति वर्ग मीटर कान की संख्या में इस परिवर्तित (कान/एम2), के रूप में चित्र 1में दिखाया गया है, की तुलना करने के लिए एल्गोरिथ्म मानों के आधार पर उन लोगों के साथ परिणाम ।
    1. इस प्रक्रिया के लिए आसान समर्थन प्रदान करता है जो फिजी के भीतर निर्मित साधारण बिंदु प्लेसमेंट उपकरण का उपयोग करें, और फिजी गिनती स्वचालित रूप से उत्पादन के लिए कणों समारोह का विश्लेषण ; यह चित्र 6में रेखांकन दिखाया गया है ।
    2. वैकल्पिक रूप से, चरण २.६ में वर्णित के रूप में फ़ील्ड डेटा प्राप्ति के दौरान एक छोटे क्षेत्र वृत्त का उपयोग करके मांयता का संचालन; फ़ील्ड में मैन्युअल गणना और प्रयोगशाला में मैन्युअल छवि गणना कर सकते हैं, फिर, आरेख 7में दिखाए गए के रूप में एल्गोरिथ्म मान्यता के लिए उपयोग किया जा सकता है ।

Figure 6
चित्रा 6 : एल्गोरिथ्म मान्यता का उपयोग कर मैनुअल में छवि कान मायने रखता है. मैनुअल में छवि कान के लिए मायने रखता है (बाएं) द्रुम गेहूं और (दाएं) जौ । छोटे डॉट्स फिजी बिंदु उपकरण का उपयोग कर बनाया गया था और फिर एक 0.90 के साथ कणों का विश्लेषण समारोह का उपयोग कर गिना-1.00 परिवृत्ति बाधा एक रंग सीमा से लागू करने के बाद ह्यू संतृप्ति बिंदु उपकरणद्वारा निर्दिष्ट रंग के लिए तीव्रता रंग स्थान । इस विधि और अधिक सटीक छवि आधारित मैनुअल कान गिनती सुनिश्चित करता है । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

Figure 7
चित्र 7 : एल्गोरिथ्म सत्यापन क्षेत्र में मैनुअल मायने रखता है और मैनुअल में छवि कान गेहूं और जौ के मायने रखता है, एक सर्कल का उपयोग कर । छोड़ा गेहूं छवि गणना मांयता एक चक्र का उपयोग उदाहरण । सही जौ छवि गणना मांयता एक सर्कल का उपयोग उदाहरण । सफेद सर्कल के भीतर कान के सबसेट मायने रखता है एक ही तकनीक का उपयोग कर गिना के रूप में बिंदु उपकरण, रंग दहलीजके साथ चित्रा 6 में वर्णित है, और फिर, परिपत्र के साथ कणों का विश्लेषण समारोह बाधाएं और रंग चयन का उपयोग कर छटा । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

चित्रा 8में, परिणाम कान घनत्व के बीच निर्धारण गुणांक (वर्ग मीटर प्रति कानों की संख्या) को दिखाने के मैनुअल गिनती और तीन अलग फसल विकास चरणों में गेहूं और जौ के लिए एक कान गिनती एल्गोरिथ्म का उपयोग कर । पहले एक ६१ और ६५ (आर2 = ०.६२) के बीच एक Zadoks ' पैमाने के साथ गेहूं द्रुम है । दूसरा एक है दो पंक्ति जौ के साथ एक Zadoks ' स्केल के बीच ७१ और ७७ (r2 = ०.७५), और पिछले एक है द्रुम गेहूं के बीच एक Zadoks ' स्केल के बीच ८१ और ८७ (r2 = ०.७५) ।

Figure 8
चित्र 8 : कान घनत्व के बीच निर्धारण के गुणांक (कान की संख्या/मैनुअल छवि का उपयोग कर गिनती और कान द्रुम गेहूं और दो की गिनती के लिए छवि एल्गोरिथ्म-अलग स्वीकार्य फसल विकास चरणों में (Zadoks पर)-पंक्ति जौ स्केल ६१-८७). दोनों अक्ष, केवल छवि आधारित परिणामों के बजाय, कान के घनत्व में रूपांतरण सहित परिकलन दिखाते हैं । प्रतिनिधि परिणाम यहां तीन विभिंन विकास चरणों में दो विभिंन फसलों के लिए प्रस्तुत कर रहे हैं, के रूप में अच्छी तरह के रूप में विभिंन प्रकाश की स्थिति के तहत, अर्थात् Zadoks ' पैमाने 61-65 पर द्रुम गेहूं के प्रत्यक्ष धूप की छवियों शीर्ष पर (R2 = ०.६२, n = ७२), Zadoks ' स्केल 71-77 पर जौ के प्रकाश छवियों को बीच में फैलाना (r2 = ०.७५, n = 30), और नीचे Zadoks ' स्केल 81-87 पर द्रुम गेहूं के लिए प्रकाश शर्तों फैलाना (r2 = ०.७५, एन = 24) । प्रत्येक का एक उदाहरण छवि भी एक ग्राफ के नीचे दाएं कोने में एक इनसेट के रूप में दिखाया गया है । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

Subscription Required. Please recommend JoVE to your librarian.

Discussion

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

वृद्धि की चपलता, निरंतरता, और परिशुद्धता उपयोगी नए phenotyping उपकरण विकसित करने के लिए अपने वैश्विक जलवायु परिवर्तन से संबंधित नकारात्मक दबाव के बावजूद अनाज उपज बढ़ाने के प्रयासों में फसल प्रजनन समुदाय की सहायता के लिए महत्वपूर्ण हैं । अनाज कान घनत्व के कुशल और सटीक आकलन, महत्वपूर्ण मुख्य फसलों की उपज का एक प्रमुख कृषि घटक के रूप में, मदद करेगा भविष्य की पीढ़ियों खिलाने के लिए आवश्यक उपकरण प्रदान करते हैं । सुधार और फसल के समर्थन पर ध्यान केंद्रित क्षेत्र की स्थिति में प्रजनन प्रयासों में मदद करता है इस अनुसंधान रखने और तकनीक यहां प्रस्तुत अधिक बारीकी से वास्तविक दुनिया जलवायु परिवर्तन परिदृश्यों और प्रजनन समुदाय की जरूरतों के लिए बंधे लेकिन यह भी प्रस्तुत करता है तकनीकी कठिनाइयों । इस तरह के रूप में, यह न केवल डेटा पर कब्जा और इस प्रोटोकॉल में छवि प्रसंस्करण के लिए, लेकिन यह भी अपने सफल कार्यांवयन11के लिए इष्टतम पर्यावरण की स्थिति और फसल विकास चरणों के लिए सिफारिशों को बंद पालन का भुगतान महत्वपूर्ण है । उपज का एक प्रमुख कृषीय घटक के रूप में, कान घनत्व एक धक्का में अनाज की फसल की पैदावार बढ़ाने के लिए सबसे महत्वपूर्ण लक्ष्य लक्षण में से एक माना जाता है (Slafer एट अल.20 और संदर्भ उसमें से लेख देखें) । एक इष्टतम लागत कुशल, फुर्तीली, और सीधा क्षेत्र phenotyping तकनीक की ओर इस प्रोटोकॉल में ध्यान केंद्रित मानता है कि प्रोटोकॉल के इन पहलुओं को बड़े पैमाने पर प्रजनन समुदाय द्वारा अपनी गोद लेने और कार्यांवयन के लिए महत्वपूर्ण हैं । इसके विपरीत, पिछले समान उद्देश्य कान घनत्व या अंय उपज घटक ठहराव का आकलन करने के साथ संबंधित अध्ययन और अधिक शामिल डेटा को पकड़ने और पर्यावरण नियंत्रण संरचनाओं, ऐसे संलग्न संरचनाओं के रूप में इस्तेमाल किया है और निश्चित कैमरा का समर्थन करता है या यहां तक कि कृत्रिम प्रकाश आदानों, कि प्रभावी ढंग से क्षेत्र की स्थिति और वास्तविक प्रजनन कार्यक्रम12,20,22में कार्यांवयन के तहत व्यावहारिक आवेदन में बाधा ।

इस प्रकार, हम यहां प्रस्तुत किया है एक विस्तृत प्रोटोकॉल है कि एक चलने अनुकूलन प्रक्रिया में विभिंन विभिंन तकनीकों के परीक्षण का परिणाम है, एक सरल लेकिन प्रभावी छवि डेटा पर कब्जा विधि केवल एक व्यावसायिक रूप से उपलब्ध है, मामूली की आवश्यकता के परिणामस्वरूप उच्च संकल्प आरजीबी डिजिटल कैमरा और एक प्रारंभिक फसल चंदवा के ऊपर कैमरा रखने के लिए "phenopole" । अन्य छवि-RGB रंग या वैकल्पिक रंग रिक्त स्थान, जैसे कि छटा-संतृप्ति-तीव्रता या CIELAB के आधार पर प्रयास फ़िल्टरिंग अवांछित छवि तत्वों को हटाने में Laplacian और माध्य आवृत्ति डोमेन फ़िल्टर के उपयोग के रूप में प्रभावी या सुसंगत नहीं थे, विशेषतः बालियों. हम विभिंन तत्वों के साथ छवि पर कब्जा पाइपलाइन प्रणाली तैयार की है, जिनमें से कुछ आसानी से छवि प्रसंस्करण एल्गोरिथ्म कार्यांवयन में मामूली परिवर्तन के साथ समायोजित किया जा सकता है । मामले में अध्ययन यहां प्रस्तुत है, हम दो अलग कॉंपैक्ट कैमरे के साथ अपेक्षाकृत बड़े सेंसर और २०.१ मेगापिक्सल (सांसद) और १६.० सांसद संकल्प फसल चंदवा से ८० सेमी की दूरी से 16-20 mm के वाइड-एंगल लेंस के साथ छवियों पर कब्जा करने के लिए इस्तेमाल किया है । यह साबित किया है और अधिक से अधिक विस्तृत चंदवा जौ और गेहूं की जानकारी का उत्पादन सिमुलेशन के साथ, का प्रदर्शन है कि तकनीक परिशुद्धता के उच्च स्तर के नीचे लगभग 8 सांसद14 (समान लेंस और से दूरी के साथ रखता है चंदवा) ।

हालांकि प्रस्तुत छवि की निरंतरता और परिशुद्धता प्रसंस्करण तकनीक पर्यावरण की स्थिति और छवि पर कब्जा करने के समय phenological मंच पर निर्भर करते हैं, एल्गोरिदम उनके आवेदन में एक मजबूत प्रदर्शन प्रदान करने में वादा दिखाने के लिए अलग छोटे अनाज अनाज, द्रुम और रोटी गेहूं और दो पंक्ति और छह पंक्ति जौ की किस्मों सहित । हालांकि इस एल्गोरिथ्म अभी तक पूरी तरह से परीक्षण किया जाना है, छवि पर कब्जा ही होगा, शायद रिश्तेदार आकार और छवियों में कान की स्थिति के संबंध में आदेश इष्टतम कान गिनती परिणाम के लिए प्रदान करने के लिए के साथ कुछ मामूली समायोजन । प्रस्तुत प्रोटोकॉल में, छवि आधारित कान घनत्व का अनुमान अधिक से अधिक सटीकता हासिल की और मैनुअल छवि मायने रखता है और बाद में वृद्धि चरणों पर कब्जा कर लिया छवियों की तुलना में अनाज की उपज के साथ सबसे अच्छा संबंधित है, जब फसल वार्धक्य रंग की एक हानि के परिणामस्वरूप और फसल चंदवा और कान के बाकी के बीच रोशनी इसके विपरीत । यह अनाज भरने के बाद के भागों में उच्च तापमान या कम पानी की उपलब्धता का एक परिणाम हो सकता है, जो विशेष रूप से ठेठ भूमध्य स्थितियों में आम हैं, कि पत्तियों और senesce के लिए culm के कारण कान से पहले कर सकते हैं23; यह इसके विपरीत कान, पत्तियों, और मिट्टी के बीच जुदाई की प्रभावशीलता के लिए आवश्यक है । कान पहले से ही पीले रंग के साथ पीढ़ी परिपक्व या वृद्ध होनेवाला छतरियां में, अलग छवि तत्वों के बीच विपरीत कान गिनती के लिए पर्याप्त नहीं है । जैसे, अंय मौसमों में, इष्टतम समय थोड़ा अलग हो सकता है अगर वहां वार्धक्य शुरुआत के दौरान कोई पानी तनाव है ।

भले ही क्षेत्र की स्थितियों में डेटा संग्रह सूर्य के प्रकाश की तीव्रता और सूरज की रोशनी रोशनी के कोण के रूप में इस तरह के पर्यावरण की स्थिति के करीब ध्यान देने की आवश्यकता है, मजबूत छवि विश्लेषण एल्गोरिथ्म यहां प्रस्तुत छवि पर कब्जा में कुछ छूट प्रदान करता है छवि शुक्लता प्रभाव पर ध्यान न दें कि स्थानिक तकनीकों का उपयोग करके विंडो, यह देखते हुए कि सही छवि जोखिम छवि पर कब्जा के समय विशेष प्रकाश स्थितियों के लिए इस्तेमाल किया गया था; स्वचालित सेटिंग्स उस संबंध में अच्छी तरह से काम किया है । पिछले काम में, प्रकाश प्रभाव की एक फुलर रेंज का परीक्षण किया गया था, यह दर्शाता है कि प्रकाश प्रभाव के संबंध में त्रुटि का एकमात्र प्रमुख स्रोत छवि में मजबूत छाया का उत्पादन है जब प्रत्यक्ष धूप में छवियों पर कब्जा या तो जल्दी या दिन में देर , कारण सन14का कोण । पहले दो छवि फिल्टर अनुप्रयोगों के अतिरिक्त रोशनी से किसी भी स्पष्ट प्रभाव को कम करने में मदद (हालांकि कैमरा जोखिम के माध्यम से नहीं), जबकि भी छवि के किसी भी पृष्ठभूमि घटकों को कम करने; एक ही समय में, इन फिल्टर भी चिकनी और शोर में कमी, दोनों के बाद मिल Maxima प्रक्रिया23,24में जो सहयोगी के लिए योगदान करते हैं । इसलिए, जबकि प्राकृतिक प्रदीप्ति कारकों के लिए जवाबदेह होना चाहिए, जैसे सूर्य के कोण के रूप में जब छवियों के प्रत्यक्ष में बजाय फैलाना प्रकाश शर्तों में लिया जाता है, इस क्रम में मुख्य रूप से छाया कलाकृतियों से संबंधित त्रुटियों को कम करने के लिए है ।

इसके अलावा, एल्गोरिथ्म कान प्रस्तुत प्रोटोकॉल और अनाज उपज से गिनती के बीच सहसंबंध और अधिक से अधिक महत्वपूर्ण थे मैनुअल (क्षेत्र आधारित) कान एक ही प्रयोग11, जो कि इस प्रोटोकॉल का समर्थन करता है की गणना अधिक सटीक लेकिन यह भी कान घनत्व के आकलन के लिए एक मानकीकृत प्रोटोकॉल के रूप में और अधिक सुसंगत । हालांकि यहां विशेष रूप से प्रस्तुत नहीं, इसी तरह के डेटा पर कब्जा और प्रसंस्करण तकनीक के रूप में वे बहुत अच्छी तरह से नकली कम छवि संकल्प के तहत प्रदर्शन मोबाइल फोन, हवाई या अंय स्वचालित प्लेटफार्मों का उपयोग कर व्यवहार्य प्रतीत होता है । greyscale कमी के लिए अतिरिक्त परीक्षण (तेजी से छवि प्रसंस्करण के लिए) और कम संकल्प छवि सिमुलेशन (अन्य कैमरों या यूएवी के आवेदन से) पहली फिल्टर14 से पहले छवि रूपांतरण लागू करने के द्वारा आयोजित किया गया और सुझाव दिया कि, इष्टतम स्थितियों में, प्रसंस्करण समय सटीकता की किसी भी हानि के बिना इन तरीकों से कम किया जा सकता है । संभव भविष्य दिशाओं के लिए के रूप में, छवि प्रसंस्करण एल्गोरिदम यहां प्रस्तुत केवल VHR आरजीबी रंग डेटा का लाभ लेने के रूप में यह कैमरा (मानव आंख के समान) द्वारा कब्जा कर लिया है, लेकिन अंय संभावित सुधार रूपांतरण से संकर रंग के लिए परिणाम हो सकता है ऐसे multispectral या थर्मल, जो दोनों और अधिक सस्ती हाल ही में हो गया है और कान घनत्व में सुधार के लिए क्षमता की पेशकश के रूप में अंय अधिक उंनत वैज्ञानिक सेंसर, के साथ संयोजन में ऐसे रंग-संतृप्ति तीव्रता, या डेटा संलयन के माध्यम से रिक्त स्थान, अनुमान, हालांकि शायद विभिंन विकास चरणों में या विभिंन क्षेत्रों की स्थिति में ।

संक्षेप में, इस प्रोटोकॉल के कार्यांवयन के लिए महत्वपूर्ण कदम वर्ष के समय और फसल है, जो इष्टतम जब फसल विकास चरणों में है Zadoks ' पैमाने के 60-87 है और या तो पर के लिए सबसे पहले और सबसे महत्वपूर्ण उचित योजना भी शामिल है सौर दोपहर या फैलाना प्रकाश शर्तों में । इसके अलावा, डिजिटल छवियों के अधिग्रहण कैमरा कोण, चंदवा से दूरी के लिए एक नियंत्रित तरीके से लेखांकन में आयोजित किया जाना चाहिए, और प्रत्येक छवि के लिए कैमरा फोकस । अंत में, कंप्यूटर प्रसंस्करण विकल्प अनुकूलित प्रसंस्करण कोड पाइपलाइन reproducing के लिए विस्तार से प्रस्तुत कर रहे हैं, या या तो मूल कोड या एक प्लग में एक ग्राफिकल यूजर इंटरफेस (GUI) के रूप में एकीकृत कोड के लिए लेखकों से संपर्क फिजी के लिए, अर्थात्, CerealScanner ।

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

लेखकों का खुलासा करने के लिए कुछ नहीं है ।

Acknowledgments

इस शोध के लेखक Colmenar डी Oreja (Aranjuez) के Instituto Nacional de Investigación y Tecnología Agraria y Alimentaria (िनिा) और Zamadueñas (Valladolid) के प्रायोगिक स्टेशनों पर फील्ड मैनेजमेंट स्टाफ का शुक्रिया अदा करना चाहेंगे Instituto de Tecnología Agraria de Castilla y León (ITACyL) अनुसंधान अध्ययन फसलों के अपने क्षेत्र के समर्थन के लिए इस्तेमाल किया । इस अध्ययन के अनुसंधान परियोजना AGL2016 द्वारा समर्थित किया गया था-76527-MINECO, स्पेन और Syngenta, स्पेन के साथ एक सहयोग परियोजना का हिस्सा से आर । "Formación de Talento Humano de Alto Nivel, Gobernación डेल टोलीमा-Universidad डेल टोलीमा, कोलंबिया" से BPIN २०१३०००१००१०३ फैलोशिप के पहले लेखक जोस Armando फर्नांडीज-Gallego के लिए एकमात्र धन समर्थन था । इसी लेखक, शॉन सी Kefauver के प्राथमिक धन स्रोत, एक अनुदान के माध्यम से ICREA शिक्षा कार्यक्रम से आया प्रो जोस लुइस Araus को संमानित किया ।

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

DOWNLOAD MATERIALS LIST

References

  1. Food and Agriculture Organization (FAO). Food outlook: Biannual report on global food markets. Food and Agriculture Organization of the United Nations. (2017).
  2. Araus, J. L., Kefauver, S. C. Breeding to adapt agriculture to climate change: affordable phenotyping solutions. Current Opinion in Plant Biology. (2018).
  3. Ranieri, R. Geography of the Durum Wheat Crop. Pastaria International. 6, (2015).
  4. Food Agriculture Organization (FAO). The State of Food Insecurity in the World. Food and Agriculture Organization of the United Nations. (2014).
  5. Araus, J. L., Cairns, J. E. Field high-throughput phenotyping: the new crop breeding frontier. Trends in Plant Science. 19, (1), 52-61 (2014).
  6. Fiorani, F., Schurr, U. Future Scenarios for Plant Phenotyping. Annual Review of Plant Biology. 64, (1), 267-291 (2013).
  7. 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).
  8. 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).
  9. Furbank, R. T., Tester, M. Phenomics – technologies to relieve the phenotyping bottleneck. Trends in Plant Science. 16, (12), 635-644 (2011).
  10. 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).
  11. 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).
  12. 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).
  13. Dornbusch, T., et al. Digital Field Phenotyping by LemnaTec. (2015).
  14. 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).
  15. 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).
  16. Zadoks, J., Chang, T., Konzak, C. A decimal growth code for the growth stages of cereals. Weed Research. 14, (14), 415-421 (1974).
  17. 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).
  18. 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).
  19. Zaman-Allah, M., et al. Unmanned aerial platform-based multi-spectral imaging for field phenotyping of maize. Plant Methods. 11, (1), 35 (2015).
  20. 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).
  21. 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).
  22. 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).
  23. 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).
  24. 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).
  25. Smołka, B. Nonlinear techniques of noise reduction in digital color images. Wydawnictwo Politechniki Śląskiej. (2004).
अनाज फसल कान क्षेत्र स्थितियों में गिनती कर्इ आरजीबी छवियों का उपयोग
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Fernandez-Gallego, J. A., Buchaillot, M. L., Gracia-Romero, A., Vatter, T., Diaz, O. V., Aparicio Gutiérrez, N., Nieto-Taladriz, M. T., Kerfal, S., Serret, M. D., Araus, J. L., Kefauver, S. C. Cereal Crop Ear Counting in Field Conditions Using Zenithal RGB Images. J. Vis. Exp. (144), e58695, doi:10.3791/58695 (2019).More

Fernandez-Gallego, J. A., Buchaillot, M. L., Gracia-Romero, A., Vatter, T., Diaz, O. V., Aparicio Gutiérrez, N., Nieto-Taladriz, M. T., Kerfal, S., Serret, M. D., Araus, J. L., Kefauver, S. C. Cereal Crop Ear Counting in Field Conditions Using Zenithal RGB Images. J. Vis. Exp. (144), e58695, doi:10.3791/58695 (2019).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
simple hit counter