अनाज फसल कान क्षेत्र स्थितियों में गिनती कर्इ आरजीबी छवियों का उपयोग
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
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 ।
Protocol
Representative Results
Discussion
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 ?…
Disclosures
The authors have nothing to disclose.
Acknowledgements
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
| 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. , (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. , (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).
