곡물 작물 귀 필드에서 조건 방들은 RGB 이미지를 사용 하 여

Summary

선물이 듀 럼 밀과 보 리 귀를 계산에 대 한 프로토콜 사용 하 여 필드 조건 하에서 자연 햇빛에서 자연 색상 (RGB) 디지털 사진. 카메라 매개 변수에 대 한 최소한의 조정, 일부 환경 조건 제한 기술 성장 단계의 범위에 걸쳐 정확 하 고 일관 된 결과를 제공합니다.

Abstract

귀 농도, 또는 평방 미터 (귀/m²), 당 귀 수 많은 시리얼 작물 번 식 프로그램, 밀과 보 리, 곡물 수확량을 예측에 대 한 중요 한 농경 항복 요소를 나타내는 중앙 초점 이다. 따라서, 귀 밀도 평가 하기 위한 신속, 효율적이 고 표준화 된 기술을 제공 하는 preharvest 수확량 예측, 개선 농업 관리 개선 지원 또는 자르기가 정의 때 사육에 대 한 도구로 사용 될 수 있습니다. 중요성의는 특성으로 뿐만 아니라 수동 귀에 대 한 현재 기술 밀도 평가 힘들고 시간이 걸리는, 하지만 그들은 또한 어떤 공식 표준화 된 프로토콜 없이 선형 미터, 지역 사분면, 또는 식물 귀 밀도 및 식물에 따라 추정 된 postharvest 계산합니다. 디지털 이미지, 높은 처리량에 대 한 허용 방들은 (nadir) 자연 색상 (빨강, 녹색 및 파랑 [RGB])에 기반 필드 조건에만 햇빛 조명 귀 밀도 추정 알고리즘을 계산 하는 자동 귀 자세히 제시 표준화 된 측량입니다. 듀 럼 밀과 보 리 2014/2015, 2015 동안 스페인 지리적으로 분산의 다른 현장 실험/2016 작물 계절에 관개와 rainfed 재판 대표적인 결과 제공 하는 데 사용 했다. 작물 성장 단계 및 필드 조건 계획, 이미지 캡처 지침 및 컴퓨터 알고리즘의 세 단계를 포함 하는 3 단계 프로토콜: (i) Laplacian 주파수 필터를 제거 낮은 및 높은 주파수, (ii)을 줄이기 위해 높은 중간 필터 잡음, (iii) 세분화 하 고 최종 계산에 대 한 로컬 맥시 마 봉우리를 사용 하 여 계산. 약간 조정 알고리즘 코드는 카메라 해상도, 초점, 그리고 카메라와 자르기 캐노피 사이의 거리에 해당 되어야 합니다. 결과 알고리즘 계산 사이 높은 성공률 (90% 이상)과 R² 값 (0.62-0.75) 설명 하 고 수동 이미지 기반 귀 듀 럼 밀과 보 리에 대 한 건의.

Introduction

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

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

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

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

Protocol

1. prefield 작물 성장 단계 및 환경 조건 작물 성장 단계는 곡물 충전 물 사이 약 그리고 작물 성숙 잎이 노화 하는 경우에 여전히 녹색은 귀 근처 (Zadoks’ 규모16의 범위 60-87에 밀의 경우 해당). 잎의 일부 yellowing은 허용 하지만 필요 하지 않습니다. 그림/영역 가변성;를 캡처하기 위해 다양 한 복제 (작 당 사진)와 이미지 캡처 샘플링 계획 준비 이미지 처리 알고리즘 귀…

Representative Results

그림 8에서 결과 보여 귀 밀도 (평방 미터 당 귀 수) 사이의 결정 계수 수동 계산 및 3 개의 다른 작물 성장 단계에 밀과 보 리에 대 한 알고리즘을 계산 하는 귀를 사용 하 여. 첫 번째는 61 ~ 65 사이 Zadoks’ 규모와 듀 럼 밀 (R2 = 0.62). 두 번째는 71에서 77 사이 Zadoks’ 규모와 두 줄 보 리 (R2 = 0.75), 그리고 마지막 하나는 81과 87 사…

Discussion

증가 민첩성, 일관성, 그리고 정밀 글로벌 기후 변화에 관련 된 부정적인 압력에도 불구 하 고 곡물 수확량을 증가 하는 그들의 노력에 작물 번 식 지역 사회를 지원 하기 위해 유용한 새로운 형질 도구를 개발 하는 열쇠입니다. 시리얼 귀 밀도의 효율적이 고 정확한 평가의 중요 한 주식 수익률의 주요 농경 구성 작물로 먹이 미래 세대에 필요한 도구를 제공 도움이 됩니다. 개선 및 작물 번 식 노?…

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