Wir möchten Ihnen unseren Ansatz für die Getreideohrzählung unter Feldbedingungen zeigen. Ziel dieser Studie ist es, eine schnelle und effiziente Methode zur Zählung von Weizenohren unter Feldbedingungen aufzuzeigen. Hartweizen und Gerste sind damit das am meisten angebaute Getreide im Süden und Osten des Mittelmeerraums.
In diesen Gebieten werden sich als Folge des Klimawandels die Umweltbedingungen ändern. Wir müssen arbeiten, um die Produktion zu steigern. In diesem Sinne sind entfernte und proximale Sensorbilder zu einem wichtigen Werkzeug in der Feld-Hochdurchsatz-Phänotypisierung mit verschiedenen Kindern von Sensoren geworden.
Einer der wesentlichen Punkte für die Verbesserung der Getreideproduktivität ist eine effizientere Bewertung des Ertrags. Bestimmt durch die folgenden drei Ertragskomponenten: Ohrdichte, Anzahl der Körner pro Ohr und das tausendKerngewicht. Wir werden versuchen, eine automatische Zählung der Ohren pro Anbaufläche zu entwickeln, d. h. Ohrdichte.
Das Protokoll, das wir entwickelt haben, ist die Verwendung einer 20-Megapixel-Kamera, die Bilder nach unten oder perfekt xenapho oder natur in einem Abstand von etwa 80 cm von der Spitze des Erntedaches macht. Für Validierungszwecke tun wir sowohl in der Feld Weizenohrzahl, oder Gerstenohrzählt sowie manuelle Zählungen des Bildes, um die Technik zu validieren und die Algorithmen zu optimieren. Wichtig ist auch bei der Aufnahme der Feldfotos, dass die Bilder innerhalb von zwei Stunden nach Sonnenmittag aufgenommen werden.
Dies ist wichtig, da es Schatteneffekte vermeidet, die die Bildanalyse in der zweiten Phase des Protokolls erschweren. In diesem Teil möchten wir Ihnen unseren Ansatz für die Getreideohrzählung unter Feldbedingungen zeigen. Diese Arbeiten wurden in Zusammenarbeit mit ITACyL, INIA und Syngenta durchgeführt.
Beginnen wir damit. Der erste Schritt unseres Protokolls ist die Auswahl der geeigneten Erntewachstumsstufe. In unserem Fall haben wir die Stufen zwischen Kornfüllung und Nahchromatologie verwendet, die im Fall Südost eine Zahl zwischen 60 und 87 entsprechen.
In der Abbildung A:Weizen und Abbildung B:Barley haben wir ein Beispiel für Satellitenbilder unseres Datensatzes ausgewählt. Die Bildaufnahme hat 3 Parameter: Sensorbreite, Fotoobjektiv und Abstand zwischen Kamera und Vordach. Mit dieser Information können wir die Quadratmeter des Bildes berechnen.
Algorithmus-Implementierung und Anpassungen, das sind die pa-blan-y Schritte. Als Eingabe haben wir ein RGB-Bild. Laplacian Frequenzfilter verwenden wir es, um einen Teil des Bodens zu entfernen, verlassen und unerwünschte Helligkeit.
Der mittlere Filter überprüft das Rauschen, und schließlich finden Maxima bestimmen lokale Picks. Das Ausgabebild zeigt die erkannten Ohren. Algorithmusimplementierung und Anpassungen.
Wenn die Bilder mit unterschiedlicher Kameraspezifikation oder Entfernung zwischen dem Vordach und der Kamera aufgenommen wurden, können wir einige Algorithmusparameter anpassen. Der Laplacian-Filter ist immer noch derselbe. Im Mittelfilter und finden Maxima können wir den Durchmesser und den Rauschparameter ändern.
Algorithmusvalidierung. Für den Validierungsschritt haben wir jedes Ohr im Originalbild markiert und dann wurde die Anzahl der Markierungen im Bild mit einem einfachen Algorithmus gezählt. Die Ergebnisse wurden zur Berechnung der Erfolgsquote verwendet.
Wir haben auch einen Kreis aufgenommen, um einen physischen Bezug in das Bild zu haben. Algorithmusimplementierung mithilfe von Bildern. Dies ist das Getreidescanner-Plug-in.
Sie finden in der zentralen Registerkarte Datenzählung. In den Optionen können Sie die Eingabebilder und auch den Ort auswählen, an dem Sie die Ergebnisse speichern möchten. Ich möchte Ihnen zeigen, wie das Makro mit einem Bild funktioniert.
Wir werden dieses Bild auswählen und jetzt werden wir den ersten Schritt ausführen. Dies ist die Frequenzbildung des Bildes und hier haben wir das Ergebnis. Der zweite Schritt ist der Mittlere Filter.
Wir werden diesen Schritt ausführen, und das ist das Ergebnis. Schließlich werden wir den letzten Teil des Schnitts ausführen und dies ist das Ergebnis, diese endgültigen Zahlen ist die Anzahl der erkannten Ohren. Der andere Weg zum gleichen ist hier klicken, wir verarbeiten, finden Maxima, und klicken Sie hier.
Dies ist eine weitere Möglichkeit, den Ohrzählalgorithmus zu verwenden. Sie können unsere Website integrativecropecophysiologygroup besuchen. com und hier in der Softwareentwicklung finden Sie den Getreidescanner.
Um auf die Berechtigung zuzugreifen, schreiben Sie bitte direkt an diese E-Mail. Führen Sie die Schritte aus, um den Stecker zu installieren. Wenn der Stecker installiert ist, gehen Sie bitte direkt zu Plug-Ins, Getreidescanner, offenem Getreidescanner.
Jetzt verwenden wir zwei Bilder. Gehen Sie direkt zu Getreidescanner, Ohrzählung, und in Optionen, wählen Sie Ihre Dateien. Hier können Sie den Abstand zwischen dem Vordach und der Kamera nutzen.
In unserem Fall verwenden wir es 80 cm. Hier können Sie die Brennweite auswählen. Schließlich in der Ergebnisdatei finden Sie die Ohrzählung Ergebnisse und nur Prozess.
Das sind unsere Ergebnisse. Hier haben wir den Namen des Bildes und vor uns haben wir die Anzahl der Ohren erkannt. Dies sind die Ergebnisse für Weizen und Gerste.
Für jede Grafik stellt die X-Achse die manuelle Zählung dar. Klicken Sie mit einem Klick, und die Y-Achse stellt die Algorithmuszählung dar. Beide Achsen im Quadratmetermaßstab.
In der fünften Grafik für Weizen haben wir einen Bestimmungskoeffizienten von 0,62 und in der zweiten Grafik für Gerste einen Bestimmungskoeffizienten von 0,75 erhalten. Im endgültigen Bild für Weizen haben wir auch einen Bestimmungskoeffizienten von 0,75 erhalten. In der Zählung ist eine der mühsamsten zu arbeiten und zeitaufwändig während Der Sortenbewertung Zyklus und Ertrag Vorhersage.
Aus diesem Grund ist eine schnelle und freundliche Technik erforderlich, um den Einsatz in der präzisen Land- und Pflanzenzüchtung und für die Ertragsvorhersage zu verbessern und zu erweitern. Diese Verwendung unseres Getreidescanners ist das Ergebnis der Zusammenarbeit von Public Provides Corporation mit dem Ziel, Ohrzählung mit verbesserter Effizienz und Zeit und Ressourcen zu machen. Auf der anderen Seite, um Daten von hoher Qualität zu erfassen, um am Ende mit einer genaueren Produktdatenbank.
Während ich noch nicht zu schließen, möchte ich ähnliche Aspekte der Mis-a-lory, die Sie hier vorgestellt worden wären, eine ist die lokale, so ist dies wirklich eine Form von Technologie, die keine Art von Ergänzung braucht, so dass die Menschen auf das Feld mit ihrer Kamera gehen können, mit einem Handy, Bilder unter Sonnenlicht und das ist alles. Zweitens ist ein sehr wichtiger Punkt, dass dies nur eine Assundun-Methodik ist, die wirklich einen Kontrast zu der Rädlichkeit zu einer Frage der Menschen ist, die die Anzahl der Ohren auf eine ganz andere Weise zählen. So ist der Einheimische, der einen Ex-Tres-Cent vor hat, wichtig, weil Sie in wenigen Minuten tun können, was ein paar oder drei Leute vielleicht in mehreren Stunden brauchen.
Die Auszählung, der Haushalt ist also ein wirklich wichtiger Punkt. Ein weiterer Aspekt ist, dass die Methodik für die Verringerung der Auflösung minimal ist. Das bedeutet, dass Sie die RGB-Kamera in einer Megaanlage in einer Art automatischer Pflanzenform montieren können und dann eine automatische Zählung auf diese Fakten durchführen können.
Und schließlich sage ich, dass dies nicht das Ende des Weges ist, also haben wir wirklich eine prozentuale Methodik, die sich in Zukunft durch die Kombination mit allen Ansätzen verbessern kann, wie zum Beispiel die Verwendung verschiedener RGB-Farben und Räume zum Beispiel in Kombination mit multispektraler Vorstellung oder sogar die Verwendung von thermischen oder thermischen Bildern. Und das ist alles, danke.
