分析对米发育的影响,通过米检测和时间序列跟踪来分析的影响
Qinyang Zhou1, Wei Guo2, Na Chen1
1College of Agriculture, Academy for Advanced Interdisciplinary Studies, Collaborative Innovation Center for Modern Crop Production co-sponsored by Province and Ministry, Nanjing Agricultural University, Nanjing 210095, China.
本研究引入了一种自动化管道,用于使用人工智能模型和时间序列图像进行详细的饼表型化. 它准确地追踪了在不同含量下花的发育和开花特征,揭示了对产量形成的重大影响.
科学领域:
- 农业科学 农业科学
- 植物表型化 植物表型化
- 人工智能在农业中的应用
背景情况:
- 了解米产量形成需要详细观察花的发展,特别是在花的开花阶段.
- 目前缺乏在不同的处理下对恐慌发作的全面分析.
- 需要自动化表型化方法来捕捉微妙的发育差异.
研究的目的:
- 开发和验证一条自动化管道,使用时间序列图像进行详细的米饼表型化.
- 在不同的气条件下分析的发育和开花特征.
- 评估管道能够识别恐慌发育中的微妙差异的能力.
主要方法:
- 建议使用YOLO v5,ResNet50和DeepSORT模型进行图像分析的自动化管道.
- 利用时间序列图像来跟踪个体恐慌的发展.
- 结合自动化分析与现场观测数据进行验证.
主要成果:
- 实现了高精度的恐慌计数 (R2 = 0.96) 和精确的航线日期估计 (0.25天误差).
- 鉴定了应用对种群特征的显著影响,如形数量和开花时间.
- 揭示了较高的气增加了个体花的强烈开花的开花时间和总持续时间.
结论:
- 开发的管道准确地量化了大米的特征和它们对处理的反应.
- 自动化表型化为微妙的恐慌发育和开花动态提供了新的见解.
- 这些发现有助于更好地了解在米产量形成中的作用.
更多相关视频
08:31Kinematic Analysis of Cell Division and Expansion: Quantifying the Cellular Basis of Growth and Sampling Developmental Zones in Zea mays Leaves
Published on: December 2, 2016
09:03Assessment of Methane and Nitrous Oxide Fluxes from Paddy Field by Means of Static Closed Chambers Maintaining Plants Within Headspace
Published on: September 6, 2018
相关概念视频
Key Elements for Plant Nutrition
Light Acquisition
Inorganic Nitrogen Assimilation
