端到端的多式3D成像和机器学习工作流程,用于葡萄树干内部结构的非破坏性表型化

科学领域:

• 植物病理学 植物病理学
• 农业学是一种农业学.
• 生物物理学的生物物理.

背景情况:

• 评估植物健康和非破坏性检测疾病对于可持续农业至关重要,特别是在多年生物种中.
• 目前用于评估植物内部组织的方法通常需要破坏性采样,限制了体内监测.
• 葡萄树木 (Vitis vinifera L.) 的木材退化对葡萄园的可持续性构成重大威胁.

研究的目的:

• 开发一种非破坏性方法,使用多式3D成像和人工智能来诊断活植物内部组织状况.
• 准确量化植物内的健康,退化和生病 (白色腐烂) 组织.
• 建立木材退化的定量标记,并提出葡萄树干疾病的诊断模型.

主要方法:

• 开发一种新的方法,将磁共振成像 (MRI) 和X射线计算机断层扫描 (CT) 结合起来,用于多式3D成像.
• 基于人工智能的图像处理用于植物组织的自动voxel分类的应用.
• 对葡萄藤 (Vitis vinifera L.) 的方法进行验证,以区分完整的,退化的和白色腐烂组织.

主要成果:

• 多式3D成像和人工智能方法在区分组织类型方面实现了全球平均准确度超过91%.
• 确定了与木材降解步骤相关的定量结构和生理标记.
• 确定了内部组织分布和外部叶状症状之间的相关性,突出了关键的诊断测量.

结论:

• 开发的非破坏性方法能够准确诊断葡萄树内组织状况和植物健康状况.
• 这种方法为精准农业带来了重大进步,允许现场监测组织质量和疾病进展.
• 该方法具有在各种植物物种中应用的潜力,提高了种植园的可持续性.