Исследователи из Университета штата Северная Каролина и Университета штата Айова продемонстрировали автоматизированную технологию, способную точно измерять угол наклона листьев кукурузы в полевых условиях. Эта технология делает сбор данных значительно более эффективным, чем традиционные методы, что позволяет селекционерам быстрее получать полезные данные.
"Угол наклона листьев растения по отношению к его стеблю важен, потому что он влияет на эффективность фотосинтеза, - говорит Лиронг Сян, доцент кафедры биологической и сельскохозяйственной инженерии в NC State. - Например, у кукурузы листья на верхушке должны располагаться относительно вертикально, а дальше по стеблю - более горизонтально. Это позволяет растению собирать больше солнечного света". Исследователи, которые занимаются селекцией растений, следят за подобной архитектурой растений, потому что это помогает им в работе.
"Однако традиционные методы измерения углов наклона листьев подразумевают измерение вручную с помощью транспортира, что отнимает много времени и сил, - говорит Сян. - Мы хотели найти способ автоматизировать этот процесс - и мы нашли".
Новая технология, названная AngleNet, состоит из двух ключевых компонентов: аппаратного и программного обеспечения. Оборудование представляет собой колесную роботизированную платформу, которая управляется вручную и является достаточно узкой, чтобы перемещаться между рядами посевов. Платформа оснащена четырьмя парами камер, что позволяет получать стереоскопическое изображение листьев на разных высота и осуществлять 3D-моделирование растений.
Когда устройство направляется вдоль посевов, оно собирает нескольких стереоскопических изображений каждого растения. Все эти визуальные данные поступают в ПО, которое затем рассчитывает угол наклона листьев каждого растения на разной высоте.
"Для селекционеров важно знать не только угол наклона листьев, но и то, как далеко эти листья находятся над землей, - говорит Сян. - Это дает им информацию, необходимую для оценки распределения угла наклона листьев для каждого ряда растений. Это, в свою очередь, может помочь им определить генетические линии, обладающие желательными или нежелательными признаками".
Чтобы проверить точность AngleNet, исследователи сравнили измерения угла наклона листьев, выполненные роботом на кукурузном поле, с измерениями угла наклона листьев, выполненными вручную с помощью традиционных методов.
"Мы обнаружили, что углы, измеренные AngleNet, были в пределах 5 градусов от углов, измеренных вручную, что вполне соответствует допустимой погрешности для целей селекции растений, - говорит Сян. - В конечном счете, наша цель - помочь ускорить исследования в области селекции растений, которые позволят повысить урожайность".
Статья "Field-based robotic leaf angle detection and characterization of maize plants using stereo vision and deep convolutional neural networks" опубликована в в журнале Journal of Field Robotics.
Комментарии
(0) Добавить комментарий