人工智能和新型传感技术在评估葡萄霜霉病中的应用


发布时间:

2021-06-22

来源:

本站

作者:

PhenoTrait

植物病虫害给世界农业生产造成巨大损失。霜霉病是葡萄的主要病害。传统的植物病害鉴定技术费时费力,需要专业人员。本文探讨了新型传感技术和人工智能在实验室条件下评估葡萄霜霉病的应用。

 

使用新型传感技术和人工智能评估葡萄叶片霜霉病的流程图

 

在实验室条件下使用计算机视觉评估葡萄叶霜霉病严重程度的流程图

 

研究人员利用机器视觉评估霜霉病孢子形成,并探索了高光谱成像早期检测霜霉病的潜力。利用RGB叶圆片图像分析估计葡萄 (Vitis vinifera L. cv Tempranillo)霜霉病 (Plamopara viticola) 的严重程度。计算机视觉与专家视觉评定的霜霉病严重程度相关性的判定系数(R2)为0.76,均方根误差(RMSE)为20.53%。此外,使用高光谱图像早期检测霜霉病的准确率达到81%。综上所述,计算机视觉、高光谱成像和机器学习可以应用于葡萄重要病害的检测。

 

基于计算机视觉的葡萄叶片霜霉病严重程度评估

 

来源:

Hernández I, Gutiérrez S, Ceballos S, et al. Artificial Intelligence and Novel Sensing Technologies for Assessing Downy Mildew in Grapevine. Horticulturae 2021, 7(5), 103; https://doi.org/10.3390/horticulturae7050103.

推荐新闻

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。