کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5002424 1368453 2016 5 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Phenotype-based Robotic Screening Platform for Leafy Plant Breeding
ترجمه فارسی عنوان
پلت فرم غربالگری روباتیک مبتنی بر فنوتیپ برای پرورش گیاهان برگ
کلمات کلیدی
کشاورزی خودکار، فنوتیپ گیاهی با توان بالا دید استریو دوقلو، بازوی روباتیک، غربالگری، پرورش گیاه
ترجمه چکیده
اندازه گیری پویایی فنوتیپ گیاهی به طور خودکار برای افزایش توانایی ما برای تجزیه و تحلیل صفات مهم کشاورزی و درک فرایندهای توسعه گیاه اساسی است. این مقاله یک پلت فرم فنوتیپی اتوماتیک با توان بالا، برای شناسایی فنوتیپ گیاه برگ و توصیف تابع غربالگری را توصیف می کند. ابتدا یک سیستم بینایی استریو بیوکنلیک برای به دست آوردن تصاویر و انتقال آنها به یک کامپیوتر میزبان معرفی می شود که برخی از پارامترهای مورفولوژیکی خاص مانند سطح برگ و ارتفاع را پردازش، تحلیل و به دست می آورد. دوم، با توجه به پارامترهای به دست آمده در زمان های مختلف، یک پایگاه داده ی فنوتیپ کمی و یک مدل پیش بینی رشد ایجاد می شود. سوم، بر اساس مدل، یک بازوی روباتیک دستورالعمل پیوند را برای نمایش گیاه با ویژگی های نامطلوب اجرا می کند. نتایج آزمایشات سطح برگ نشان داد که دقت اندازه گیری بیش از 90٪ است و این روش را می توان در اندازه گیری دقیق پارامترهای فنوتیپ گیاهی استفاده کرد. این کار نشان می دهد که چگونه یک دستگاه فنوتیپی با توان بالا می تواند یک سیستم ارزیابی ارزیابی رشد گیاهان در طول دوره کامل خود را با وضوح مکانی و طول عمر با چشم انداز ماشین ایجاد کند، و یک رویکرد خودکار برای غربالگری در پرورش گیاهان ارائه می دهد.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مکانیک محاسباتی
پیش نمایش مقاله
پلت فرم غربالگری روباتیک مبتنی بر فنوتیپ برای پرورش گیاهان برگ
چکیده انگلیسی
Automatically measuring the dynamics of plant phenotype is fundamental to the enhancement of our ability to dissect the agriculturally important traits and the understanding of plant development processes. This paper describes a high-throughput, automatic phenotyping platform to trace the phenotype of leafy plant and complete the screening function. First, a binocular stereo vision system is introduced to acquire images and transfer them to a host computer which processes, analyses and obtains some certain morphological parameters, such as leaf area and height. Second, according to the parameters obtained at different time points, a quantitative phenotype database and a prediction model of growth are established. Third, based on the models, a robotic arm executes the transplanting instructions to screen the plant with undesirable characteristics. The experiment results of leaf area show the measurement accuracy is higher than 90%, and this method can be applied in accurate measurement of plant phenotypic parameters. This work demonstrates how a high-throughput phenotyping equipment can construct an evaluation index system of plant growth during its whole cultivation period with high spatial and temporal resolution by machine vision, and offers an automated approach to the screening in plant breeding.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: IFAC-PapersOnLine - Volume 49, Issue 16, 2016, Pages 237-241
نویسندگان
, , , ,