Field Phenotyping Imaging System là một công cụ thông lượng cao được sử dụng để thu thập, phân tích và đánh giá các đặc điểm kiểu hình thực vật, có khả năng cung cấp dữ liệu về tất cả các khía cạnh của sự tăng trưởng, phát triển, tình trạng sức khỏe và hơn thế nữa. Hệ thống hình ảnh kiểu hình giúp các nhà nghiên cứu thực hiện phân tích kiểu hình chính xác của thực vật bằng cách thu thập một lượng lớn dữ liệu hình ảnh, kết hợp với thị giác máy tính và kỹ thuật xử lý hình ảnh.
Phương pháp trích xuất dữ liệu kiểu hình thực vật trên cánh đồng thường bao gồm một số bước như thu thập hình ảnh, tiền xử lý dữ liệu, trích xuất đặc điểm và phân tích dữ liệu. Dưới đây là các phương pháp chiết xuất phổ biến trong các hệ thống hình ảnh kiểu hình thực vật trên cánh đồng.
1. Thu thập hình ảnh
Đầu tiên, sử dụng thiết bị hình ảnh chuyên dụng để lấy dữ liệu hình ảnh về cây trồng trên cánh đồng. Các thiết bị hình ảnh này có thể
Máy ảnh ánh sáng nhìn thấy: Được sử dụng để chụp màu sắc và hình thái tự nhiên của cây, thường được sử dụng để phân tích hình thái đơn giản.
Camera hồng ngoại: Được sử dụng để nắm bắt các đặc điểm nhiệt của cây, giúp đánh giá tình trạng độ ẩm của cây, sâu bệnh và hơn thế nữa.
Hình ảnh cận hồng ngoại (NIR): Được sử dụng để thu thập thông tin về hàm lượng nước, mức độ nitơ và nhiều hơn nữa của lá cây.
Máy ảnh đa phổ: Đánh giá sức khỏe của cây trồng, phát hiện bệnh tật và hơn thế nữa bằng hình ảnh phổ ở các bước sóng khác nhau.
Máy ảnh quang phổ cao: Cung cấp thông tin quang phổ chính xác hơn, có thể xác định nhiều đặc điểm sinh lý của cây như thành phần hóa học của lá, trạng thái tăng trưởng của cây, v.v.
Máy quét laser: Được sử dụng để thu thập dữ liệu cấu trúc ba chiều của cây, giúp phân tích các đặc điểm không gian như khối lượng, hình dạng của cây.
2. Tiền xử lý dữ liệu
Dữ liệu hình ảnh thô thu được thường chứa các phần nhiễu, không đầy đủ hoặc không nhất quán, do đó cần xử lý trước dữ liệu. Các bước này giúp cải thiện độ chính xác của các phân tích tiếp theo:
Xử lý khử nhiễu: Sử dụng các bộ lọc như bộ lọc trung bình, bộ lọc Gauss, v.v. để loại bỏ nhiễu khỏi hình ảnh.
Tăng cường hình ảnh: Tăng cường xử lý hình ảnh như điều chỉnh độ tương phản, làm sắc nét và nhiều hơn nữa để làm cho các đặc điểm thực vật trong hình ảnh nổi bật hơn.
Chỉnh sửa hình ảnh: bao gồm chỉnh sửa hình học, chỉnh màu, v.v., đảm bảo thông tin không gian và màu sắc của hình ảnh là chính xác.
Phân chia hình ảnh: Tách cây ra khỏi nền bằng các phương pháp như ngưỡng hóa, phát hiện cạnh hoặc học sâu để trích xuất các tính năng tiếp theo.
3. Khai thác tính năng
Khai thác tính năng là một bước quan trọng trong hệ thống hình ảnh kiểu hình với mục đích trích xuất từ hình ảnh các tính năng liên quan đến sự tăng trưởng, sức khỏe của cây trồng. Những đặc điểm này bao gồm, nhưng không giới hạn ở:
3.1 Đặc điểm hình thái thực vật
Chiều cao cây: Đánh giá tình trạng tăng trưởng của cây bằng cách đo chiều cao tối đa từ hình ảnh.
Diện tích lá: Tính tổng diện tích lá của cây, thường có thể thu được bằng cách chia khu vực lá.
Hình thái rễ: Sử dụng công nghệ hình ảnh 3D hoặc chụp CT X-quang để phân tích cấu trúc rễ của cây.
Số nhánh: Đánh giá sự tăng trưởng của cây bằng cách phân tích cấu trúc nhánh của nó.
Hình dạng lưỡi dao: phân tích tỷ lệ chiều dài/chiều rộng của lưỡi dao, độ cong cạnh, độ mịn bề mặt, v.v.
3.2 Tính năng màu
Màu sắc của cây có thể phản ánh tình trạng tăng trưởng của nó, đặc biệt là mức độ dinh dưỡng và độ ẩm. Các tính năng màu thường được sử dụng bao gồm:
Hàm lượng chất diệp lục: Bằng cách tính toán độ sáng của các khu vực màu xanh lá cây, hàm lượng chất diệp lục của lá cây được suy ra, từ đó đánh giá khả năng quang hợp của cây.
Chỉ số sức khỏe thực vật: Sử dụng hình ảnh RGB của cây để tính toán chỉ số sức khỏe thực vật (ví dụ: NDVI, Chỉ số thảm thực vật chuẩn hóa) để đánh giá sức khỏe của cây.
Hàm lượng nước: Ước tính tình trạng nước của cây thông qua sự khác biệt giữa hình ảnh cận hồng ngoại và ánh sáng khả kiến.
3.3 Cấu trúc 3D
Khối lượng và diện tích thực vật: Sử dụng công nghệ hình ảnh 3D như máy quét laser hoặc tầm nhìn lập thể để tính toán hình dạng ba chiều của cây, đánh giá cấu trúc không gian và trạng thái tăng trưởng của chúng.
Độ cong và đặc điểm bề mặt của lưỡi dao: Các chi tiết bề mặt của lưỡi dao được trích xuất bằng dữ liệu quét ba chiều để đánh giá tình trạng sức khỏe của nó.
3.4 Động lực tăng trưởng
Tốc độ tăng trưởng: Tốc độ tăng trưởng của cây, sự tăng trưởng của các nhánh và diện tích lá, v.v., được tính toán bằng dữ liệu hình ảnh từ nhiều thời điểm.
Tăng cân cây: Đánh giá tình trạng tăng trưởng của cây bằng cách kết hợp các phép đo bên ngoài, chẳng hạn như trọng lượng cây, để xác minh và bổ sung dữ liệu hình ảnh.
4. Phân tích và mô hình hóa dữ liệu
Dữ liệu đặc trưng được trích xuất yêu cầu phân tích chuyên sâu thông qua phương pháp phân tích dữ liệu và mô hình hóa để đưa ra kết luận sinh học có giá trị.
Phân tích thống kê: Phân tích tác động của các phương pháp điều trị khác nhau đối với sự phát triển của cây thông qua các phương pháp thống kê dữ liệu (ví dụ: phân tích hồi quy, phân tích phương sai, v.v.).
Machine Learning vs Deep Learning: Phân loại, phân tích hồi quy hoặc dự đoán các đặc điểm kiểu hình của thực vật bằng cách sử dụng các thuật toán machine learning như hỗ trợ vector machine, random forests, convolution neural networks, v.v.
Phân tích liên kết kiểu hình: Khám phá mối quan hệ giữa gen thực vật và kiểu hình thông qua phân tích liên kết với thông tin di truyền, tiết lộ cơ chế tăng trưởng của thực vật.
5. Công cụ trích xuất kiểu hình thường được sử dụng và phần mềm
OpenCV: Một thư viện thị giác máy tính mã nguồn mở mạnh mẽ được sử dụng rộng rãi cho tiền xử lý hình ảnh, trích xuất tính năng và phân tích.
ImageJ: Một phần mềm xử lý hình ảnh mã nguồn mở thường được sử dụng để phân tích hình ảnh sinh học, hỗ trợ nhiều plugin.
MATLAB: Cung cấp một bộ công cụ mạnh mẽ để xử lý hình ảnh và phân tích dữ liệu, phù hợp để xử lý và mô hình hóa dữ liệu kiểu hình thực vật.
Phenovator là một phần mềm để phân tích kiểu hình thực vật có khả năng xử lý và phân tích dữ liệu hình ảnh thực vật từ các thí nghiệm thực địa.
DeepLabCut: Một công cụ theo dõi chuyển động dựa trên học tập sâu thường được sử dụng trong phân tích chuyển động và tăng trưởng thực vật.
6. Tóm tắt
Phương pháp chiết xuất của hệ thống hình ảnh kiểu hình thực vật trên cánh đồng có thể trích xuất nhiều đặc điểm như hình thái, màu sắc, cấu trúc ba chiều của cây bằng cách thu thập dữ liệu hình ảnh và kết hợp các kỹ thuật xử lý hình ảnh và học máy, do đó cung cấp hỗ trợ quan trọng cho việc đánh giá tình trạng tăng trưởng của cây, nghiên cứu di truyền, nhân giống, v.v. Khi công nghệ xử lý hình ảnh và công nghệ cảm biến tiếp tục phát triển, độ chính xác và phạm vi ứng dụng của các hệ thống hình ảnh kiểu hình tiếp tục mở rộng.