ƯỚC LƯỢNG KIỂU HÌNH HẠT LÚA BẰNG PHƯƠNG PHÁP ĐỔI HỆ MÀU VÀ PHÂN ĐOẠN ẢNH DỰA TRÊN HỌC SÂU | Minh | TNU Journal of Science and Technology

ƯỚC LƯỢNG KIỂU HÌNH HẠT LÚA BẰNG PHƯƠNG PHÁP ĐỔI HỆ MÀU VÀ PHÂN ĐOẠN ẢNH DỰA TRÊN HỌC SÂU

Thông tin bài báo

Ngày nhận bài: 23/04/24                Ngày hoàn thiện: 10/06/24                Ngày đăng: 11/06/24

Các tác giả

1. Chu Bảo Minh, Trường Đại học Khoa học và Công nghệ Hà Nội - Viện Hàn lâm Khoa học và Công nghệ Việt Nam
2. Tô Thị Mai Hương, Trường Đại học Khoa học và Công nghệ Hà Nội - Viện Hàn lâm Khoa học và Công nghệ Việt Nam
3. Trần Giang Sơn Email to author, Trường Đại học Khoa học và Công nghệ Hà Nội - Viện Hàn lâm Khoa học và Công nghệ Việt Nam

Tóm tắt


Việc trích chọn đặc điểm kiểu hình của hạt lúa một cách chính xác là việc rất quan trọng trong việc quản lý và ước lượng năng suất trồng lúa một cách hiệu quả, đồng thời mang lại những hiểu biết quý giá để cải tiến các phương pháp nông nghiệp. Tuy nhiên, thực hiện thủ công các công việc này là rất tốn công sức, tốn thời gian và dễ gây sai sót. Nghiên cứu này đề xuất một phương pháp mới sử dụng máy ảnh kỹ thuật số giá rẻ và công nghệ học sâu để đếm và trích chọn các đặc điểm kiểu hình của hạt lúa. Nghiên cứu của chúng tôi giới thiệu một bước tiền xử lý để phân tách các vùng hạt lúa từ nền ảnh đầu vào bằng cách chuyển đổi không gian màu. Sau đó, một mô hình phân đoạn ảnh dựa trên học sâu dùng YOLOv8 được sử dụng để đếm số lượng và trích chọn các đặc điểm kiểu hình của hạt lúa. Độ chính xác của phương pháp đề xuất được thử nghiệm trên 88 giống lúa khác nhau được cung cấp bởi Trung tâm Tài nguyên Thực vật tại Hà Nội. Kết quả thực nghiệm cho thấy phương pháp đề xuất có độ chính xác cao và có khả năng xử lý lượng lớn ảnh màu với chi phí thấp để trích chọn đặc điểm kiểu hình của hạt lúa. Kết quả này có tiềm năng trong việc hỗ trợ các chương trình lai tạo giống lúa và xác định các gene chức năng của các giống lúa.

Từ khóa


Kiểu hình hạt lúa; Đổi hệ màu; Học sâu; Phân đoạn ảnh; YOLOv8

Toàn văn:

PDF (English)

Tài liệu tham khảo


[1] M. Tester and P. Langridge, "Breeding technologies to increase crop production in a changing world," Science, vol. 327, no. 5967, pp. 818-822, 2010, doi: 10.1126/science.1183700.

[2] Q. Zhang, "Strategies for developing green super rice," Proceedings of the National Academy of Sciences, vol. 104, no. 42, pp. 16402-16409, 2007, doi: 10.1073/pnas.0708013104.

[3] J. Crossa et al., "Genomic selection in plant breeding: methods, models, and perspectives," Trends in Plant Science, vol. 22, no.11, pp. 961-975, 2017, doi: 10.1016/j.tplants.2017.08.011.

[4] M. Watt et al., "Phenotyping: new windows into the plant for breeders," Annual Review of Plant Biology, vol. 71, pp. 689-712, 2020, doi: 10.1146/annurev-arplant-042916-041124.

[5] D. Sun et al., "Advances in optical phenotyping of cereal crops," Trends in Plant Science, vol. 27, no.2, pp. 191-208, 2022, doi: 10.1016/j.tplants.2021.07.015.

[6] C. L. Huang et al., "Development of a whole-feeding and automatic rice thresher for single plant," Mathematical and Computer Modelling, vol. 58, no. 3-4, pp. 684-690, 2013, doi: 10.1016/j.mcm.2011.10.033.

[7] A. P. Whan et al., "GrainScan: a low cost, fast method for grain size and colour measurements," Plant methods, vol. 10, pp. 1-10, 2014, doi: 10.1186/1746-4811-10-23.

[8] S. Y. Tan et al., "Segmentation and counting algorithm for touching hybrid rice grains," Computers and Electronics in Agriculture, vol. 162, pp. 493-504, 2019, doi: 10.1016/j.compag.2019.04.030.

[9] S. B. Liu et al., "Estimating maize seedling number with UAV RGB images and advanced image processing methods," Precision Agriculture, vol. 23, no. 5, pp. 1604-1632, 2022, doi: 10.1007/s11119-022-09899-y.

[10] W. Wu et al., "Image analysis-based recognition and quantification of grain number per panicle in rice," Plant Methods, vol. 15, pp. 1-14, 2019, doi: 10.1186/s13007-019-0510-0.

[11] Kumar, J. Praveen, and S. Domnic, "Image based leaf segmentation and counting in rosette plants," Information Processing in Agriculture, no. 6, no. 2, pp. 233-246, 2019, doi: 10.1016/j.inpa.2018.09.005.

[12] W. N. Yang et al., "Crop phenomics and high-throughput phenotyping: past decades, current challenges, and future perspectives," Molecular plant, vol. 13, no. 2, pp. 187-214, 2020, doi: 10.1016/j.molp.2020. 01.008.

[13] D. Wang et al., "The development of a vision-based phenotypic analysis algorithm for measuring spikelet-related traits in rice," Plant Physiology Journal, vol. 58, no. 5, pp. 957-971, 2022, doi: 10.13592/j.cnki.ppj.200009.

[14] L. Su and P. Chen, "A method for characterizing the panicle traits in rice based on 3D micro-focus X-ray computed tomography," Computers and Electronics in Agriculture, vol. 166, 2019, Art. no. 104984, doi: 10.1016/j.compag.2019.104984.

[15] W. J. Hu et al., "Nondestructive 3D image analysis pipeline to extract rice grain traits using X-ray computed tomography," Plant Phenomics, 2020, doi: 10.34133/2020/3414926.

[16] L. J. Yu et al., "An integrated rice panicle phenotyping method based on X-ray and RGB scanning and deep learning," The Crop Journal, vol. 9, no. 1, pp. 42-56, 2021, doi: 10.1016/j.cj.2020.06.009.

[17] J. Terven, D.-M Córdova-Esparza, and J.-A. Romero-González, "A comprehensive review of yolo architectures in computer vision: From YOLOv1 to YOLOv8 and YOLO-NAS," Machine Learning and Knowledge Extraction, vol. 5, no. 4, pp. 1680-1716, 2023, doi:10.3390/make5010007.

[18] G. Jocher, A. Chaurasia, and J. Qiu, “Ultralytics YOLO (Version 8.0.0),” 2023. [Computer software]. Available: https://github.com/ultralytics/ultralytics. [Accessed March 10, 2024].

[19] T. Tanabata et al., "SmartGrain: high-throughput phenotyping software for measuring seed shape through image analysis," Plant physiology, vol. 160, no. 4, pp. 1871-1880, 2012, doi: 10.1104/pp.112.205120.

[20] Y. W. Lu et al., "High-throughput and separating-free phenotyping method for on-panicle rice grains based on deep learning," Frontiers in Plant Science, vol. 14, 2023, Art. no. 1219584, doi: 10.3389/fpls.2023.1219584.




DOI: https://doi.org/10.34238/tnu-jst.10191

Các bài báo tham chiếu

  • Hiện tại không có bài báo tham chiếu
Tạp chí Khoa học và Công nghệ - Đại học Thái Nguyên
Phòng 408, 409 - Tòa nhà Điều hành - Đại học Thái Nguyên
Phường Tân Thịnh - Thành phố Thái Nguyên
Điện thoại: 0208 3840 288 - E-mail: jst@tnu.edu.vn
Phát triển trên nền tảng Open Journal Systems
©2018 All Rights Reserved