低成本深度感測器在植物病害檢測具高準確度
2024/11/05 @國際
摘要
此研究主要目的是自動化植物病理學測試，以提高植物疾病檢測的效率和準確性，特別是在應對氣候變化所帶來的挑戰時，促進植物的選擇性育種。法國研究團隊利用低成本的深度影像感測器，成功實現了97%的準確率來區分抗病和易感植物，並且這一方法的速度是人工標註的30倍，且在不同環境和植物密度下均表現穩定。
示意圖
目前的育種工作重點是增強植物對生物和非生物脅迫抵抗力、提早發芽以及提高營養和環境價值。然而，開發新品種的漫長過程通常需要長達 10 年的時間，這仍然是一個重大障礙。
法國昂傑大學(Université d'Angerss)研究團隊使用了一種名為Phenogrid的表型系統，專注於早期植物監測，擷取時空特徵，包括絕對振幅（Aabs）、相對振幅（Arel）和下降持續時間（D）。這些特徵可以幫助區分抗病和易感植物。研究中還使用了隨機森林模型進行分類，並進行了統計測試以驗證特徵的重要性。
研究發現大多數提取的特徵在檢測子葉損失方面具有顯著性，隨機森林模型達到了97%的分類準確率，並且在植物密度和接種時間變異性方面表現出良好的穩定性。此外，減少每批植物的數量從20到10仍能保持分類性能，同時提高了處理效率。
此項研究發表在2024年6月《Plant Phenomics》期刊，此項研究貢獻在於提供了一種高通量、成本效益高的解決方案，能夠用於即時邊緣計算的決策支持工具。該系統不僅能自動化植物病理學測試，還具有廣泛的應用潛力，未來可進一步整合其他成像模式和優化算法，以提升農作物的韌性和生產力。【延伸閱讀】- 讓植物說話-科學家發明感測器即時監測植物體內變化
資料來源
文章摘譯
