論文の概要: Image-based phenotyping of diverse Rice (Oryza Sativa L.) Genotypes
- arxiv url: http://arxiv.org/abs/2004.02498v1
- Date: Mon, 6 Apr 2020 09:04:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-16 07:20:33.592672
- Title: Image-based phenotyping of diverse Rice (Oryza Sativa L.) Genotypes
- Title（参考訳）: 多様なイネ(Oryza Sativa L.)遺伝子群のイメージベース表現型
- Authors: Mukesh Kumar Vishal, Dipesh Tamboli, Abhijeet Patil, Rohit Saluja,
Biplab Banerjee, Amit Sethi, Dhandapani Raju, Sudhir Kumar, R N Sahoo,
Viswanathan Chinnusamy, J Adinarayana
- Abstract要約: 高収量米品種の必要性は、インド、中国、その他のアジア・アフリカ諸国などの発展途上国にとって大きな懸念事項である。
総計150種の遺伝子型がニューデリーのインド農業研究インド農業研究所ナナジムフ植物フェノミクスセンター(英語版)のハイ・スループ・プラント・フェノミクス施設で栽培された。
葉先検出と植物の葉数推定のために、You Only Look Once (YOLO)ディープラーニングアルゴリズムを訓練した。
- 参考スコア（独自算出の注目度）: 11.592053428575854
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Development of either drought-resistant or drought-tolerant varieties in rice
(Oryza sativa L.), especially for high yield in the context of climate change,
is a crucial task across the world. The need for high yielding rice varieties
is a prime concern for developing nations like India, China, and other
Asian-African countries where rice is a primary staple food. The present
investigation is carried out for discriminating drought tolerant, and
susceptible genotypes. A total of 150 genotypes were grown under controlled
conditions to evaluate at High Throughput Plant Phenomics facility, Nanaji
Deshmukh Plant Phenomics Centre, Indian Council of Agricultural Research-Indian
Agricultural Research Institute, New Delhi. A subset of 10 genotypes is taken
out of 150 for the current investigation. To discriminate against the
genotypes, we considered features such as the number of leaves per plant, the
convex hull and convex hull area of a plant-convex hull formed by joining the
tips of the leaves, the number of leaves per unit convex hull of a plant,
canopy spread - vertical spread, and horizontal spread of a plant. We trained
You Only Look Once (YOLO) deep learning algorithm for leaves tips detection and
to estimate the number of leaves in a rice plant. With this proposed framework,
we screened the genotypes based on selected traits. These genotypes were
further grouped among different groupings of drought-tolerant and drought
susceptible genotypes using the Ward method of clustering.
- Abstract（参考訳）: イネ(Oryza sativa L.)の耐乾燥性・耐乾燥性品種の開発は、特に気候変動の文脈で高い収量を達成するために、世界中の重要な課題である。
高収量米品種の必要性は、インド、中国、および米が主要な主食であるアジア・アフリカ諸国などの発展途上国にとって大きな懸念事項である。
本研究は,干ばつ耐性および感受性遺伝子型を判別するためのものである。
インド農業研究インド農業研究所(ニューデリー)のナジ・デシュムフ植物ゲノムセンター(Nanaji Deshmukh Plant Phenomics Centre)において,制御条件下で150種の遺伝子型が育成された。
現在の調査では、10の遺伝子型のサブセットが150から取り除かれている。
遺伝型を判別するために,葉の先端を接合して形成される植物凸殻の葉数,凸殻および凸殻面積,植物の単位凸殻当たりの葉数,キャノピー拡散-垂直展開,植物の水平拡散などの特徴を検討した。
葉先検出のための深層学習アルゴリズムYOLO(You Only Look Once)を訓練し,イネの葉数を推定した。
提案フレームワークでは,選択した形質に基づいて遺伝子型をスクリーニングした。
これらの遺伝子型は、ウォードクラスタリング法を用いて、耐乾性および耐乾性遺伝子型の異なるグループにさらに分類された。
関連論文リスト
- G2PDiffusion: Genotype-to-Phenotype Prediction with Diffusion Models [108.94237816552024]
本稿では,G2PDiffusionについて紹介する。G2PDiffusionは,複数の種にまたがる遺伝子型からフェノタイプへの拡散モデルである。
我々は,形態的表現型を種間で表現するために画像を使用し,条件付き画像生成として表現型予測を再定義する。
論文 参考訳（メタデータ） (2025-02-07T06:16:31Z) - Anticipatory Understanding of Resilient Agriculture to Climate [66.008020515555]
本稿では,リモートセンシング,深層学習,作物収量モデリング,食品流通システムの因果モデリングを組み合わせることで,食品のセキュリティホットスポットをよりよく識別する枠組みを提案する。
我々は、世界の人口の大部分を供給している北インドの小麦パンバスケットの分析に焦点をあてる。
論文 参考訳（メタデータ） (2024-11-07T22:29:05Z) - Artificial Immune System of Secure Face Recognition Against Adversarial Attacks [67.31542713498627]
昆虫生産には 最大限の可能性を実現するために 最適化が必要です
これは選択的育種による興味のある形質の改善が目的である。
このレビューは、様々な分野の知識と、動物の繁殖、定量的遺伝学、進化生物学、昆虫学のギャップを埋めるものである。
論文 参考訳（メタデータ） (2024-06-26T07:50:58Z) - BonnBeetClouds3D: A Dataset Towards Point Cloud-based Organ-level
Phenotyping of Sugar Beet Plants under Field Conditions [30.27773980916216]
農業生産は今後数十年間、気候変動と持続可能性の必要性によって深刻な課題に直面している。
自律無人航空機(UAV)による作物のモニタリングと、ロボットによる非化学雑草によるフィールド管理の進歩は、これらの課題に対処するのに有用である。
表現型化と呼ばれる植物形質の分析は、植物の育種に不可欠な活動であるが、大量の手作業が伴う。
論文 参考訳（メタデータ） (2023-12-22T14:06:44Z) - Development of a Prototype Application for Rice Disease Detection Using
Convolutional Neural Networks [0.0]
米はフィリピンで1番の主食である。
農家は、稲作全体を害する恐れのあるイネの葉の病原体に慣れていない。
イネの一般的な細菌の葉に対処する必要性は深刻な病気であり、収量が減少し、収穫量も最大75%減少する。
論文 参考訳（メタデータ） (2023-01-13T13:12:40Z) - Semantic Image Segmentation with Deep Learning for Vine Leaf Phenotyping [59.0626764544669]
本研究では,ブドウの葉のイメージを意味的にセグメント化するためにDeep Learning法を用いて,葉の表現型自動検出システムを開発した。
私たちの研究は、成長や開発のような動的な特性を捉え定量化できる植物ライフサイクルのモニタリングに寄与します。
論文 参考訳（メタデータ） (2022-10-24T14:37:09Z) - Rice Leaf Disease Classification and Detection Using YOLOv5 [8.627180519837657]
農業が直面する主な問題は稲葉病である。
いずれの国の農家も稲葉病に関する知識が乏しいため、稲葉病を正しく診断することはできない。
本稿では, YOLOv5 深層学習に基づくイネ葉病の分類と検出法を提案する。
論文 参考訳（メタデータ） (2022-09-04T09:27:57Z) - Potato Crop Stress Identification in Aerial Images using Deep
Learning-based Object Detection [60.83360138070649]
本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。
主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。
実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
論文 参考訳（メタデータ） (2021-06-14T21:57:40Z) - Improved Neural Network based Plant Diseases Identification [0.0]
農業部門は、多くの人々や食料に基本的な収入を提供するため、すべての国にとって必須であり、この惑星で生き残るための基本的な要件である。
植物病の知識が不十分なため、農家は肥料を過剰に使用し、最終的に食物の品質を低下させる。
現段階では、画像処理は植物の葉の病変領域を識別し、カタログ化するために用いられる。
論文 参考訳（メタデータ） (2021-01-01T11:49:56Z) - A Multi-Plant Disease Diagnosis Method using Convolutional Neural
Network [0.0]
本章では,複数植物の診断を併用した最適な植物病原体同定モデルについて検討する。
我々は多くの一般的な畳み込みニューラルネットワーク(CNN)アーキテクチャを実装している。
Xception と DenseNet アーキテクチャは,マルチラベル植物病の分類タスクにおいて,より優れた性能を示した。
論文 参考訳（メタデータ） (2020-11-10T15:18:52Z) - Two-View Fine-grained Classification of Plant Species [66.75915278733197]
本研究では,2視点の葉のイメージ表現に基づく新しい手法と,植物種の粒度認識のための階層的分類戦略を提案する。
シームズ畳み込みニューラルネットワークに基づく深度測定は、多数のトレーニングサンプルへの依存を減らし、新しい植物種に拡張性を持たせるために用いられる。
論文 参考訳（メタデータ） (2020-05-18T21:57:47Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。