論文の概要: High-throughput Phenotyping of Nematode Cysts
- arxiv url: http://arxiv.org/abs/2110.07057v1
- Date: Wed, 13 Oct 2021 22:17:47 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-15 14:37:43.067275
- Title: High-throughput Phenotyping of Nematode Cysts
- Title(参考訳): 線虫嚢胞の高スループット表現型
- Authors: Long Chen, Matthias Daub, Hans-Georg Luigs, Marcus Jansen, Martin
Strauch, Dorit Merhof
- Abstract要約: Beet cyst nematode Heterodera schachtiiは、世界規模での作物の損失の原因となる植物害虫である。
本稿では,BCN感染の定量化と線虫嚢胞の同定が可能なコンピュータビジョンに基づく高スループットシステムを提案する。
- 参考スコア(独自算出の注目度): 6.173301306543048
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The beet cyst nematode (BCN) Heterodera schachtii is a plant pest responsible
for crop loss on a global scale. Here, we introduce a high-throughput system
based on computer vision that allows quantifying BCN infestation and
characterizing nematode cysts through phenotyping. After recording microscopic
images of soil extracts in a standardized setting, an instance segmentation
algorithm serves to detect nematode cysts in these samples. Going beyond fast
and precise cyst counting, the image-based approach enables quantification of
cyst density and phenotyping of morphological features of cysts under different
conditions, providing the basis for high-throughput applications in agriculture
and plant breeding research.
- Abstract(参考訳): ビートシスト線虫(英: beet cyst nematode、BCN)は、世界規模で作物を害する害虫である。
本稿では,bcn感染を定量化し,表現型による線虫嚢胞を特徴付けるコンピュータビジョンに基づく高スループットシステムを提案する。
標準化された環境で土壌抽出物の顕微鏡画像を記録すると、サンプルセグメンテーションアルゴリズムがこれらのサンプルの線虫嚢胞を検出するのに役立つ。
高速で正確な嚢胞計数を超えて、画像ベースのアプローチは、異なる条件下での嚢胞の密度の定量化と形態学的特徴の表現を可能にし、農業および植物育種研究における高スループット応用の基礎を提供する。
関連論文リスト
- 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) - PlantPlotGAN: A Physics-Informed Generative Adversarial Network for
Plant Disease Prediction [2.7409168462107347]
リアルな植生指標を持つ合成多スペクトルプロット画像を作成することができる物理インフォームド・ジェネレーティブ・モデルであるPlanetPlotGANを提案する。
その結果, PlantPlotGANから生成された合成画像はFr'echet開始距離に関して最先端の手法よりも優れていた。
論文 参考訳(メタデータ) (2023-10-27T16:56:28Z) - Evaluation of the potential of Near Infrared Hyperspectral Imaging for
monitoring the invasive brown marmorated stink bug [53.682955739083056]
BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。
本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
論文 参考訳(メタデータ) (2023-01-19T11:37:20Z) - A kinetic approach to consensus-based segmentation of biomedical images [58.720142291102135]
バイオメディカルセグメンテーション問題に有界信頼度コンセンサスモデルの運動バージョンを適用した。
システムの長時間の挙動は、代理のフォッカー・プランク法(英語版)の助けを借りて計算される。
2次元グレースケール画像の関連集合に対して導入されたセグメンテーション距離を最小化する。
論文 参考訳(メタデータ) (2022-11-08T09:54:34Z) - 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) - Multi-Scale Input Strategies for Medulloblastoma Tumor Classification
using Deep Transfer Learning [59.30734371401316]
乳腺芽腫は小児で最も多い悪性脳腫瘍である。
CNNはMBサブタイプ分類に有望な結果を示した。
タイルサイズと入力戦略の影響について検討した。
論文 参考訳(メタデータ) (2021-09-14T09:42:37Z) - UniToPatho, a labeled histopathological dataset for colorectal polyps
classification and adenoma dysplasia grading [12.222174729732904]
9536ヘマトキシリンとイオシン(H&E)染色パッチを292枚の全滑り画像から抽出した注釈付きデータセットであるUniToPathoを紹介します。
このデータセットは、大腸ポリープ分類と腺腫グレーディングのためのディープニューラルネットワークのトレーニングを目的としています。
論文 参考訳(メタデータ) (2021-01-25T10:18:44Z) - 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) - A Biologically Interpretable Two-stage Deep Neural Network (BIT-DNN) For
Vegetation Recognition From Hyperspectral Imagery [3.708283803668841]
本研究では,生物学的に解釈可能な2段階深層ニューラルネットワーク(BIT-DNN)を用いた新しい解釈可能な深層学習モデルを提案する。
提案モデルは、最先端の5つのディープラーニングモデルと比較されている。
論文 参考訳(メタデータ) (2020-04-19T15:58:19Z) - Automatic image-based identification and biomass estimation of
invertebrates [70.08255822611812]
時間を要する分類と分類は、どれだけの昆虫を処理できるかに強い制限を課す。
我々は、人間の専門家による分類と識別の標準的な手動アプローチを、自動画像ベース技術に置き換えることを提案する。
分類タスクには最先端のResnet-50とInceptionV3 CNNを使用する。
論文 参考訳(メタデータ) (2020-02-05T21:38:57Z)
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。