文献

J-GLOBAL ID：201702225351693508   整理番号：17A0578674

圃場フェノタイピングにおけるイメージング植被被覆時系列のフェノタイピングイメージングの自動化分類と定量化のための画像解析パイプライン

An image analysis pipeline for automated classification of imaging light conditions and for quantification of wheat canopy cover time series in field phenotyping

著者 (5件)： YU Kang (ETH Zurich) ,  KIRCHGESSNER Norbert (ETH Zurich) ,  GRIEDER Christoph (Agroscope) ,  WALTER Achim (ETH Zurich) ,  HUND Andreas (ETH Zurich)
資料名： Plant Methods (Web)  (Plant Methods (Web))
巻： 13  号： Mar  ページ： 13:15 (WEB ONLY)  発行年： 2017年03月 
JST資料番号： U7033A  ISSN： 1746-4811  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： (バックグラウンド)圃場における異なる照明/光条件下で採取した画像からの植被(CC)のロバストセグメンテーションは高スループット圃場フェノタイピング(HTFP)のための基本である。本稿では,この課題を異なる植生指数を評価することにより試み,圃場におけるコムギの初期成長相の異なる照明で採取した画像解析のためのセグメンテーション法を提出した。2年にわたる350のコムギ遺伝子型から採取した40,000画像をこの方法により評価した。(結果)自動化閾値と機械学習に基づく分類法を用いた画像セグメンテーションを可能にする画像解析パイプラインを提案し,得たCC時系列の大域品質管理を行った。このパイプラインはイメージング光条件の2照明シナリオへの正確な分類を可能にし,すなわち,高光コントラスト(HLC)と低光コントラスト(LLC)を可能にし,サポートベクトルマシン(SVM)モデルを用いて連続的に収集した一連の画像に適用した。ディシジョンツリーとSVMアルゴリズムを用いたシナリオ特異的画素に基づく分類モデルにより自動化閾値法を実行し,また,照明差を識別しない一般モデルと比較してセグメンテーション精度を改良した。(結論)3バンド植生差指数(NDI3)をHSV-VとCIE Lab-a色成分を組み込む,すなわち,プロダクト画像NDI3*VとNDI3*aを組み込むことによりセグメンテーションを増強した。圃場照明シナリオを提案した画像解析パイプラインにより成功裏に同定し,照明特異的画像セグメンテーションによりCC進展の定量化を改良できた。提案した統合画像解析パイプラインはHTFPにおけるロバストデータの自動デリバリーのための大きな可能をもつ。(翻訳著者抄録)

シソーラス用語： *コムギ ,  *植物被 ,  圃場 ,  *表現型 ,  *画像分析 ,  時系列 ,  自動分類 ,  セグメンテーション ,  閾値 ,  機械学習 ,  パイプライン処理 ,  品質管理 ,  照明 ,  コントラスト ,  サポートベクトルマシン ,  ディシジョンツリー
準シソーラス用語： 植生指数 ,  分類モデル

分類 (2件)： 麦  (FC03033M) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (9件)： 圃場 ,  イメージング ,  植被 ,  時系列 ,  自動化 ,  分類 ,  定量化 ,  画像解析 ,  パイプライン