文献

J-GLOBAL ID：202202291253319786   整理番号：22A1024660

コンピュータビジョンに基づく試験におけるダイズ表現型データの形質拡大と貯蔵【JST・京大機械翻訳】

Traits Expansion and Storage of Soybean Phenotypic Data in Computer Vision-Based Test

著者 (6件)： Xing Yongchao (School of Mechanical, Electrical and Information Engineering, Shandong University, Weihai, China) ,  Lv Peixin (School of Mechanical, Electrical and Information Engineering, Shandong University, Weihai, China) ,  He Hong (School of Mechanical, Electrical and Information Engineering, Shandong University, Weihai, China) ,  Leng Jiantian (Northeast Institute of Geography and Agroecology, Chinese Academy of Sciences, Harbin, China) ,  Yu Hui (Northeast Institute of Geography and Agroecology, Chinese Academy of Sciences, Harbin, China) ,  Feng Xianzhong (Northeast Institute of Geography and Agroecology, Chinese Academy of Sciences, Harbin, China)
資料名： Frontiers in Plant Science (Web)  (Frontiers in Plant Science (Web))
巻： 13  ページ： 832592  発行年： 2022年 
JST資料番号： U7094A  ISSN： 1664-462X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 作物の表現型形質は,新しい作物品種を栽培するための重要な基礎である。育種専門家は,人工知能(AI)技術の使用を期待し,育種プログラムの設計のために低コストで多くの正確な表現型データを得る。コンピュータビジョン(CV)は,人間の視覚より高い分解能を持ち,大規模,低コスト,および正確な分析と作物表現型の同定を達成する可能性を有する。表現型形質を研究するための既存の基準は,人工種検査に指向され,これらの中で,データが完全であっても,機械学習のニーズを満たすことができないいくつかの形質タイプである。したがって,研究は,CV技術に基づく表現型データを収集する必要性から始まり,それぞれ「植物多様性特異性,一貫性および安定性試験」における4種類の形質,すなわち,野外調査における主な農業形質,屋内調査における主な農業形質,耐性形質およびダイズ種子表現型形質である。本論文は,新しく添加した表現型形質の役割について説明し,いくつかの事例でそれらを追加する必要性を示した。拡張形質は,既存の基準への重要な追加と改良である。拡張形質を含むデータベースは,ダイズAI育種プラットフォームのためのデータの重要な源である。それらは,正確な育種プログラムを設計するのに,深い学習のための利便性を提供し,専門家を支援する必要がある。Copyright 2022 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 視覚 ,  データベース ,  農作物 ,  分解能 ,  *ダイズ ,  *表現型 ,  人工知能 ,  育種 ,  品種 ,  *コンピュータビジョン ,  機械学習
準シソーラス用語： ローコスト ,  利便性 ,  農業形質 ,  繁殖プログラム , 【Automatic Indexing@JST】

著者キーワード (5件)： ダイズ試験 ,  表現型データ ,  コンピュータビジョン ,  形質拡大と貯蔵 ,  ダイズAI育種プラットフォーム

分類 (1件)： 作物の品種改良  (FC02030G)

引用文献 (21件)：

• Araus J. L., Kefauver S. C., Zaman-Allah M., Olsen M. S., Cairns J. E. (2018). Translating high-throughput phenotyping into genetic gain. Trends Plant Sci. 23 451-466. doi: 10.1016/j.tplants.2018.02.001
• Cheng W., Zhengjun X., Xianzhong F., Suxin Y. (2016). Establishment and application of a rapid and non-destructive soybean seed DNA extraction method. Acta Bot. 51 68-73. doi: 10.1016/j.tplants.2018.02.001
• Gong X. (2019). Analysis on the prevention and control of common soybean diseases and insect pests. Agric. Dev. Equip. 10 180-182. doi: 10.1016/j.tplants.2018.02.001
• Guo R., Chongyu Y., Hong H., et al (2021). Detection method of soybean pod number per plant using improved YOLOv4 algorithm. Trans. Chin. Soc. Agric. Eng. 37 179-187. doi: 10.1016/j.tplants.2018.02.001
• Hu W., Fu X., Chen F., Yang W. (2019). The development road of a new generation of plant phenomics. Acta Bot. 54 558-568. doi: 10.1016/j.tplants.2018.02.001

タイトルに関連する用語 (7件)： コンピュータビジョン ,  試験 ,  ダイズ ,  表現型 ,  形質 ,  拡大 ,  貯蔵