The PhenoBob-High Throughput Phenotyping in Sugar Beet Fields

被引:0
|
作者
Huegel, Christian [1 ]
机构
[1] Strube D&S GmbH, Hauptstr 1, D-38387 Sollingen, Germany
来源
GESUNDE PFLANZEN | 2023年 / 75卷 / 01期
关键词
Image processing; Field robot; Mechanical weed management; Phenotyping; Sensor based scoring; Sugar beet;
D O I
10.1007/s10343-022-00790-4
中图分类号
S3 [农学(农艺学)];
学科分类号
0901 ;
摘要
Die sensorbasierte Ph & auml;notypisierung und Jungpflanzenvermessung bringt deutliche Vorteile gegenuber der herkommlichen, visuellen Pflanzenz & auml;hlung und Entwicklungsbonitur. Mit dieser Technologie ist es moglich, zwischen einem hohen Feldaufgang mit anschlie ss endem Absterben von Pflanzen, beispielsweise aufgrund von Frost-, Fra ss sch & auml;den oder anderem Sch & auml;dlingsbefall, und einem niedrigeren Feldaufgang zu unterscheiden. Die digitale Bilddatenspeicherung erlaubt zudem die nachtr & auml;gliche Ursachenanalyse fur Pflanzenverluste oder Reduzierung der Blattfl & auml;che im Vegetationsverlauf. Im Beitrag wird ein Feldroboter zur Feldaufgangsbestimmung und Ph & auml;notypisierung von Zuckerruben im Jungpflanzenstadium vorgestellt. Die sehr niedrige Messhohe und damit einhergehende hohe Messauflosung des bodengebundenen Systems ermoglicht eine Pflanzenz & auml;hlung ab dem ersten Feldauflauf, die Unterscheidung von Pflanzenverlusten vor und nach dem Feldaufgang sowie die einzelpflanzenspezifische Analyse der fruhen Blattfl & auml;chenentwicklung. Mittels eines 3D Messverfahren wird die Modellierung und Vermessung der 3D Blattfl & auml;che sowie morphologischer Blattparameter vorgestellt. Ein Ausblick zeigt zudem die Erweiterbarkeit der Methodik zur Unterscheidung von Nutzpflanzen und Unkrautpflanzen sowie der anschlie ss enden mechanischen Unkrautregulierung.
引用
收藏
页码:5 / 11
页数:7
相关论文
共 50 条
  • [41] High-throughput fluorescent screening of transgenic animals: Phenotyping and haplotyping
    Hellrung, Danie J.
    Rossi, Gabriela
    Link, Charles J.
    CYTOMETRY PART A, 2006, 69A (10) : 1092 - 1095
  • [42] OCT and ERG Techniques in High-Throughput Phenotyping of Mouse Vision
    Lindovsky, Jiri
    Palkova, Marcela
    Symkina, Viktoriia
    Raishbrook, Miles Joseph
    Prochazka, Jan
    Sedlacek, Radislav
    GENES, 2023, 14 (02)
  • [43] Pathology of the Laboratory Mouse: An International Workshop on Challenges for High Throughput Phenotyping
    Schofield, Paul N.
    Dubus, Pierre
    Klein, Laurence
    Moore, Mark
    McKerlie, Colin
    Ward, Jerrold M.
    Sundberg, John P.
    TOXICOLOGIC PATHOLOGY, 2011, 39 (03) : 559 - 562
  • [44] Field high-throughput phenotyping: the new crop breeding frontier
    Luis Araus, Jose
    Cairns, Jill E.
    TRENDS IN PLANT SCIENCE, 2014, 19 (01) : 52 - 61
  • [45] Development of a high-throughput field phenotyping rover optimized for size-limited breeding fields as open-source hardware
    Kuroki, Ken
    Yan, Kai
    Iwata, Hiroyoshi
    Shimizu, Kentaro K.
    Tameshige, Toshiaki
    Nasuda, Shuhei
    Guo, Wei
    BREEDING SCIENCE, 2022, 72 (01) : 66 - 74
  • [46] Surrogate-assisted feature extraction for high-throughput phenotyping
    Yu, Sheng
    Chakrabortty, Abhishek
    Liao, Katherine P.
    Cai, Tianrun
    Ananthakrishnan, Ashwin N.
    Gainer, Vivian S.
    Churchill, Susanne E.
    Szolovits, Peter
    Murphy, Shawn N.
    Kohane, Isaac S.
    Cai, Tianxi
    JOURNAL OF THE AMERICAN MEDICAL INFORMATICS ASSOCIATION, 2017, 24 (E1) : E143 - E149
  • [47] Configuration of a multisensor platform for advanced plant phenotyping and disease detection: Case study on Cercospora leaf spot in sugar beet
    Yamati, Facundo R. Ispizua
    Boemer, Jonas
    Noack, Niklas
    Linkugel, Thomas
    Paulus, Stefan
    Mahlein, Anne-Katrin
    SMART AGRICULTURAL TECHNOLOGY, 2025, 10
  • [48] Non-Invasive Spectral Phenotyping Methods can Improve and Accelerate Cercospora Disease Scoring in Sugar Beet Breeding
    Jansen, Marcus
    Bergstraesser, Sergej
    Schmittgen, Simone
    Mueller-Linow, Mark
    Rascher, Uwe
    AGRICULTURE-BASEL, 2014, 4 (02): : 147 - 158
  • [49] Deep learning-based precision agriculture through weed recognition in sugar beet fields
    Nasiri, Amin
    Omid, Mahmoud
    Taheri-Garavand, Amin
    Jafari, Abdolabbas
    SUSTAINABLE COMPUTING-INFORMATICS & SYSTEMS, 2022, 35
  • [50] High electric field pulse pretreatment: potential for sugar beet processing
    Eshtiaghi, MN
    Knorr, D
    JOURNAL OF FOOD ENGINEERING, 2002, 52 (03) : 265 - 272