BỘ KHOA HỌC VÀ CÔNG NGHỆ
HỆ THỐNG THÔNG TIN KHOA HỌC VÀ CÔNG NGHỆ

Lọc theo danh mục
  • Năm xuất bản
    Xem thêm
  • Lĩnh vực
liên kết website
Lượt truy cập
 Lượt truy cập :  15,082,867

Khoa học kỹ thuật và công nghệ

BB

Chu Bảo Minh, Tô Thị Mai Hương, Trần Giang Sơn; Tô Thị Mai Hương(1);  Tô Thị Mai Hương(2); 

ƯỚC LƯỢNG KIỂU HÌNH HẠT LÚA BẰNG PHƯƠNG PHÁP ĐỔI HỆ MÀU VÀ PHÂN ĐOẠN ẢNH DỰA TRÊN HỌC SÂU

RICE GRAIN TRAIT ESTIMATION USING COLOR SPACE CONVERSION AND DEEP LEARNING-BASED IMAGE SEGMENTATION

Tạp chí Khoa học và Công nghệ - Đại học Thái Nguyên

2024

07

133 - 140

Việc trích chọn đặc điểm kiểu hình của hạt lúa một cách chính xác là việc rất quan trọng trong việc quản lý và ước lượng năng suất trồng lúa một cách hiệu quả, đồng thời mang lại những hiểu biết quý giá để cải tiến các phương pháp nông nghiệp. Tuy nhiên, thực hiện thủ công các công việc này là rất tốn công sức, tốn thời gian và dễ gây sai sót. Nghiên cứu này đề xuất một phương pháp mới sử dụng máy ảnh kỹ thuật số giá rẻ và công nghệ học sâu để đếm và trích chọn các đặc điểm kiểu hình của hạt lúa. Nghiên cứu của chúng tôi giới thiệu một bước tiền xử lý để phân tách các vùng hạt lúa từ nền ảnh đầu vào bằng cách chuyển đổi không gian màu. Sau đó, một mô hình phân đoạn ảnh dựa trên học sâu dùng YOLOv8 được sử dụng để đếm số lượng và trích chọn các đặc điểm kiểu hình của hạt lúa. Độ chính xác của phương pháp đề xuất được thử nghiệm trên 88 giống lúa khác nhau được cung cấp bởi Trung tâm Tài nguyên Thực vật tại Hà Nội. Kết quả thực nghiệm cho thấy phương pháp đề xuất có độ chính xác cao và có khả năng xử lý lượng lớn ảnh màu với chi phí thấp để trích chọn đặc điểm kiểu hình của hạt lúa. Kết quả này có tiềm năng trong việc hỗ trợ các chương trình lai tạo giống lúa và xác định các gene chức năng của các giống lúa.

Accurately extracting traits from rice grains is of importance for effective crop management and yield estimation, providing valuable understanding for improving agricultural practices. However, manual intervention in these tasks is labor-intensive, time-consuming, and error-prone. This research proposes a new approach that leverages low-cost digital cameras and deep learning technology for counting and extracting rice grain traits. Our study introduces a preprocessing step to separate rice grain regions from the input image background using color space conversion. After that, a deep learning image segmentation model based on YOLOv8 is utilized for the extraction of both the number and morphological traits of the grains. The accuracy of the proposed method was experimented on 88 different rice varieties provided by the Plant Resource Center in Hanoi. The experimental results show that the proposed approach is high-accurate and high-throughput for low-cost extraction of rice grain traits from color digital images, which is potentially helpful in facilitating effective evaluation in rice breeding programs and functional gene identification of rice varieties.

Xem toàn văn