UA32191U - Method for recording affection of cereals and grain legumes with leaf diseases - Google Patents
Method for recording affection of cereals and grain legumes with leaf diseases Download PDFInfo
- Publication number
- UA32191U UA32191U UAU200713983U UAU200713983U UA32191U UA 32191 U UA32191 U UA 32191U UA U200713983 U UAU200713983 U UA U200713983U UA U200713983 U UAU200713983 U UA U200713983U UA 32191 U UA32191 U UA 32191U
- Authority
- UA
- Ukraine
- Prior art keywords
- leaf
- affection
- cereals
- recording
- image
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 11
- 201000010099 disease Diseases 0.000 title claims abstract description 10
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 10
- 235000013339 cereals Nutrition 0.000 title abstract description 6
- 235000021374 legumes Nutrition 0.000 title abstract 2
- 230000003595 spectral effect Effects 0.000 claims abstract description 5
- 238000010183 spectrum analysis Methods 0.000 claims abstract 2
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 239000000470 constituent Substances 0.000 abstract 1
- 241000607479 Yersinia pestis Species 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 3
- 240000004160 Capsicum annuum Species 0.000 description 2
- 235000008534 Capsicum annuum var annuum Nutrition 0.000 description 2
- 239000004464 cereal grain Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 244000005894 Albizia lebbeck Species 0.000 description 1
- 235000002566 Capsicum Nutrition 0.000 description 1
- 241000698776 Duma Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 235000016761 Piper aduncum Nutrition 0.000 description 1
- 235000017804 Piper guineense Nutrition 0.000 description 1
- 244000203593 Piper nigrum Species 0.000 description 1
- 235000008184 Piper nigrum Nutrition 0.000 description 1
- 240000004713 Pisum sativum Species 0.000 description 1
- 235000010582 Pisum sativum Nutrition 0.000 description 1
- 241000669326 Selenaspidus articulatus Species 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 210000003754 fetus Anatomy 0.000 description 1
- 238000012252 genetic analysis Methods 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 230000008659 phytopathology Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Spectrometry And Color Measurement (AREA)
- Image Analysis (AREA)
Abstract
Description
Корисна модель відноситься до галузі сільського господарства, а саме до фітопатології і може використовуватись в селекції зернових колосових та зернобобових культур на стійкість їх до ураження листовими хворобами.The useful model refers to the field of agriculture, namely to phytopathology and can be used in the selection of cereal grain and leguminous crops for their resistance to damage by foliar diseases.
Відомі способи обліку ураженості листових хвороб зернових колосових культур (1, 2), які включають єдину класифікацію стійкості, для чого впроваджена 9-бальна шкала оцінок за площею ураженої поверхні листка.There are known methods of accounting for damage to leaf diseases of grain ear crops (1, 2), which include a single classification of resistance, for which a 9-point rating scale based on the area of the affected leaf surface has been implemented.
Недоліком цих способів є те, що вони базуються на візуальному визначенні відсотка ураженої поверхні листка.The disadvantage of these methods is that they are based on the visual determination of the percentage of the affected leaf surface.
Існують також способи комплексної оцінки стійкості зернобобових культур до шкідників та хвороб (3, 4), які включають 5-бальні шкали оцінки ураження чи пошкодження рослин. Недоліком їх є візуальний характер оцінки.There are also ways to comprehensively assess the resistance of leguminous crops to pests and diseases (3, 4), which include 5-point scales for assessing damage or damage to plants. Their disadvantage is the visual nature of the assessment.
Найближчим за технічною суттю є спосіб визначення зрілості перцю за кольором та модулювання строків збирання урожаю (5), в якому використовується цифрова камера для постійної реєстрації розвитку інтенсивності кольорової гами у солодкого перцю, який вирощують у закритому грунті. Інтенсивність червоного, зеленого та блакитного кольору (НОВ) визначається в плодах. За допомогою програмного забезпечення опрацьовуються зображення, яке отримується за допомогою природного освітлення, без додаткового освітлення. Плоди фотографуються вранці, для запобігання прямих сонячних промінів на поверхні плодів. Фото обробляються за допомогою комп'ютерної програми (бідта беап Рго зоїмаге (5Р55, Спісадо ІІ, 60606). Для кожного зображення плода визначається середнє значення інтенсивності (інтенсивність від 0 до 250) для червоного (В), зеленого (С), та блакитного (В) і підраховуються відношення Н:С, Н:В, (4:В. Недоліком його є те, що отримуються менш достовірні дані і використовується лише для визначення зрілості солодкого перцю.The closest in technical essence is the method of determining pepper maturity by color and modulating harvest times (5), in which a digital camera is used to continuously register the development of the color gamut intensity in sweet peppers grown indoors. The intensity of red, green and blue color (NOV) is determined in fruits. With the help of the software, the image obtained using natural light, without additional lighting, is processed. Fruits are photographed in the morning to avoid direct sunlight on the fruit surface. Photos are processed using a computer program (bidta beap Rgo zoimage (5P55, Spisado II, 60606). For each image of the fetus, the average intensity value (intensity from 0 to 250) is determined for red (B), green (C), and blue (B) and the ratios H:C, H:B, (4:B) are calculated. Its disadvantage is that less reliable data is obtained and it is used only to determine the maturity of sweet pepper.
В основу корисної моделі поставлено задачу - забезпечення селекційного процесу об'єктивними даними щодо стійкості селекційного матеріалу шляхом підвищення достовірності обліку ураженої площі листка.The basis of a useful model is the task of providing the selection process with objective data on the stability of the selection material by increasing the reliability of accounting for the affected leaf area.
Поставлена мета вирішується тим, що оцінка за ознакою стійкості проводиться шляхом точного визначення відсотка ураженої поверхні листка верхнього ярусу з використанням комп'ютерного обладнання.The set goal is solved by the fact that the assessment of resistance is carried out by accurately determining the percentage of the affected surface of the leaf of the upper tier using computer equipment.
Принцип дії запропонованої корисної моделі здійснюється таким чином: - за допомогою сканера та комп'ютерного обладнання формується зображення об'єкту /листка/ (фіг.1); - окреслюється область зображення (характерна для даної культури), яка буде досліджуватися; - здійснюється розподіл зображення на спектральні складові - червону (В) зелену (С), коричневу (В); - порівнюється значення спектральних складових, характерних для досліджуваного зразка, з еталонними /базовими/ значеннями (табл.1); - еталон (КвА-КгаКзВ) Кв - червоний; Кга - зелений; КзВ - коричневий; - виділяються області, які відрізняються за спектральними характеристиками від еталонного значення; - враховуються площі об'єкту з параметрами, які перевищують еталонні параметри або є нижчими за еталонні параметри.The principle of operation of the proposed useful model is carried out as follows: - with the help of a scanner and computer equipment, an image of the object /leaf/ is formed (fig. 1); - the area of the image (characteristic for this culture) that will be studied is outlined; - the image is divided into spectral components - red (B), green (C), brown (B); - the values of the spectral components characteristic of the sample under study are compared with the reference /base/ values (Table 1); - standard (KvA-KhaKzV) Kv - red; Kha - green; KzV - brown; - areas that differ in spectral characteristics from the reference value are highlighted; - object areas with parameters that exceed the reference parameters or are lower than the reference parameters are taken into account.
Отримання зображення можливе без травмування об'єкту дослідження, що дає можливість проведення досліджень в динаміці розвитку.Obtaining an image is possible without injuring the research object, which makes it possible to conduct research in the dynamics of development.
Розроблена методика обліку із використанням комп'ютерного обладнання дозволяє точно визначати площу ураженої септоріозом поверхні листка, тому може використовуватись для достовірного визначення параметрів варіювання розвитку хвороб в популяціях Рі Р», Рі, ЕР» при проведенні генетичного аналізу на відповідність моделям генного контролю, що доцільно використовувати в селекції зернових колосових та зернобобових культур для підвищення їх стійкості до листових хвороб.The developed accounting method using computer equipment allows you to accurately determine the area of the leaf surface affected by septoriosis, therefore it can be used to reliably determine the parameters of the variation in the development of diseases in the populations of Ри Р», Ри, ЕР» when carrying out genetic analysis for compliance with gene control models, which is expedient use in the selection of cereal grain and leguminous crops to increase their resistance to foliar diseases.
Таблиця 1Table 1
Результати виміру площі уражених листківResults of measuring the area of affected leaves
Ме зразкаMe sample
НИ не соостотння нижининнинниш: пиши сних 81111177711111111111111111119686111171717171711111111111111842 | 9956We are not the same as the rest: write dreams 811111777111111111111111111119686111171717171711111111111111842 | 9956
Перелік посилань 1. Бабаянц Л.Т. и др. Методьі селекции и оценки устойчивости пшениць и ячменя в странах членах СЗВ. -List of references 1. Babayants L.T. et al. Methods of selection and stability assessment of wheat and barley in the member countries of the SZV. -
Прага, 1988. - С.193-208. 2. Методь оценки устойчивости селекционного материала пшениць к септориозу. - Москва, 1989. - 43б. 3. Посьілаева Г.А. Шкальі оценки комплексной устойчивости гороха к болезням и вредителям. - ИЛ Мо25-95. -Prague, 1988. - P.193-208. 2. The method of assessing the resistance of wheat breeding material to septoriosis. - Moscow, 1989. - 43b. 3. Posilaeva G.A. Scales for evaluating the complex resistance of peas to diseases and pests. - IL Mo25-95. -
Харьков, 1994. - 206. 4. Посьілаєва Г.А. Шкаль! оценки комплексной устойчивости зерновьїх культур к вредителям и болезням. -Kharkiv, 1994. - 206. 4. Posyilaeva G.A. Scale! evaluation of the complex resistance of grain crops to pests and diseases. -
Харьков, 1990. - 186б. 5. Мп МУ.С., НІЇЇ В.О. Мешга! перуоїк тоавеїїпуд ої її соїог апа сгор магпарієв ю ргедісії Нагуезі даїез ої дгеєп поизе-дгомп зуеєї реррегз //Сападіап дошгпаї ої Ріапі зсієепсе. - 2007. - М.87. - 1. - Р.137-143.Kharkov, 1990. - 186b. 5. MP MU.S., NIIII V.O. Mashga! peruoik toaveiipud oi her soiog apa shor magpariev yu rgedisii Naguezi daiez oi dgeep poize-dgomp zueyei rerregz //Sapadiap doshgpai oi Riapi zsieepse. - 2007. - M.87. - 1. - R.137-143.
В р. ОО о КВ ВВ ОВ ВВ о осо оо КОКОIn r. OO o KV VV OV VV o oso o o o KOKO
НК КВК УККККИКУМХ ї оюрмМ аа ан а Ци іі зах к' (ню и о чщчм м жNK KVK UKKKKIKUMH i oyurmM aa an a Ci ii zah k' (nyu i o chshchm m z
ГІ ОО "GI OO "
І Н ЗМ М Х хуя, 1 ПЕОМ Ж ще ж,I N ZM M X fuck, 1 PEOM Z same,
Ї с еф сво нко ік ХК ОКОМ ОО х Оса кхвмнійI s sef svo nko ik ХК OKOM ОО х Osa khvmniy
НЕ З З ММ ОКХ ОКОМNOT Z Z MM OKH OKOM
МУ АК Ех ОХ 7 з хе сек жк дет 3 й «і ,АІяжд ОО нейMU AK Eh OH 7 z he sec zhk det 3 y «i ,AIyazhd OO ney
І ОХ р о КВ рю сI OH r o KV ryu s
Іо КК ОВ ооо оооIo KK OV ooo ooo
КК А яKK And me
ООН МО ОМ пи шКИІВДІДЮДДЬОЛЬТДОООМВОВВЮЮЮЮЬДЬООООО ОО ВО ВО ОКО ОВК ню думи, ММ МНН на М ВК й і ,пОМ ВХUNO MO OM pi shKIIVDIDYUDDYOLTDOOOMVOVVVYUYUYUYUJDOOOOOO OO VO VO OKO OVK ny duma, MM MNN on M VC and i, pOM VK
Claims (1)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
UAU200713983U UA32191U (en) | 2007-12-13 | 2007-12-13 | Method for recording affection of cereals and grain legumes with leaf diseases |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
UAU200713983U UA32191U (en) | 2007-12-13 | 2007-12-13 | Method for recording affection of cereals and grain legumes with leaf diseases |
Publications (1)
Publication Number | Publication Date |
---|---|
UA32191U true UA32191U (en) | 2008-05-12 |
Family
ID=39820233
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
UAU200713983U UA32191U (en) | 2007-12-13 | 2007-12-13 | Method for recording affection of cereals and grain legumes with leaf diseases |
Country Status (1)
Country | Link |
---|---|
UA (1) | UA32191U (en) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110631995A (en) * | 2019-08-26 | 2019-12-31 | 江苏大学 | Method for synchronously diagnosing nitrogen, potassium and magnesium element deficiency by leaf chlorophyll and leaf surface distribution characteristics |
-
2007
- 2007-12-13 UA UAU200713983U patent/UA32191U/en unknown
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110631995A (en) * | 2019-08-26 | 2019-12-31 | 江苏大学 | Method for synchronously diagnosing nitrogen, potassium and magnesium element deficiency by leaf chlorophyll and leaf surface distribution characteristics |
CN110631995B (en) * | 2019-08-26 | 2021-09-10 | 江苏大学 | Method for synchronously diagnosing nitrogen, potassium and magnesium element deficiency by leaf chlorophyll and leaf surface distribution characteristics |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bock et al. | Plant disease severity estimated visually: a century of research, best practices, and opportunities for improving methods and practices to maximize accuracy | |
Dammer et al. | Detection of head blight (Fusarium ssp.) in winter wheat by color and multispectral image analyses | |
Aitkenhead et al. | Weed and crop discrimination using image analysis and artificial intelligence methods | |
Bock et al. | Accuracy of plant specimen disease severity estimates: concepts, history, methods, ramifications and challenges for the future. | |
US7218775B2 (en) | Method and apparatus for identifying and quantifying characteristics of seeds and other small objects | |
Duan et al. | A novel machine-vision-based facility for the automatic evaluation of yield-related traits in rice | |
CN101881726B (en) | Nondestructive detection method for comprehensive character living bodies of plant seedlings | |
Venora et al. | Identification of Italian landraces of bean (Phaseolus vulgaris L.) using an image analysis system | |
Grieder et al. | Image based phenotyping during winter: a powerful tool to assess wheat genetic variation in growth response to temperature | |
Ali et al. | Yield loss prediction models based on early estimation of weed pressure | |
Anandan et al. | Non-destructive phenotyping for early seedling vigor in direct-seeded rice | |
Chiang et al. | Understanding the ramifications of quantitative ordinal scales on accuracy of estimates of disease severity and data analysis in plant pathology | |
Fonseca de Oliveira et al. | An approach using emerging optical technologies and artificial intelligence brings new markers to evaluate peanut seed quality | |
Lutman et al. | Investigations into alternative methods to predict the competitive effects of weeds on crop yields | |
US10712325B2 (en) | Method and apparatus for measuring inflorescence, seed and/or seed yield phenotype | |
Nutter Jr et al. | Recent developments in methods for assessing disease losses in forage/pasture crops | |
Khalid et al. | Divergence in single kernel characteristics and grain nutritional profiles of wheat genetic resource and association among traits | |
Borges et al. | Pocket-sized sensor for controlled, quantitative and instantaneous color acquisition of plant leaves | |
McNish et al. | Oat crown rust disease severity estimated at many time points using multispectral aerial photos | |
Gupta et al. | Applications of RGB color imaging in plants | |
UA32191U (en) | Method for recording affection of cereals and grain legumes with leaf diseases | |
Habib et al. | Visual estimation: A classical approach for plant disease estimation | |
Jollet et al. | Assessing yield quality parameters in bush bean via RGB imagery | |
Lakshmi et al. | Plant phenotyping through Image analysis using nature inspired optimization techniques | |
Kern et al. | Value chain stakeholder preferences are misaligned with economic weights derived from the bio-economic model: what is the effect on the ranking of candidates? |