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 PDF

Info

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
Application number
UAU200713983U
Other languages
Russian (ru)
Ukrainian (uk)
Inventor
Віра Павлівна Петренкова
Лариса Миколаївна Чорнобай
Ірина Миколаївна Черняєва
Тетяна Юріївна Маркова
Володимир Васильович Замаруєв
Original Assignee
Yuriev Inst Of Plant Science O
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Yuriev Inst Of Plant Science O filed Critical Yuriev Inst Of Plant Science O
Priority to UAU200713983U priority Critical patent/UA32191U/en
Publication of UA32191U publication Critical patent/UA32191U/en

Links

Landscapes

  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Spectrometry And Color Measurement (AREA)
  • Image Analysis (AREA)

Abstract

A method of recording the affection of cereals and grain legumes with leaf diseases includes spectral analysis of the colour with application of a software, preliminary assessment of the obtained data with the assessment carried out by a method of computerized diagnostics and includes forming an image of a leaf using a scanner and distributing the image area onto spectral constituents and comparing thereof for isolating the damaged areas of the leaf.

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)

Спосіб обліку ураженості зернових та зернобобових культур листовими хворобами, який включає спектральний аналіз кольору за допомогою програмного забезпечення, попередню оцінку визначених даних, який відрізняється тим, що оцінка проводиться методом комп'ютерної діагностики і включає формування зображення листка за допомогою сканера 1 розподіл області зображення на спектральні складові і їх порівняння для виділення уражених областей листка.The method of accounting for damage to grain and leguminous crops by foliar diseases, which includes spectral analysis of color using software, preliminary evaluation of the determined data, which is distinguished by the fact that the evaluation is carried out by the method of computer diagnostics and includes the formation of an image of a leaf using a scanner 1 division of the image area into spectral components and their comparison to highlight the affected areas of the leaf.
UAU200713983U 2007-12-13 2007-12-13 Method for recording affection of cereals and grain legumes with leaf diseases UA32191U (en)

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)

* Cited by examiner, † Cited by third party
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

Cited By (2)

* Cited by examiner, † Cited by third party
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?