UA32191U - Спосіб обліку ураженості зернових та зернобобових культур листовими хворобами - Google Patents
Спосіб обліку ураженості зернових та зернобобових культур листовими хворобами 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
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
Спосіб обліку ураженості зернових та зернобобових культур листовими хворобами, який включає спектральний аналіз кольору за допомогою програмного забезпечення, попередню оцінку визначених даних, причому оцінка проводиться методом комп'ютерної діагностики і включає формування зображення листка за допомогою сканера і розподіл області зображення на спектральні складові і їх порівняння для виділення уражених областей листка.
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.
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.
Недоліком цих способів є те, що вони базуються на візуальному визначенні відсотка ураженої поверхні листка.
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.
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.
В основу корисної моделі поставлено задачу - забезпечення селекційного процесу об'єктивними даними щодо стійкості селекційного матеріалу шляхом підвищення достовірності обліку ураженої площі листка.
Поставлена мета вирішується тим, що оцінка за ознакою стійкості проводиться шляхом точного визначення відсотка ураженої поверхні листка верхнього ярусу з використанням комп'ютерного обладнання.
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.
Отримання зображення можливе без травмування об'єкту дослідження, що дає можливість проведення досліджень в динаміці розвитку.
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.
Таблиця 1
Результати виміру площі уражених листків
Ме зразка
НИ не соостотння нижининнинниш: пиши сних 81111177711111111111111111119686111171717171711111111111111842 | 9956
Перелік посилань 1. Бабаянц Л.Т. и др. Методьі селекции и оценки устойчивости пшениць и ячменя в странах членах СЗВ. -
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. -
Харьков, 1994. - 206. 4. Посьілаєва Г.А. Шкаль! оценки комплексной устойчивости зерновьїх культур к вредителям и болезням. -
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.
В р. ОО о КВ ВВ ОВ ВВ о осо оо КОКО
НК КВК УККККИКУМХ ї оюрмМ аа ан а Ци іі зах к' (ню и о чщчм м ж
ГІ ОО "
І Н ЗМ М Х хуя, 1 ПЕОМ Ж ще ж,
Ї с еф сво нко ік ХК ОКОМ ОО х Оса кхвмній
НЕ З З ММ ОКХ ОКОМ
МУ АК Ех ОХ 7 з хе сек жк дет 3 й «і ,АІяжд ОО ней
І ОХ р о КВ рю с
Іо КК ОВ ооо ооо
КК А я
ООН МО ОМ пи шКИІВДІДЮДДЬОЛЬТДОООМВОВВЮЮЮЮЬДЬООООО ОО ВО ВО ОКО ОВК ню думи, ММ МНН на М ВК й і ,пОМ ВХ
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.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| UAU200713983U UA32191U (uk) | 2007-12-13 | 2007-12-13 | Спосіб обліку ураженості зернових та зернобобових культур листовими хворобами |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| UAU200713983U UA32191U (uk) | 2007-12-13 | 2007-12-13 | Спосіб обліку ураженості зернових та зернобобових культур листовими хворобами |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| UA32191U true UA32191U (uk) | 2008-05-12 |
Family
ID=39820233
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| UAU200713983U UA32191U (uk) | 2007-12-13 | 2007-12-13 | Спосіб обліку ураженості зернових та зернобобових культур листовими хворобами |
Country Status (1)
| Country | Link |
|---|---|
| UA (1) | UA32191U (uk) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110631995A (zh) * | 2019-08-26 | 2019-12-31 | 江苏大学 | 叶片叶绿素叶面分布特征同步诊断氮钾镁元素亏缺的方法 |
-
2007
- 2007-12-13 UA UAU200713983U patent/UA32191U/uk unknown
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110631995A (zh) * | 2019-08-26 | 2019-12-31 | 江苏大学 | 叶片叶绿素叶面分布特征同步诊断氮钾镁元素亏缺的方法 |
| CN110631995B (zh) * | 2019-08-26 | 2021-09-10 | 江苏大学 | 叶片叶绿素叶面分布特征同步诊断氮钾镁元素亏缺的方法 |
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 | |
| US7218775B2 (en) | Method and apparatus for identifying and quantifying characteristics of seeds and other small objects | |
| Bock et al. | Accuracy of plant specimen disease severity estimates: concepts, history, methods, ramifications and challenges for the future. | |
| Duan et al. | A novel machine-vision-based facility for the automatic evaluation of yield-related traits in rice | |
| Hafsi et al. | Flag leaf senescence, as evaluated by numerical image analysis, and its relationship with yield under drought in durum wheat | |
| CN101881726B (zh) | 植物幼苗综合性状活体无损检测方法 | |
| Grieder et al. | Image based phenotyping during winter: a powerful tool to assess wheat genetic variation in growth response to temperature | |
| Venora et al. | Identification of Italian landraces of bean (Phaseolus vulgaris L.) using an image analysis system | |
| 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 | |
| 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 | |
| Borges et al. | Pocket-sized sensor for controlled, quantitative and instantaneous color acquisition of plant leaves | |
| Duc et al. | Image-based phenotyping of seed architectural traits and prediction of seed weight using machine learning models in soybean | |
| McNish et al. | Oat crown rust disease severity estimated at many time points using multispectral aerial photos | |
| UA32191U (uk) | Спосіб обліку ураженості зернових та зернобобових культур листовими хворобами | |
| Gupta et al. | Applications of RGB color imaging in plants | |
| Jollet et al. | Assessing yield quality parameters in bush bean via RGB imagery | |
| Habib et al. | Visual estimation: A classical approach for plant disease estimation | |
| 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? |