Digital Image Analysis to Supplement Direct Measures of Lettuce Biomass
Notice bibliographique
Résumé
Plant growth and biomass assessments are required in production and research. Such assessments are followed by major decisions (e.g., harvest timing) that channel resources and influence outcomes. In research, resources required to assess crop status affect other aspects of experimentation and, therefore, discovery. Destructive harvests are important because they influence treatment selection, replicate number and size, and the opportunity for true repeated measures. This work sought to establish the limits to which image acquisition and analysis may replace standard, destructive measures of fresh lettuce biomass. Outdoor, high tunnel, and greenhouse plantings of three cultivars of red and green leaf lettuce ( Lactuca sativa ) were direct-seeded in raised beds and plastic trays in spring, summer, and fall seasons in 2009–10 in Wooster, OH. Overhead images (624 in total) were captured at specific time points after seeding using handheld and tripod-mounted commercial digital cameras. Fresh weight and leaf area of destructive plant samples within the digital images were also collected. Images were analyzed using user-defined settings in WinCAM software (Regent Instruments, Quebec, QC, Canada). A reference grid captured within each image allowed for the calculation of crop canopy cover (percent of two-dimensional image area covered by leaves). Calculations of canopy cover require differentiating leaves and rooting medium by color. The rooting medium was dark in color, and differentiating red leaves against this background was less reliable than differentiating green leaves from background. Nevertheless, in samples collected in the greenhouse 7 to 16 days after sowing (DAS), significant correlations ( r ) of 0.85 to 0.96 ( P < 0.05) were observed between measures of canopy cover calculated by image analysis software and leaf area obtained with a leaf area meter on harvested plant material. In outdoor and high tunnel plots 16 to 30 DAS, correlation coefficients between direct measures of plant biomass and WinCAM estimates of canopy cover were 0.71 to 0.95 ( P < 0.0001). We conclude that digital image analysis may be useful in real-time, nondestructive assessments of early stage leaf lettuce canopy development, particularly when the leaf area index (LAI) is less than one and settings are dominated by green leaves.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,008 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».