Systèmes d'imagerie pour l'étude de la santé des plantes et la biologie spatiale
Bibliographic record
Abstract
L'utilisation des plantes comme partie intégrante des systèmes de soutien de la vie fait partie des stratégies pour rendre possible l'habitation humaine dans l'espace, les voyages de longue durée et la colonisation extraterrestre. L’Agence spatiale canadienne étudie la possibilité de permettre la présence humaine sur la Lune et/ou Mars en implantant des serres, agissant comme un système de recyclage en boucle fermée, qui fournirait les éléments essentiels (O2, H2O et nourriture) et assurerait la survie des astronautes. En ce sens, il est important de développer un système de surveillance permettant d’observer l’état des cultures en temps réel et d’agir immédiatement avant que la situation des plantes ne devienne critique. L'analyse de fluorescence de la chlorophylle des plantes est devenue l'une des techniques les plus puissantes et les plus utilisées par les physiologistes des végétaux et les écophysiologistes. La mesure de l’intensité de cette fluorescence pour examiner le rendement photosynthétique des plantes est maintenant répandue dans l’étude de leur santé. En plus de la fluorescence naturelle, des plants génétiquement modifiés contenant des gènes de protéine verte fluorescente (PVF) fusionnés à leurs gènes révélateurs ont été développés afin de servir de capteurs biologiques pour la surveillance de plusieurs sources de stress. \n \nDans ce mémoire, nous proposons deux prototypes d’imagerie qui examinent la santé des plantes et un algorithme de segmentation d’image de plantes capturées par les prototypes. Chaque prototype a été conçu selon des prérequis spécifiques aux besoins de l’étude et de l’environnement où le système est déployé. Le premier prototype conçu pour la capture de la PVF a été déployé à la station de recherche Haughton Mars, dans le Haut-Arctique Canadien (île Devon, au Nunavut), où la seule source d’énergie fournit du courant continu et vient d’un système d’énergie renouvelable (éoliennes, panneaux solaires et un jeu de batteries). Sur l’île Devon, le soleil est absent vingt-quatre heures par jour en hiver et les températures varient entre moins cinquante et moins soixante-dix degrés Celsius. L’objectif de capturer la fluorescence des plantes a été accompli avec succès de façon autonome pendant une année entière et en absence d’humain. Les commandes et les données ont été envoyées à travers le système de communication par satellite de la serre. Le deuxième prototype est un système multispectral conçu pour capturer la PVF et autres, comme la fluorescence naturelle, chlorophylles rouges et proches de l’infrarouge. Le système a été déployé dans une chambre hypobarique à l’Université de Guelph, en Ontario. Il a réussi à capturer les différentes fluorescences émises par les plantes en temps réel à une pression de 5 kPa à des intervalles définis et de façon autonome. Finalement, l’objectif de simplifier l’analyse des images capturées par les systèmes en discriminant les différentes parties de la plante a été accompli avec un taux d’erreur de 8.75% et un temps de classification de seulement 35 sec.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 0.005 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".