研究目的
本研究的主要目标是将光分离方法与基于卷积神经网络（CNN）的快速高分辨率学习方法相结合并进行评估，以实现对葡萄浆果表面蜡质层（果粉）的自动化表型分析。
研究成果
该研究成功开发了一种基于传感器的自动化方法，通过结合光照分离成像与基于卷积神经网络的图像分析，客观表征葡萄浆果的开花状态。该方法显示出高准确性，并与阻抗测量结果高度相关，为传统表型分析方法提供了一种无创、高效的替代方案。
研究不足
该研究仅限于六种葡萄品种，需要在更广泛的品种范围内进行进一步验证?；谕及傅墓夥掷胨枋奔湎灾哂诨谄竦姆掷搿?/p>
1：实验设计与方法选择：
本研究结合光分离技术与卷积神经网络（CNN），实现表皮蜡质的自动化表型分析。
2：样本选择与数据来源：
选取六种葡萄品种的浆果，因其具有果粉特性且易感灰霉?。˙otrytis bunch rot）。
3：实验设备与材料清单：
配备DLP? LightCrafter?评估?？榈墓夥掷胧笛槭遥↙SL）、Flea3相机及用于阻抗测量的I-传感器。
4：实验流程与操作步骤：
通过LSL采集图像，利用CNN进行浆果检测与蜡质量化，并关联阻抗测量数据。
5：数据分析方法：
基于CNN的图像分析实现浆果检测与蜡质量化，结合阻抗测量数据进行相关性分析。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容-
Flea3 camera
FL3-U3-88S2C-C
FLIR
Captures images for phenotyping epicuticular waxes.
-
DLP? LightCrafter? Evaluation Module
DLPLIGHTCRAFTER
Texas Instruments
Generates high frequency illumination patterns for light-separation.
-
AD5933 high precision impedance converter system
AD5933
Analog Devices GmbH
Measures electrical impedance of the cuticle and its epicuticular waxes.
-
USB-I2C module
FTDI FT232R USB chip
Devantech Ltd (Robot Electronics, Norfolk, United Kingdom)
Facilitates communication for impedance measurements.
-
登录查看剩余2件设备及参数对照表
查看全部
