Cách sử dụng công nghệ hình ảnh tiên tiến nhất để đánh giá thực vật
  1. Home
  2. Khoa học nông nghiệp
  3. Cách sử dụng công nghệ hình ảnh tiên tiến nhất để đánh giá thực vật
Trần Văn Đến 6 tháng trước

Cách sử dụng công nghệ hình ảnh tiên tiến nhất để đánh giá thực vật

Kiểu hình thực vật là một viên gạch trong bức tường nghiên cứu nông nghiệp và nhân giống cây trồng. Nó giúp hiểu được cách thức thực vật hoạt động trong môi trường của nó, bằng cách đánh giá các thông tin quan trọng liên quan đến hình thái, sinh lý, hóa sinh, năng suất và phản ứng với các stress sinh học và phi sinh học. Việc tiếp cận những thông tin như vậy cho phép chúng tôi hiểu được động lực học của thực vật để có thể dự đoán cách thức một giống cây trồng sẽ hoạt động và sản xuất trong một môi trường cụ thể.

Xác định kiểu hình thực vật

Đánh giá kiểu hình, có thể truy cập được bằng cách kết hợp thông tin Kiểu gen x Dữ liệu môi trường, chủ yếu được sử dụng để cải thiện việc lựa chọn giống và làm cho nó hoàn thiện và chính xác hơn phương pháp genomic, vốn dựa vào nghiên cứu về sự hiện diện và hiệu suất của gen thông qua đánh giá kiểu gen.

Kiểu hình kỹ thuật số là một lĩnh vực khá mới. Công nghệ này cần một thời gian để được áp dụng và cải tiến tốt để phát huy hết tiềm năng của nó. Tuy nhiên, bản thân việc xác định kiểu hình thực vật không phải là điều gì mới mẻ, nó đã tồn tại từ rất lâu đời kể từ khi các nhà nông học nhìn thấy vấn đề và có thể đo lường thực vật theo cách thủ công. Nhưng hầu hết các kỹ thuật thủ công đó thường có tính hủy diệt hoặc tốn thời gian.

Tuy nhiên, sự gia tăng của kiểu hình kỹ thuật số bằng cách tận dụng các công nghệ mới đã chứng kiến ​​việc sử dụng các cảm biến và nền tảng hình ảnh nổi lên như một cách tiếp cận nhanh chóng và hiệu quả để đánh giá định lượng các đặc điểm thực vật, tức là kiểu hình, theo cách không phá hủy. Chúng ta tin rằng việc sử dụng những cảm biến đó để tạo ra phản ứng tổng hợp dữ liệu cho phép đánh giá chính xác hơn và có thể lặp lại, theo kiểu thông lượng cao, dựa trên lý thuyết về 6 chiều của kiểu hình.

Các nền tảng hình ảnh khác nhau có thể được sử dụng để tạo kiểu hình tại hiện trường và trong nhà để xử lý dữ liệu về 6 chiều đó, các nền tảng đó đang sử dụng dữ liệu được thu thập từ nhiều cảm biến khác nhau. Các công nghệ hình ảnh thường được sử dụng bao gồm hình ảnh ánh sáng nhìn thấy, hình ảnh nhiệt, hình ảnh 3D, huỳnh quang diệp lục, hình ảnh siêu phổ và hình ảnh chụp cắt lớp. Vì vậy, chúng ta hãy tìm hiểu sâu hơn về các công nghệ cảm biến có thể sử dụng được cho hình ảnh nông nghiệp hiện nay.

Nền tảng hình ảnh và công nghệ cảm biến để xác định kiểu hình thực vật

Một số nền tảng hình ảnh được sử dụng cho cả kiểu hình thực vật tập trung trên đồng ruộng và trong nhà. Các nền tảng này thu thập dữ liệu từ nhiều loại cảm biến khác nhau để có được sự hiểu biết toàn diện về đặc điểm của thực vật. Một số kỹ thuật hình ảnh thường được sử dụng bao gồm:

Hình ảnh ánh sáng nhìn thấy được

Cảm biến ánh sáng nhìn thấy được phát hiện ánh sáng trong phổ bước sóng từ 400 đến 700nm và cung cấp các giá trị cho các màu đỏ, lục và lam (RGB). Hình ảnh RGB có độ phân giải cao cho phép đo chính xác sinh khối thực vật, cấu trúc rễ, tốc độ tăng trưởng, tỷ lệ nảy mầm, năng suất, phát hiện bệnh và định lượng stress phi sinh học. Mặc dù phương pháp này tiết kiệm chi phí và dễ tiếp cận, nhưng những khác biệt nhỏ về màu sắc giữa cây và nền của nó, cũng như điều kiện ánh sáng, có thể ảnh hưởng đến quá trình xử lý hình ảnh tự động.

Hình ảnh RGB của các ô có vấn đề xuất hiện.
Hình ảnh RGB của các ô có vấn đề xuất hiện.
Hình ảnh RGB được phân đoạn và chú thích của các đầu lúa mì.
Hình ảnh RGB được phân đoạn và chú thích của các đầu lúa mì.

Hình ảnh nhiệt

Hình ảnh hồng ngoại nhiệt cho phép hiển thị và phân phối bức xạ hồng ngoại trên bề mặt thực vật. Một camera nhiệt chuyển đổi bức xạ hồng ngoại (nhiệt) phát ra từ nhà máy thành hình ảnh hiển thị sự phân bố nhiệt độ trong không gian. Kỹ thuật hình ảnh này được sử dụng để đánh giá trạng thái sinh lý của cây nhằm phản ứng với các stress sinh học và phi sinh học, chẳng hạn như nhiệt độ tán hoặc lá, thoát hơi nước, độ dẫn khí khổng và tình trạng nước tổng thể của cây. Nó cũng tìm thấy các ứng dụng trong nông nghiệp chính xác để quản lý nước và tưới tiêu.

Đánh giá nhiệt của cây trong nhà kính - Ở đây chúng ta có thể thấy phản ứng tổng hợp dữ liệu đang hoạt động kết hợp hình ảnh RGB với nhiệt để ước tính chính xác nhiệt độ của lá.
Đánh giá nhiệt của cây trong nhà kính – Ở đây chúng ta có thể thấy phản ứng tổng hợp dữ liệu đang hoạt động kết hợp hình ảnh RGB với nhiệt để ước tính chính xác nhiệt độ của lá.

Hình ảnh 3D (như công nghệ LiDAR)

LiDAR hoặc LADAR, từ viết tắt của “phát hiện ánh sáng và phạm vi” hoặc “hình ảnh, phát hiện và phạm vi laser” là phương pháp xác định phạm vi bằng cách nhắm mục tiêu vào một vật thể hoặc bề mặt bằng tia laser và đo thời gian để ánh sáng phản xạ quay trở lại máy thu. LIDAR có thể hoạt động theo một hướng cố định (ví dụ: dọc) hoặc nó có thể quét nhiều hướng, trong trường hợp đó nó được gọi là quét LIDAR hoặc quét laser 3D.

LIDAR có các ứng dụng trên mặt đất, trên không và di động và do đó tương thích với hầu hết các hệ thống và ứng dụng kiểu hình. Nó phù hợp nhất để tìm kiếm thông tin về cấu trúc và kiến ​​trúc như chiều cao và thể tích sinh học của cây nhưng cũng cho phép truy cập các đánh giá đếm và phân loại bằng cách áp dụng bản đồ màu cụ thể trên các đám mây dày đặc 3D để xác định các cơ quan thực vật.

Thiết bị cảm biến 3D giúp truy cập thông tin về cây trồng ở mọi cấp độ cây trồng.
Thiết bị cảm biến 3D giúp truy cập thông tin về cây trồng ở mọi cấp độ cây trồng.

Hình ảnh đa phổ/siêu quang phổ

Hình ảnh đa phổ/siêu quang phổ ghi lại quang phổ điện từ (λ) và dữ liệu không gian (x, y) tại mỗi pixel của hình ảnh, tái tạo lại ma trận dữ liệu 3D được gọi là siêu khối. Hypercube chứa hàng nghìn hình ảnh trong dải phổ từ 250 đến 2500 nm, bao gồm các vùng UV, vùng nhìn thấy, vùng hồng ngoại gần và vùng hồng ngoại giữa.

Cách tiếp cận này cung cấp nhiều thông tin, cho phép khai thác nhiều đặc điểm kiểu hình, chẳng hạn như ước tính hàm lượng dinh dưỡng, phát hiện bệnh, độ chín và chín của quả cũng như các đặc điểm sinh lý và sinh hóa khác liên quan đến sự sinh trưởng, phát triển và năng suất của cây trồng.

Hình ảnh NDVI được chụp từ UAV.
Hình ảnh NDVI được chụp từ UAV.
  1. Chụp ảnh huỳnh quang: Chụp ảnh huỳnh quang liên quan đến việc đo năng lượng ánh sáng phát ra khi cây hấp thụ bức xạ có bước sóng ngắn hơn, chủ yếu thông qua phức hợp diệp lục. Huỳnh quang phát ra là một phần rất nhỏ (<3%) trong tổng bức xạ do nguồn sáng phát ra tới vật thể. Lượng ánh sáng phát lại (huỳnh quang) là một chỉ số đáng tin cậy về khả năng sử dụng ánh sáng hấp thụ của cây và được dùng để ước tính tình trạng sức khỏe tổng thể của cây. Hình ảnh huỳnh quang được sử dụng để ước tính hiệu quả quang hợp và các quá trình trao đổi chất liên quan khác bị ảnh hưởng bởi các căng thẳng sinh học và phi sinh học. Tuy nhiên, kỹ thuật này không chỉ rõ nguyên nhân gây ra sự thay đổi tín hiệu của cây, chẳng hạn như ánh sáng, nhiệt độ hoặc các yếu tố môi trường khác.
  2. Chụp ảnh cắt lớp: Các kỹ thuật chụp ảnh khác, chẳng hạn như Chụp cộng hưởng từ (MRI), Chụp cắt lớp điện toán tia X (CT) và Chụp cắt lớp phát xạ Positron (PET), cung cấp hình ảnh 3D có độ phân giải cao của từng cây hoặc bộ phận của cây. MRI chụp ảnh 3D của các cấu trúc bên trong, cho phép định lượng không xâm lấn các đặc điểm tĩnh và động, chẳng hạn như những thay đổi về cấu trúc, sinh hóa và thời gian bên trong thực vật. CT tia X hiển thị cấu trúc 3D của cả các đặc điểm bên trong và bên ngoài nhà máy ở cấp độ vi mô hoặc vĩ mô. Những kỹ thuật hình ảnh này tốn nhiều thời gian và không phù hợp để xử lý lượng dữ liệu đáng kể. Ngoài ra, kích thước và trọng lượng lớn của chúng ngăn cản việc sử dụng chúng trên các nền tảng chụp ảnh trên không.

Chọn cảm biến phù hợp để đánh giá các đặc điểm kiểu hình không phá hủy

Việc lựa chọn công nghệ cảm biến phụ thuộc vào mục đích đánh giá cụ thể mà các nhà nghiên cứu muốn thực hiện. Các quyết định dựa trên dữ liệu và nghiên cứu sâu sắc dựa trên đánh giá dữ liệu kiểu hình là chìa khóa để tăng cường thực hành nông nghiệp, cải thiện năng suất cây trồng và đảm bảo an ninh lương thực cho dân số toàn cầu đang ngày càng tăng.

Tóm lại, công nghệ hình ảnh để xác định kiểu hình thực vật đã có những bước tiến đáng kể trong những năm gần đây và việc tích hợp chúng với kiểu hình kỹ thuật số đã mang lại những cơ hội mới để thúc đẩy nghiên cứu nông nghiệp và nhân giống cây trồng. Khi những công nghệ này tiếp tục phát triển, chúng ta có thể mong đợi những cách thức tinh vi và hiệu quả hơn nữa để hiểu được động thái thực vật và khai thác toàn bộ tiềm năng của chúng để giải quyết những thách thức của nền nông nghiệp hiện đại. Tương lai của việc phân tích kiểu hình thực vật rất hứa hẹn và nó nắm giữ chìa khóa để sản xuất lương thực bền vững và hiệu quả trong những năm tới.

Nguồn dịch: hiphen-plant.com

8 lượt xem | 0 bình luận
Mình là một người trẻ yêu thích nông nghiệp xanh. Ước mơ xây dựng một thứ gì đó cho nông nghiệp hữu cơ trong tươi lai. Thích làm nông và thử thách bản thân với những điều mới mẻ.
Cloud
Đồng ý Cookie
Trang web này sử dụng Cookie để nâng cao trải nghiệm duyệt web của bạn và cung cấp các đề xuất được cá nhân hóa. Bằng cách chấp nhận để sử dụng trang web của chúng tôi