Vollzeit-Serie Phenotyp Monitoring System
Hintergrund
Das Plant IoT - Full-Time-Series Phenotype Monitoring System - PhenoSight ist eine Internet of Things (IoT)-basierte Phenotyping-Plattform, die einfach und einfach zu bedienen ist, um eine Vielzahl von Anwendungen in jeder Umgebung zu ermöglichen. Es wird von einem automatisierten Feldsteuerungssystem, hochdurchsatzigen Eigenschaftsanalyse-Algorithmen und maschinellem Lernen basierter Modellierung begleitet, um die von der Plattform generierten Daten zu verwalten und zu verarbeiten, um die dynamischen Beziehungen zwischen Genotypen, Phänotypen und der Umwelt zu erforschen.
Herausforderung
PhenoSight erfordert eine Plotteilung des Versuchsfeldes, die empfohlen wird, um 1 m * 2 m zu sein. PhenoSight besteht aus einem Server und einem Terminalknoten, und das IoT-fähige IoT ist weitgehend von der Verbindung zwischen den beiden abhängig. Der PhenoSight-Server selbst ist ebenfalls ein Messgerät und kann gleichzeitig mit 9 Endknoten verbunden werden, wodurch das im schematischen Diagramm des Implementierungsplans dargestellte Plotteilungsmodell (im roten Feld unten dargestellt) erstellt wird. Wo die rote Einheit der Server und die blaue Einheit der Endknoten ist. Jeder Server und Endknoten ist mit einer sichtbaren Lichtbildgebungseinheit ausgestattet und jeder Server kann mit Temperatur- und Feuchtigkeitssensoren, Bodenparametersensoren, Chlorophyllfluoreszenzsensoren usw. verbunden werden, die den Pflanzenphenotyp messen können und gleichzeitig Umweltfaktoren zum Pflanzenwachstumsmodell hinzufügen, so dass neben der Messung phänotypischer Parameter auch erkannt werden kann, dass das Pflanzenwachstum unter der Umwelt vorhergesagt werden kann, was für die Führung der landwirtschaftlichen Produktion von großer Bedeutung ist. Produktion. Alle PhenoSight-Daten können zur Cloud-Verarbeitung in die Cloud übertragen werden.
Lösung
Automatisierte kontinuierliche Echtzeitüberwachung des Pflanzenwachstums und der Entwicklung über kostengünstige Feldterminal-Arbeitsstationen; Integrierte Feld-meteorologische Überwachung Aufzeichnet eine Reihe von meteorologischen Daten: photosynthetisch aktive Strahlung, Blattdachintemperatur, Lufttemperatur und Luftfeuchtigkeit, Bodentemperatur und Luftfeuchtigkeit mit Leitfähigkeit; Hochdurchsatzanalyseprozess Hochdurchsatzverarbeitung und Quantifizierung der Modellierung des Pflanzenwachstums und der Anpassungsleistung; Hyperspektrale Messungen Hyperspektrale Messungen können auf Plots durchgeführt werden, um die Menge relevanter Einschlüsse zu analysieren Pflanzenstomatal-Phänotypierung Das System basiert auf moderner Internet of Things (IoT) -Technologie, gekoppelt mit Multi-Kamera-stomatalen kontinuierlichen Überwachungsterminals und der Entwicklung von Deep-Learning-Bildanalyse-Algorithmen, die eine großflächige, multi-Arten-Cluster-Bereitstellung von stomatalen Überwachungsterminals realisieren können Reisblühtezeit-Sequenzanalyse Reisblühtezeit-Sequenz kann analysiert werden.
Ergebnisse
Leistung: Echtzeit-Feldanalyse Mobilität: einfach zu installieren und zu bedienen Erschwinglichkeit: wettbewerbsfähig niedrige Kosten Haltbarkeit: kontinuierlicher Betrieb unter Feldbedingungen Vorhersage: Die Kombination von phänotypischen Daten und Umweltfaktordaten ermöglicht die Vorhersage des zukünftigen Pflanzenwachstums.
"Plot Pflanzenart, Pflanzenhöhe, Dachbahn, Dachbahndichte, Blattfarbe, Blattgröße und andere Messungen; Veränderung der Pflanzenwachstumsdynamik, Wachstumsratenforschung, wie die Überwachung der Pflanzenfruchtbarkeitsblüuenänderungen; Studien zur Umweltreaktion von Pflanzen (Entwicklung erforderlich), z.B. physiologische Studien zur Dürre, Bewässerung, Düngung usw.; Ermöglicht skalierbare Phänotypierung basierend auf maschinellem Lernen; Verbindet sich mit GxE-, Genotyp- und Umweltinteraktionen."
— Forschungsleiter