Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

Sztuczne sieci neuronowe i teledetekcja w ocenie porażenia pszenicy jarej fuzariozą kłosów

Tytuł:
Sztuczne sieci neuronowe i teledetekcja w ocenie porażenia pszenicy jarej fuzariozą kłosów
Artificial neural networks and remote sensing in the assessment of spring wheat infection by Fusarium head blight
Autorzy:
Golka, Wiesław
Arseniuk, Edward
Golka, Adrian
Góral, Tomasz
Powiązania:
https://bibliotekanauki.pl/articles/2199484.pdf
Data publikacji:
2020-06-22
Wydawca:
Instytut Hodowli i Aklimatyzacji Roślin
Tematy:
fuzarioza kłosów
pszenica
sztuczne sieci neuronowe
teledetekcja
Fusarium head blight
wheat
artificial neural networks
teledetection
Źródło:
Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin; 2020, 288; 67-75
0373-7837
2657-8913
Język:
polski
Prawa:
CC BY-SA: Creative Commons Uznanie autorstwa - Na tych samych warunkach 4.0
Dostawca treści:
Biblioteka Nauki
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie
Celem prac badawczych było wykorzystanie teledetekcji oraz sztucznych sieci neuronowych w ocenie pszenicy jarej pod względem reakcji na fuzariozę kłosów wywoływaną przez grzyby z rodzaju Fusarium spp. Prace badawcze wykonano na roślinach 4 odmian pszenicy jarej. Były to: KWS Torridon i Izera – o wyższej odporności, Radocha i Nawra – o odporności niższej na ww. patogena. Wykonano zdjęcia zdrowych oraz porażonych kłosów wszystkich odmian, które następnie przetworzono przy użyciu programu Crops Vegetation Control Lab (CVC Lab.). Na podstawie uzyskanych obrazów utworzono ich reprezentacje w postaci sieci neuronowych Growing Neural Gas (GNG). W wyniku analizy zdjęć uzyskano 240 wzorców, z których wybrano po 6 bazowych wzorców choroby dla każdej odmiany. Następnie dokonano porównania próbek porażonych kłosów danej odmiany z bazowymi wzorcami chorobowymi tej samej odmiany pszenicy. W wyniku porównania wzorców roślin zdrowych i porażonych ze zdjęciami poletek roślin zdrowych i porażonych uzyskano zróżnicowanie wartości liczbowych dającej podstawę do konstrukcji mapy zdrowotności plantacji pszenicy z wyszczególnieniem ognisk choroby.

The aim of the research was to use remote sensing and artificial neural networks in the assessment of spring wheat in terms of response to infection of ears caused by fungi of the genus Fusarium spp. The research was carried out on plants of 4 varieties of spring wheat. They were: KWS Torridon and Izera - with higher resistance, Radocha and Nawra - with lower resistance to the pathogen. Pictures of healthy and infected ears of all varieties were taken, and then processed using the Crops Vegetation Control Lab (CVC Lab.) Program. Based on the obtained images, their representations in the form of Growing Neural Gas (GNG) neural networks were created. As a result of photo analysis, 240 patterns were obtained, out of which 6 basic disease patterns were selected for each variety. Next, a comparison of samples of infected ears of a given variety with baseline disease patterns of the same wheat variety was made. As a result of comparing healthy and diseased plant patterns with pictures of healthy and infested plant plots, a diversity of numerical values was obtained that gave rise to the construction of a wheat plantation map detailing spots with diseased plants.

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies