Nikel hiperakkumulyatoru olan bitkilər torpaqdan yüksək miqdarda nikel alıb toxumalarında toplaya bilən xüsusi növlərdir. Bu xüsusiyyətləri çirklənmiş torpaqların təmizlənməsi və aşağı filiz dərəcəli sahələrdən metalın əldə olunması mənasına gələn fitomədənçilik üçün diqqətçəkicidir.

Lakin fitomədənçilikdə yalnız bitkinin nə qədər nikel toplaması kifayət etmir. Ümumi metal məhsuldarlığı bitki toxumasındakı metal sıxlığı ilə onun istehsal etdiyi biokütlənin hasilinə bağlıdır. Yəni çox nikel toplayan, amma az böyüyən bitki praktikada gözlənilən məhsuldarlığı təmin etməyə bilər.

Bu preprint tədqiqat nikel hiperakkumulyatoru Streptanthus polygaloides bitkisinin biokütləsini bitkini kəsmədən qiymətləndirmək üçün avtomatik 3B fenotipləmə xətti hazırlayır. Sistem bitkinin 360° videosunu çəkir, görüntülərdən bitkini və istinad markerlərini ayırır, 3B nöqtə buludu yaradır və bu nöqtə buludundan həcm, hündürlük və qat əsaslı morfoloji xüsusiyyətlər çıxarır.

Nəticələr yalnız bitki hündürlüyünə baxmağın biokütləni qiymətləndirmək üçün yetərli olmadığını göstərir. Əvəzində 3B xüsusiyyətlər birlikdə istifadə edildikdə təzə və quru biokütlə proqnozu xeyli güclənir.

Problem Nədir?

Bitki biokütləsi bitkinin ümumi böyüməsini və məhsuldarlığını anlamaq üçün əsas göstəricilərdən biridir. Fitomədənçilikdə isə biokütlə daha da kritik olur. Çünki hiperakkumulyator bitkinin iqtisadi dəyəri yalnız toxumasında nə qədər nikel saxlaması ilə deyil, eyni zamanda nə qədər bitki kütləsi yaratması ilə müəyyənləşir.

Ənənəvi biokütlə ölçümü adətən dağıdıcıdır. Bitki kəsilir, qurudulur və çəkilir. Bu üsul düzgün ola bilər; lakin mühüm problemi var: Ölçdüyünüz bitki artıq yaşamır. Bu isə eyni bitkinin böyüməsini zaman ərzində izləməyi, yüksək performanslı fərdləri toxum istehsalı üçün qorumağı və seleksiya işlərində canlı materialı saxlamağı çətinləşdirir.

Buna görə tədqiqatçılar uzun müddətdir dağıdıcı olmayan üsullar axtarırlar. Ən sadə yanaşma bitki hündürlüyünü ölçməkdir. Lakin hündürlük həmişə biokütləni yaxşı izah etmir. Eyni boyda iki bitkidən biri seyrək və dik, digəri qısa, lakin çox budaqlı və sıx ola bilər. Bu iki bitkinin biokütləsi ciddi şəkildə fərqlənə bilər.

Bu tədqiqatın əsas problemi budur:

Mürəkkəb tac arxitekturasına malik nikel hiperakkumulyatoru bitkilərdə biokütləni bitkini kəsmədən və yalnız hündürlük ölçüsünə güvənmədən daha düzgün qiymətləndirmək mümkündürmü?

Metod Nə Təklif Edir?

Məqalə 3B görüntüləmə ilə süni intellekt əsaslı avtomatlaşdırmanı birləşdirən fenotipləmə xətti təklif edir.

Sistem iki əsas hissədən ibarətdir:

Birincisi xüsusi hazırlanmış görüntüləmə platformasıdır. Bu platformada bitki sabit qalır, kamera isə bitkinin ətrafında fırlanır. Beləliklə, bitki hərəkət etmədiyi üçün yarpaq və gövdə titrəyişi azalır. Bu vacibdir; çünki hərəkət bulanıqlığı 3B nöqtə buludunun pozulmasına səbəb ola bilər.

Platformada çoxsaylı yer nəzarət nöqtələri yerləşir. Bu nöqtələr fotogrammetriya proqramının görüntülərdən real ölçülü 3B model yaratmasına kömək edir. Tədqiqatda 12 dairəvi kodlu hədəf və 9 simvolik kodlu hədəf istifadə olunub.

İkinci hissə proqram təminatı xəttidir. Mərhələlər belədir:

1. Bitkinin 360° videosu qeydə alınır.
2. Videodan kadr görüntüləri çıxarılır.
3. SAM3 modeli ilə bitki, platforma və nəzarət markerləri görüntüdən ayrılır.
4. YOLO26 modeli ilə nəzarət markerləri tanınır və yerləşdirilir.
5. Agisoft Metashape ilə fotogrammetrik 3B nöqtə buludu yaradılır.
6. Rəng filtrasiyası ilə bitkiyə aid nöqtələr ayrılır.
7. Nöqtə buludundan bitki həcmi və digər morfoloji xüsusiyyətlər çıxarılır.
8. Təsadüfi meşə modeli ilə təzə və quru biokütlə proqnozlaşdırılır.

Bu üsul klassik fotogrammetriyada əl ilə markerləmə yükünü azaltmağı hədəfləyir. Normalda tədqiqatçıların görüntülərdə istinad markerlərini əl ilə müəyyənləşdirməsi lazım gələ bilər. Bu tədqiqat YOLO26 ilə həmin prosesi avtomatlaşdırır.

Formullar Nəyi İzah Edir?

Bu tədqiqat ağır riyazi tənliklərdən çox görüntü emalı, 3B nöqtə buludu və maşın öyrənməsi axını üzərində qurulub. Buna baxmayaraq, bəzi texniki fikirləri sadə şəkildə anlamaq vacibdir.

İlk vacib fikir bitki nöqtələrinin rəng əsaslı filtrlərlə ayrılmasıdır. Tədqiqatçılar nöqtə buludunda yaşıl, qəhvəyi və sarımtıl bitki toxumalarını tutmaq üçün RGB rəng kanallarından istifadə ediblər. Sadə şəkildə:

• Yaşıl kanal qırmızı və mavi kanaldan üstün olarsa, nöqtə canlı yaşıl bitki toxumasına aid ola bilər.
• Qırmızı/qəhvəyi tonlar müəyyən hədləri ödəyirsə, nöqtə qocalmış və ya qurumaqda olan bitki toxumasına aid ola bilər.

Beləliklə, yalnız təzə yaşıl yarpaqlar deyil, bitkinin aşağı hissələrindəki saralmış və ya qəhvəyi toxumalar da modelə daxil edilə bilib.

İkinci vacib fikir voxel yanaşmasıdır. Voxel 3B dünyadakı kiçik kublar kimi düşünülə bilər. Tədqiqatçılar bitki nöqtə buludunu kiçik 3B hüceyrələrə bölüb və hansı hüceyrələrin bitki tərəfindən doldurulduğunu sayıblar.

Sadələşdirilmiş məntiq belədir:

Bitki həcmi = Dolu voxel sayı × Bir voxel-in həcmi

Bu üsul bitkinin yalnız hündürlüyünü deyil, məkanda nə qədər yer tutduğunu ölçməyə imkan verir.

Üçüncü vacib fikir bitkinin üfüqi qatlara bölünməsidir. Bitki nöqtə buludu 64 üfüqi qata bölünüb və hər qatda nöqtələrin mərkəzdən məsafəsi, sıxlığı və tutduğu sahə kimi xüsusiyyətlər çıxarılıb. Bu, bitkinin yalnız “nə qədər hündür” olduğunu deyil, hansı hündürlükdə nə qədər yayıldığını anlamağa imkan verir.

Son mərhələdə bu xüsusiyyətlər təsadüfi meşə reqressiya modelinə verilib. Təsadüfi meşə bir çox qərar ağacının birlikdə proqnoz verdiyi maşın öyrənməsi üsuludur. Bu tədqiqatda model 3B morfoloji xüsusiyyətlərdən təzə və quru biokütləni proqnozlaşdırmaq üçün istifadə olunub.

Qrafik / Cədvəl / Sxemin Əsas Mesajı

Məqalədəki vizuallar birbaşa köçürülmədən belə ümumiləşdirilə bilər:

İlk platforma görüntüsü sistemin əsas aparat ideyasını göstərir. Bitki ortadakı sabit lövhədə dayanır, kamera isə fırlanan qol üzərində bitkinin ətrafında hərəkət edir. Platformadakı kodlu markerlər 3B modelin real dünya ölçüsünə bağlanmasını təmin edir. Əsas mesaj budur: Bitkini fırlatmaq əvəzinə kameranın fırladılması daha sabit görüntü və daha etibarlı 3B model üçün seçilib.

İkinci iş axını sxemi xam videodan biokütlə proqnozuna qədər bütün xətti göstərir. Oxucu üçün əsas mesaj budur: Bu üsul yalnız foto çəkməkdən ibarət deyil; video kadrlarının çıxarılması, süni intellektlə seqmentasiya, marker tanıma, fotogrammetriya, nöqtə buludunun təmizlənməsi, həcm hesablanması və maşın öyrənməsi proqnozunun birləşməsidir.

Nəzarət markerləri verilənlər dəsti görüntüsü YOLO26 modelinin fərqli simvol və kodlu hədəfləri tanımaq üçün təlimləndirildiyini göstərir. Buradakı əsas mesaj sistemin əl ilə markerləmə əvəzinə avtomatik marker tanıma ilə işləməyi hədəfləməsidir.

3B rekonstruksiya doğrulama sxemi platforma lövhəsinin real diametri üzərindən model dəqiqliyinin sınaqdan keçirildiyini göstərir. Məlum diametr 57 cm olduğuna görə nöqtə buludundan hesablanan diametrlə real diametr müqayisə olunub. Bu, sistemin həndəsi miqyasda nə qədər düzgün işlədiyini anlamağa kömək edir.

3B bitki modellərinin ümumi görünüşünü göstərən vizual fərqli bitki arxitekturalarının nöqtə buludu kimi tutula bildiyini göstərir. Bəzi bitkilər uzun və seyrək, bəziləri isə qısa və sıx görünür. Bu müxtəliflik yalnız hündürlük ölçüsünün niyə yetərsiz olduğunu vizual olaraq da dəstəkləyir.

Biokütlə proqnozu qrafikləri tədqiqatın ən kritik mesajını verir. Yalnız maksimum bitki hündürlüyü istifadə edildikdə təzə və quru biokütlə proqnozu demək olar ki, uğursuz olur. Əvəzində 3B həcm və qat əsaslı morfoloji xüsusiyyətlər birlikdə istifadə edildikdə proqnoz dəqiqliyi aydın şəkildə artır.

Vaxt sərfi qrafiki sistemin hansı mərhələsinin daha çox emal vaxtı tələb etdiyini göstərir. Ən böyük yük 3B nöqtə buludunun yaradılması, yəni fotogrammetriya mərhələsindədir. Seqmentasiya və marker tanıma da vaxt aparır; lakin bütün proses təxminən bir neçə dəqiqə ərzində tamamlanır.

Təcrübələr Necə Aparılıb?

Tədqiqatda ümumilikdə 110 Streptanthus polygaloides bitkisi qiymətləndirilib. Bu bitkilər Şimali Kaliforniyadakı təbii yaşayış yerlərindən əldə olunmuş toxumlardan yetişdirilib. Bitkilər çiçəkləmə mərhələsinə çatdıqda fenotipləmə üçün istifadə olunub.

Nümunələrdə böyük morfoloji müxtəliflik müşahidə olunub. Bitki hündürlükləri 12,5 cm ilə 134,6 cm arasında dəyişib. Bəzi bitkilər uzun və seyrək, bəziləri isə daha qısa, lakin sıx və budaqlı tac quruluşuna malik olub.

Hər bitki xüsusi platformada 360° video ilə qeydə alınıb. Videolar təxminən 15 saniyə davam edib və 30 fps tezliyində çəkilib. Görüntülərdən saniyədə 8 kadr çıxarılıb. Bu kadrlar 3B rekonstruksiya üçün istifadə olunub.

SAM3 modeli görüntülərdən bitkini, lövhəni və markerləri ayırmaq üçün istifadə olunub. Seqmentasiya uğurunu artırmaq üçün “mərhələli prompt” strategiyası tətbiq edilib. İlk prompt hədəfi ətraflı təsvir edib, ehtiyat promptlar isə daha sadə saxlanılıb. Beləliklə, ətraflı təsvir uğursuz olarsa daha sadə təsvirlər işə düşüb.

YOLO26 modeli platformadakı nəzarət markerlərini təsnif etmək və yerlərini müəyyənləşdirmək üçün təlimləndirilib. Tanınmış markerlərin 2B görüntü koordinatları real 3B koordinatlarla uyğunlaşdırılıb və fotogrammetriya proqramına ötürülüb.

Agisoft Metashape görüntülərdən 3B nöqtə buludu yaradıb. Daha sonra bitkiyə aid nöqtələr rəng və statistik filtrlərlə ayrılıb. Son mərhələdə bitki həcmi və qat əsaslı morfoloji xüsusiyyətlər hesablanıb.

Biokütlə proqnozu üçün 58 bitkidə real təzə və quru çəki dəyərləri istifadə olunub. Məlumatlar təlim və test dəstlərinə bölünüb, təsadüfi meşə reqressiya modeli ilə proqnoz verilib.

Nəticələr Nəyi Göstərir?

Tədqiqatın ilk vacib nəticəsi sistemin 3B rekonstruksiyada yüksək ölçü dəqiqliyi təmin etməsidir. Məlum diametri 57 cm olan platforma lövhəsi ilə aparılan doğrulamada orta rekonstruksiya edilmiş diametr 57,18 cm olub və orta nisbi xəta %0,60 olaraq bildirilib. Bu, sistemin bitki ölçmələrini real dünya miqyasına çox yaxın daşıya bildiyini göstərir.

İkinci nəticə SAM3 və mərhələli prompt yanaşmasının seqmentasiyada uğurlu olmasıdır. Bitki seqmentasiyasında ümumi uğur nisbəti %99,4-ə, lövhə seqmentasiyasında isə %100-ə çatıb. Bu, süni intellekt əsaslı seqmentasiyanın fotogrammetriyadan əvvəl səs-küyü azaltmaq üçün effektiv istifadə oluna biləcəyini düşündürür.

Üçüncü nəticə marker tanımada YOLO26-nın güclü performans göstərməsidir. Model nəzarət markerlərini yüksək dəqiqliklə tanıyıb və əl ilə marker yerləşdirmə ehtiyacını böyük ölçüdə aradan qaldırıb. Bu, yüksək məhsuldarlıqlı fenotipləmə üçün vacib avtomatlaşdırma üstünlüyüdür.

Dördüncü və ən vacib nəticə bitki hündürlüyünün biokütlə proqnozu üçün yetərsiz olmasıdır. Maksimum bitki hündürlüyünə əsaslanan proqnoz təzə biokütlədə R²=0,01, quru biokütlədə R²=0,03 səviyyəsində qalıb. Bu dəyərlər hündürlüyün təkbaşına demək olar ki, izahlı olmadığını göstərir.

Beşinci nəticə 3B morfoloji xüsusiyyətlərin xeyli güclü proqnoz verməsidir. Bitki həcmi və qat əsaslı struktur xüsusiyyətləri birlikdə istifadə edildikdə təzə biokütlə üçün R²=0,84, quru biokütlə üçün R²=0,85 əldə olunub. Bu, bitkinin məkandakı paylanmasını ölçməyin biokütlə proqnozunda kritik olduğunu göstərir.

Altıncı nəticə bitki arxitekturası barədə bioloji ipucu verir. Daha hündür bitkilər həmişə daha çox biokütləyə malik deyil. Qısa, sıx və budaqlı bitkilər daha çox həcm və biokütlə daşıya bilər. Fitomədənçilik baxımından bu, qısa, lakin gur və yüksək biokütləli bitki arxitekturasının dəyərli seçim hədəfi ola biləcəyi deməkdir.

Bu Niyə Vacibdir?

Fitomədənçilik metalı birbaşa qazmaq əvəzinə bitkilər vasitəsilə torpaqdan toplamaq ideyasına əsaslanır. Bu yanaşma xüsusilə nikel kimi strateji metallar üçün ətraf mühitə daha az təsir edən alternativ kimi araşdırılır. Lakin üsulun tətbiq edilə bilməsi üçün bitkilər həm yüksək metal toplamalı, həm də kifayət qədər biokütlə yaratmalıdır.

Biokütləni canlı bitki üzərində düzgün ölçmək seleksiya və seçim işlərini sürətləndirə bilər. Tədqiqatçılar bitkini kəsmədən hansı fərdin daha çox biokütlə daşıdığını anlaya bilsələr, həmin bitkini toxum istehsalı və ya sonrakı təcrübələr üçün qoruya bilərlər.

Bu tədqiqat 3B fenotipləmənin klassik hündürlük ölçüsündən kənara çıxaraq bitki arxitekturasını daha yaxşı oxuya bildiyini göstərir. Xüsusilə budaqlı, mürəkkəb və ya yerə yatıq böyüyən bitkilərdə həcm, üfüqi yayılma və qatlı struktur kimi xüsusiyyətlər biokütlə üçün daha mənalı ola bilər.

Verianla oxucusu üçün məqalənin əsas mesajı budur: Bitki böyüməsini anlamaq üçün yalnız “boyu neçə santimetrdir?” sualı artıq kifayət etməyə bilər. Süni intellekt dəstəkli 3B sistemlər bitkinin məkandakı real arxitekturasını ölçərək daha düzgün bioloji qərarlar verməyə kömək edə bilər.

Diqqət Edilməli Məqamlar

Bu məqalə rəyçi qiymətləndirməsindən keçməmiş preprintdir. Tapıntılar müstəqil elmi qiymətləndirmə prosesindən sonra dəyişə bilər.

Tədqiqat qapalı məkan şəraitində və müəyyən bitki növü üzərində aparılıb. Tarla şəraitində külək, işıq dəyişməsi, kölgə, bitkilərin bir-birini örtməsi, torpaq fonu və hərəkət kimi amillər sistemi çətinləşdirə bilər.

Biokütlə proqnozu modeli 58 real biokütlə nümunəsinə əsaslanır. Bu verilənlər dəsti ümidverici nəticə versə də, daha böyük və fərqli böyümə mərhələlərini əhatə edən məlumatlarla doğrulanmalıdır.

3B həcm doğrulaması yalnız 10 real həcm nümunəsi ilə aparılıb. Bu, üsulun potensialını göstərir; lakin daha güclü validasiya üçün daha çox nümunə tələb olunur.

Sistem SAM3 və YOLO26 kimi çox yeni model komponentlərinə əsaslanır. Bu modellərin fərqli bitki növlərində, müxtəlif işıq şəraitində və fərqli fonlarda necə işləyəcəyi ayrıca sınaqdan keçirilməlidir.

Tədqiqat fitomədənçilik üçün birbaşa iqtisadi məhsuldarlıq hesabı aparmır. Yəni bu üsul nikel əkinçiliyinin kommersiya baxımından qəti tətbiq edilə biləcəyini sübut etmir; daha çox bu sahədə fenotipləmə və seleksiya sürətini artıra biləcək ölçmə texnologiyası təqdim edir.

Nəticə

Bu preprint tədqiqat nikel hiperakkumulyatoru Streptanthus polygaloides bitkisində biokütləni bitkini kəsmədən qiymətləndirmək üçün avtomatik 3B fenotipləmə xətti təklif edir. Sistem 360° video, SAM3 seqmentasiyası, YOLO26 marker tanıma, fotogrammetrik nöqtə buludu, voxel əsaslı həcm hesablaması və təsadüfi meşə modeli kimi komponentləri birləşdirir.

Nəticələr bitki hündürlüyünün təkbaşına biokütləni izah etmək üçün yetərsiz olduğunu, 3B həcm və qat əsaslı morfoloji xüsusiyyətlərin isə daha güclü proqnoz verdiyini göstərir. Təzə və quru biokütlə proqnozundakı yüksək R² dəyərləri bu yanaşmanın hiperakkumulyator bitkilərin seçilməsi və seleksiyası üçün ümidverici olduğunu düşündürür.

Verianla baxımından bu məqalə süni intellekt və 3B görüntüləmənin kənd təsərrüfatı biotexnologiyasında konkret problemə necə həll təklif etdiyini göstərən yaxşı nümunədir. Bitkilərin yalnız görüntüsünü çəkmək deyil, həmin görüntünü ölçülə bilən 3B bioloji məlumatlara çevirmək gələcəkdə daha sürətli və daha dəqiq bitki seçiminin əsas vasitələrindən birinə çevrilə bilər.

Mənbə və Metod Qeydi

Bu yazı “3D Phenotyping Pipeline for Non-Destructive Biomass Estimation of Nickel Hyperaccumulator Plants” adlı rəyçi qiymətləndirməsindən keçməmiş preprint tədqiqatın sadələşdirilmiş Azərbaycan dilində şərhidir. Mətn sözbəsöz tərcümə deyil; məqalədəki məqsəd, metod, vizualların əsas mesajı, model nəticələri və məhdudiyyətlər Verianla oxucusu üçün orijinal şəkildə yenidən izah olunub.

Tədqiqat Streptanthus polygaloides bitkiləri, xüsusi fırlanan kamera platforması, 360° video, SAM3 ilə hədəf seqmentasiyası, YOLO26 ilə yer nəzarət nöqtələrinin tanınması, Agisoft Metashape ilə 3B nöqtə buludunun yaradılması, voxel əsaslı həcm proqnozu və təsadüfi meşə modeli ilə təzə/quru biokütlə proqnozu üzərində qurulub. Tapıntılar qapalı məkanın nəzarətli şəraitində güclü texniki nümayişdir; tarla miqyası və fərqli növlər üçün əlavə doğrulama tələb olunur.