Никель гипераккумулятордук өсүмдүктөр — бул топурактан көп санда никель сиңирип, аны ткандарында топтоп ала турган өзгөчө түрлөр. Бул өзгөчөлүктөрү булганган топурактарды тазалоо жана төмөн күкүмдүү жерлерден металл алуу маанисинде фитодоо чек арачылык үчүн кызыктуу болуп саналат.

Бирок фитомаданиялыкта жалгыз өсүмдүк канча никель топтогону жетишсиз. Жалпы металл түшүмү өсүмдүктүн ткандарына топтолгон металл тыгыздыгы менен өндүргөн биомассасынын көбөйтүүсүнө жараша болот. Башкача айтканда, көп никель топтогон, бирок аз өсө турган өсүмдүк, практикада күтүлгөн түшүмдү бере албайт.

Бул Streptanthus polygaloides изилдөө, никель гиперакумлятору preprint өсүмдүгүнүн биомассасын өсүмдүктү кеспестен болжолдоо үчүн автоматташтырылган 3B фенотиптөө линияны иштеп чыгат. Система өсүмдүктүн 360° видеосун алат, сүрөттөрдөн өсүмдүк менен салыштырма белгилерди ажыратып, 3B чекиттер булутун түзөт жана бул чекиттер булутунан көлөм, бийиктик жана катмар боюнча морфологиялык өзгөчөлүктөрдү чыгарат.

Натыйжалар өсүмдүктүн бийиктигин гана карап чыгуу биомассаны алдын ала айтуу үчүн жетишсиз экенин көрсөтөт. Тескерисинче, 3B өзгөчөлүктөрү бирге колдонулганда, жаңы жана кургак биомассаны баалоо абдан күчтүү болот.

Маселе эмне?

Өсүмдүк биомассасы өсүмдүктүн жалпы өсүшүн жана өндүрүмдүүлүгүн түшүнүүнүн негизги критерийлеринин бири болуп эсептелет. Фитомаданията болсо биомасса дагы да маанилүү болуп калат. Анткени гипераккумулятор өсүмдүктүн экономикалык баасы жөн гана анын ткандарында канча никель сактаганына эмес, ошондой эле канча өсүмдүк массасын өндүргөнүнө да аныкталат.

Салттуу биомасса өлчөө адатта бузулуучу болуп эсептелет. Өсүмдүк кесилет, кургатылат жана салмакталат. Бул ыкма туура болушу мүмкүн; бирок маанилүү көйгөйү бар: Өлчөгөн өсүмдүгүңүз эми жашай албайт. Бул ошол эле өсүмдүктүн өсүү процессин убакыт бою көзөмөлдөөнү, жогорку өндүрүмдүү жеке особдорду уруктук өндүрүш үчүн сактоону жана селекциялык иштерде тирүү материалды кармоону кыйындатат.

Ошондуктан изилдөөчүлөр көптөн бери бузулган жок ыкмаларды издеп жатышат. Эң жөнөкөй ыкма – өсүмдүктүн бийиктигин өлчөө. Бирок өсүмдүк бийиктиги ар дайым биомассанын жакшы көрсөтүүчү көрсөткүчү эмес. Бир бийиктиктеги эки өсүмдүктүн бирөөсү сейрек жана тик болушу мүмкүн, ал эми экинчиси кыска, бирок көп бутактуу жана тыгыз болушу мүмкүн. Бул эки өсүмдүктүн биомассасы олуттуу түрдө айырмаланышы мүмкүн.

Бул изилдөөнүн негизги көйгөйү мындай:

Татаал таажы архитектурасына ээ никель гиперакумуляторунда өсүмдүктөрдөгү биомассаны өсүмдүктү кеспестен жана болгону бийиктик өлчөмүнө таянбастан так болжолдоо мүмкүнбү?

Метод эмне сунуш кылат?

Макала 3B көрүү жана жасалма интеллектке негизделген автоматташтурууну айкалыштырган фенотиптештирүү линиясын сунуштайт.

Система эки негизги бөлүктөн турат:

Биринчиси, атайын иштелип чыккан сүрөттөөнү платформасы. Бул платформада өсүмдүк туруктуу турат, ал эми камера өсүмдүктүн айланасында айланат. Ошентип, өсүмдүк жылдырылбаганы үчүн жалбырак жана сабак титирөөлөрү азайат. Бул маанилүү; анткени кыймылдан улам пайда болгон буланчтык, 3D чекиттүү булуттун бузулушуна алып келет (3B).

Платформада көптөгөн жердеги башкаруу пункттары бар. Бул текшерүү пункттары фотограмметрия программасына сүрөттөрдөн чыныгы масштабдагы 3B моделин түзүүгө жардам берет. Изилдөөдө 12 тегерек коддолгон максат жана 9 символдук коддолгон максат колдонулган.

Экинчиси, программалык камсыздоо линиясы. Бул линиянын этаптары төмөнкудө өткөнүдөй жүрөт:

1. Өсүмдүктүн 360° видеосу жазылууда.
2. Видеодон кадр сүрөттөр чыгарып алынууда.
3. SAM3 моделі менен өсүмдүк, платформа жана башкаруу белгилери сүрөттөн ажыратылат.
4. YOLO26 модели менен башкаруу белгилери таанылып, жайгаштырылат.
5. Agisoft Metashape менен фотограмметриялык 3B чекит булуту түзүлүүдө.
6. Түс сүзгүсү менен өсүмдүктүн чекиттери бөлүнүп чыгат.
7. Төлкө булутунан өсүмдүктүн көлөмү жана башка морфологиялык өзгөчөлүктөр чыгарылууда.
8. Таза жана кургак биомассаны түгүчү токой моделинде болжолдоп чыгарышат.

Бул ыкма классикалык фотограмметрияда кол менен белгилөө жүгүн азайтууга багытталган. Адатта, изилдөөчүлөр сүрөттөрдөгү шилтеме белгилерин кол менен аныктоого туура келет. Бул иш бул процессти YOLO26 менен автоматташтырат.

Формулалар эмне айтып жатат?

Бул иштери оор математикалык теңдемелерден алыскы, көбүрөөк сүрөт иштетүү, 3D чекит булуту жана машиналык үйрөнүү агымына негизделген. Ошентсе да кээ бир техникалык ой-жүгүртүүлөрдү жөнөкөй түрдө түшүнүү маанилүү (3B).

Алгачкы маанилүү ой - өсүмдүк чекиттерин түстөргө негизделген фильтрлер менен бөлүп чыгуу. Изилдөөчүлөр чекит булутунда жашыл, күрөң жана саргылт өсүмдүк ткандарын кармоо үчүн 17 түстүү каналдарды колдонушкан. Жөнөкөй түрдө: (RGB).

• Эгер жашыл канал кызылдан жана көк менен салыштырганда үстөм болсо, так жашыл өсүмдүктүн структурасына тиешелүү болушу мүмкүн.
• Эгер кызыл/куу тондор белгилүү чек деңгээлдерине жетсе, так муздаган же кургак өнүм тканына тиешелүү болушу мүмкүн.

Ошентип, жаңы жашыл жалбырактар гана эмес, өсүмдүктүн төмөнкү бөлүктөрүндөгү сары же күрөң ткандар да моделге кошулушу мүмкүн.

Экинчи маанилүү идея,voxelбул жакындоо болуп саналат. Voxel 3B дүйнөдөгү кичинекей кубдардай ойлонулушу мүмкүн. Изилдөөчүлөр өсүмдүктүн чекит булутун кичинекей 3B клеткаларга бөлүп, кайсы клеткалар өсүмдүк менен толтурулганын санашкан.

Жөнөкөйлөтүлгөн логика мындай:

Өсүмдүгүңүн көлөмү = Толкуна voxel саны × Бир voxelнин көлөмү

Бул ыкма өсүмдүккө болгону бийиктигин гана эмес, ал мейкиндикте канча орун ээлейт экенин өлчөгө жардам берет.

Үчүнчү маанилүү идея — өсүмдүктү горизонталдуу катмарларга бөлүү. Өсүмдүктүн чекит булуту 64 горизонталдуу катмарга бөлүнүп, ар бир катмардагы чекиттердин борборго болгон аралык, тыгыздык жана ээлеген аянт сыяктуу өзгөчөлүктөрү алынган. Бул өсүмдүктүн жөн гана «канча бийиктикте» экенин эмес, кайсы бийиктикте канча жайылганын түшүнүүгө мүмкүнчүлүк берет.

Акыркы этапта бул өзгөчөлүктөр туш келди токой регрессия моделине берилген. Кокус токой — бул машиналык үйрөнүү ыкмасы, анда көптөгөн чечим дарактары бирге божомолдорду жасайт. Бул изилдөөдө модель морфологиялык өзгөчөлүктөрдөн жаңы жана кургак биомассаны баалоо үчүн колдонулду (морфологиялык өзгөчөлүктөр) voxel (3B).

График / Кесте / Диаграмма Негизги Билдирүүсү

Макаладагы сүрөттөр түз көчүрүлбөстөн төмөнкүчө кыскача баяндалышы мүмкүн:

Алгачкы платформанын сүрөтү системанын негизги жабдуу концептин көрсөтүп турат. Өсүмдүк ортодогу туруктуу табакта турат, камера болсо айлануучу колдо өсүмдүктүн айланасында кыймылдайт. Платформадагы коддогон белгилер, 3B моделдин чыныгы дүйнөлүк өлчөмүнө туташтырууга мүмкүнчүлүк берет. Башкы билдирүү: өсүмдүктү айлантуу ордуна камераны айлантуу, туруктуураак сүрөт жана ишенимдүү 3B модел үчүн артыкчылык алынган.

Экинчи иш агымынын диаграммасы чийки видеодон биомасса баалоосуна чейинки бүт сызыкты көрсөтөт. Окурман үчүн негизги билдирүү: бул ыкма жөн гана сүрөт тартуу эмес; Бул видео кадрды чыгаруу, жасалма интеллект менен сегментациялоо, маркерди таануу, фотограмметрия, чекиттик булутту тазалоо, көлөмдү эсептөө жана машиналык үйрөнүү баалоосунун айкалышы.

Башкаруу белгилөөчү маалымат топтомунун сүрөтү, YOLO26 модели ар кандай символдор менен коддолгон максаттарды таанууну үйрөнгөнүн көрсөтөт. Бул жактагы негизги билдирүү, системанын кол менен белгилөө ордуна автоматтык маркерди таанууну максат кылышында турат.

3B реконструкцияны тастыктоо схемасы, платформа тактасындагы чын диаметринин негизинде моделдин тактыгын текшергендигин түшүндүрөт. Белгилүү диаметри 57 см болгондуктан, чекит булутунан эсептелген диаметри менен чыныгы диаметри салыштырылган. Бул системанын геометриялык масштабы кандай так иштээрин түшүнүүгө жардам берет.

voxel өсүмдүк моделдеринин жалпы көрүнүшү ар кандай өсүмдүк архитектураларын чекит булуттары катары кармоого болорун көрсөтөт. Кээ бир өсүмдүктөр бийик жана сейрек, ал эми башкалары кыска жана тыгыз көрүнөт. Бул ар түрдүүлүк бийиктикти өлчөө өзү жетишсиз экенин визуалдык жактан да көрсөтөт (3B).

Биомасса болжол графиктери изилдөөнүн эң критикалык билдирүүсүн берет. Жөн гана максималдуу өсүмдүк бийиктиги колдонулганда, жаңы жана кургак биомассаны болжолдоо дээрлик иштен чыгып калат. Анткен менен 3B көлөмү жана катмарлык морфологиялык өзгөчөлүктөрүн бирге колдонууда болжолдун тактыгы айырмаланып көбөйөт.

Убакытты керектөөнүн графиги системанын кайсы баскычы көбүрөөк иштетүү убактысын алууну көрсөтүп турат. Эң чоң жүк, 3B чекит булутун түзүү, башкача айтканда фотограмметрия баскычында. Сегментация жана маркер таануу да убакытты алат; бирок бардык процесс болжол менен бир нече мүнөттүн ичинде бүтсө болот.

Эксперименттер кандай жүргүзүлдү?

Изилдөөдө жалпы 110 даана Streptanthus polygaloides өсүмдүк бааланган. Бул өсүмдүктөр Түндүк Калифорниядагы табигый чөйрөлөрдөн алынган уруктардан өстүрүлгөн. Өсүмдүктөр гүлдөп баштаганда, фенотиптөө үчүн колдонулган (Streptanthus polygaloides).

Мисалдарда чоң морфологиялык ар түрдүүлүк байкалган. Өсүмдүктөрдүн бийиктиги 12,5 см ден 134,6 см ге чейин өзгөргөн. Кээ бир өсүмдүктөр узун жана сейрек, кээ бирлери кыска, бирок тыгыз жана бутактуу таажы түзүлүшүнө ээ болгон.

Ар бир өсүмдүк атайын платформада 360° видеосу менен жазылган. Видеолор болжол менен 15 секунд созулуп, 30 fps чечилиштеги алынган. Сүрөттөрдөн секунд сайын 8 кадр алынган. Бул кадрлар 3B реконструкция үчүн колдонулган.

SAM3 модели сүрөттөрдөн өсүмдүктү, табличканы жана белгилерди ажыратуу үчүн колдонулду. Сегментациянын ийгиликтүүлүгүн жогорулатуу үчүн «баскычтуу сурам» стратегиясы колдонулду. Биринчи сурам максатты деталдуу сүрөттөсө, запастык сурамдар жөнөкөйлөтүлгөн. Ошентип, деталдуу сүрөттөө ишке жагышпаса, жөнөкөй сүрөттөө колдонулган.

YOLO26 модели платформадагы контролдук белгилерди классификациялоо жана алардын жайгашкан жерлерин аныктоо үчүн окутулган. Башкарылган белгилердин 2D сүрөт координаттары чыныгы 3B координаттар менен дал келишкен жана фотограмметрия программасына өткөрүлгөн.

Agisoft Metashape, сүрөттөрдөн 3B чекит булутун түзгөн. Андан кийин өсүмдүктүн чекиттери түстөр жана статистикалык фильтрлер менен ажыратылган. Акыркы этапта өсүмдүктүн көлөмү жана катмар боюнча морфологиялык мүнөздөмөлөр эсептелген.

Биомассаны баалоо үчүн 58 өсүмдүктүн чын жаңы жана кургак салмак маалыматтары колдонулган. Маалыматтар үйрөнүү жана сыноо топторуна бөлүнүп, кездеменин токой регрессиялык модели менен болжолдонгон.

Натыйжалар эмне көрсөтүп жатат?

Иштеп чыгуунун биринчи маанилүү жыйынтыгы, системанын 3B реконструкциясында жогорку көлөмдүк тактыкты камсыздай алгандыгында. Белгилүү диаметри 57 см болгон платформа плитасы аркылуу жүргүзүлгөн текшерүүдө, орточо реконструкцияланган диаметр 57,18 см деп табылып, орточо салыштырмалуу ката %0,60 катары отчеттолгон. Бул системанын өсүмдүк өлчөмдөрүн чыныгы дүйнөлүк масштабга бир кыйла жакын өткөрө алганын көрсөтөт.

Экинчи жыйынтык, SAM3 жана баскыч менен көрсөтмө ыкмасы сегментацияда ийгиликтүү болгону болуп саналат. Өсүмдүктү сегментациялоодо жалпы ийгилик көрсөткүчү 99,4%, тактайчаны сегментациялоодо болсо 100% жетти. Бул жасалма акылга негизделген сегментация фотограмметриядан мурун ызы-чууну азайтуу үчүн натыйжалуу колдонулушу мүмкүн деп ойлот.

Үчүнчү жыйынтык, маркерлерди таанууда YOLO26 күчтүү көрсөткүч көрсөттү. Модель башкаруу маркерлерин жогорку тактык менен таанып, кол менен маркер коюу муктаждыгын чоң ченде жокко чыгарды. Бул жогорку натыйжалуу фенотиптештирүү үчүн маанилүү автоматташтыруу артыкчылыгы болуп саналат.

Төртүнчү жана эң маанилүү жыйынтык — өсүмдүк бийиктиги биомассаны болжолдоо үчүн жетишсиз. Максималдуу өсүмдүк бийиктигине негизделген болжол жаңы биомассада R²=0,01, кургак биомассада R²=0,03 деңгээлинде калган. Бул маанилер бийиктик өзү дээрлик түшүндүрбөй турганын көрсөтөт.

Бешинчи жыйынтык — 3B морфологиялык өзгөчөлүктөр алда канча күчтүү болжол берет. Өсүмдүк көлөмү жана катмар негизиндеги структуралык өзгөчөлүктөр бирге колдонулганда жаңы биомасса үчүн R²=0,84, кургак биомасса үчүн R²=0,85 алынган. Бул өсүмдүктүн мейкиндиктеги бөлүнүшүн өлчөө биомассаны болжолдоодо чечүүчү экенин көрсөтөт.

Алтычы натыйжа өсүмдүктүн архитектурасына байланыштуу биологиялык жокко чыгарууну сунуштайт. Узун өсүмдүктөр ар дайым көбүрөөк биомассага ээ болушпайт. Кыска, тыгыз жана бутактуу өсүмдүктөр көбүрөөк көлөм жана биомасса көтөрө алат. Фитомынацылык үчүн бул, кыска, бирок тыгыз жана жогорку биомассасы бар өсүмдүк архитектурасы баалуу тандоо максаты болушу мүмкүн дегенди билдирет.

Бул эмнеге маанилүү?

Фитомаденчилик, металды түздөн-түз казуу ордуна өсүмдүктөр аркылуу топурактан чогултууга негизделген идеяга таянат. Бул ыкма, өзгөчө никел сыяктуу стратегиялык металлдар үчүн экологиялык жактан аз таасирдүү альтернатива катары изилденүүдө. Бирок бул ыкманы ишке ашыруу үчүн, өсүмдүктөрдүн металлды жогорку деңгээлде чогултушу жана жетиштүү биомасса өндүрүшү керек.

Биомассаны туура жана тирүү өсүмдүктө өлчөө, жакшыртуу жана тандоо иштерин тездетиши мүмкүн. Эгер изилдөөчүлөр өсүмдүктү кеспестен кайсы индивид көбүрөөк биомассага ээ экенин түшүнө алышса, ошол өсүмдүктү уруктуң өндүрүү же кийинки сыноолор үчүн сактай алышат.

Бул изилдөө, 3B фенотиптөө классикалык өлчөөчүлүк өлчөөдөн тышкары өсүмдүктүн архитектурасын жакшыраак окуй ала турганын көрсөтүп жатат. Айрыкча булактуу, татаал же ийилген өсүмдүктөрдө көлөм, горизонталдык жайылыш жана катмарлуу структура сыяктуу мүнөздөмөлөр биомасса үчүн маанилүүрөөк болушу мүмкүн.

Verianla окурман үчүн макаланын негизги айтуу өңү мындай: Өсүмдүктүн өсүшүн түшүнүү үчүн эми болгону «биіктиги канча см?» деген суроо жетишсиз болушу мүмкүн. Жасалма интеллект менен колдоого алынган 3B системалар өсүмдүктүн мейкиндеги чыныгы архитектурасын өлчөп, так биологиялык чечимдерди кабыл алууга жардам бере алат.

Назар салуу пункттары

Бул макала илимий кароодо өтө элек preprint. Натыйжалар көзкарандысыз илимий баалоо процессинен кийин өзгөрүшү мүмкүн.

Иш жер үстүндөгү шарттарда жана белгилүү бир өсүмдүк түрүндө жүргүзүлгөн. Дала шарттарында шамал, жарык өзгөрүшү, көлөкө, өсүмдүктөрдүн бири-бирин жаап турушу, топурактын фону жана кыймыл сыяктуу факторлор системаны кыйындатышы мүмкүн.

Биомассанын болжолдоо модели 58 чыныгы биомасса мисалына негизделген. Бул маалыматтар топтому үмүт жараткан жыйынтык көрсөткөнүнө карабастан, аны чоңураак жана ар түрдүү өсүү мезгилдерин камтыган маалыматтар менен текшерүү керек.

3B көлөмдү текшерүү болгону 10 чыныгы көлөм үлгүсү менен жүргүзүлгөн. Бул ыкманын потенциалын көрсөтөт; бирок күчтүүраак текшерүү үчүн көбүрөөк үлгүлөр керек.

Система SAM3 жана YOLO26 сыяктуу жаңы модель компоненттерине таянат. Бул модельдердин ар кандай өсүмдүк түрлөрүндө, ар кандай жарык шарттарында жана ар кандай фондордо кантип иштээрин дагы текшерүү керек.

Иш фитометаллургия үчүн түз экономикалык натыйжаны эсептебейт. Башкача айтканда, бул ыкма никель менен багбанчылыктын коммерциялык жактан толук иштешине далил боло албайт; көбүрөөк бул чөйрөдөгү фенотиптештирүү жана селекция ылдамдыгын жогорулатууга өлчөө технологиясын сунуштайт.

Жыйынтык

Бул preprint изилдөө никель гипераккумулятору Streptanthus polygaloides өсүмдүгүндө биомассаны өсүмдүктү кеспей болжолдоо үчүн автоматтык 3B фенотиптөө линиясын сунуштайт. Система 360° видео, SAM3 сегментациясы, YOLO26 маркер таануу, фотограмметриялык чекит булуту, voxel негизиндеги көлөм эсеби жана кокустук токой модели сыяктуу компоненттерди бириктирет.

Жыйынтыктар өсүмдүк бийиктиги жалгыз биомассаны түшүндүрүүгө жетишсиз экенин; 3B көлөм жана катмар негизиндеги морфологиялык өзгөчөлүктөр алда канча күчтүү болжол берерин көрсөтөт. Жаңы жана кургак биомасса болжолундагы жогорку R² маанилери бул ыкма гипераккумулятор өсүмдүктөрдү тандоо жана селекция үчүн үмүттүү экенин билдирет.

Verianla үчүн бул макала, жасалма интеллект жана 3B сүрөттөлүштөрдүн айыл чарба биотехнологиясында кантип конкреттүү көйгөйдү чечүүгө жардам бере алгандыгын көрсөтүүчү жакшы мисал. Өсүмдүктөрдүн жөн гана сүрөтүн тартуу эмес, бул сүрөттү өлчөнүүчү 3B биологиялык маалыматка айландыруу, келечекте өсүмдүктөрдү тезирээк жана так тандоонун негизги куралдарынын бири болушу мүмкүн.

Булак жана ыкма эскертмеси

Бул макала "3D Phenotyping Pipeline for Non-Destructive Biomass Estimation of Nickel Hyperaccumulator Plants" аттуу эксперттик баалоодон өтпөгөн preprint иштин жөнөкөйлөтүлгөн кыргызча комментарийи болуп саналат. Текст сөзмө-сөз котормо эмес; макаладагы максат, ыкма, сүрөттөрдүн негизги билдирүүсү, моделдин натыйжалары жана чектөөлөр Verianla окуучусу үчүн уникалдуу түрдө кайра баяндалган.

Иш чөйрөсү; Streptanthus polygaloides өсүмдүктөр, атайын айланма камера платформасы, 360° видео, SAM3 менен максат сегментациясы, YOLO26 менен жер контролдук чекитти аныктоо, Agisoft Metashape менен 3B чекит булутту өндүрүү, voxel негизделген көлөмдү болжоо жана таза/кургак биомасса болжоону калыс токой модели аркылуу түзүлгөн. Жыйынтыктар ички мейкиндиктеги контролдолгон шарттарда күчтүү техникалык көрсөтүү болуп эсептелет; талаа масштабы жана ар кандай түрлөр үчүн кошумча тастыктоо талап кылынат.