Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Overview of e-Science Research in China Kapitel lesen Erstes Kapitel lesen

2021 | OriginalPaper | Buchkapitel

Machine Vision Based Phenotype Recognition of Plant and Animal

verfasst von : Qixin Sun, Xue Xia, Xiujuan Chai

Erschienen in: China’s e-Science Blue Book 2020

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Phenotype recognition is very important for plant and animal breeding, variety selection, genomics and phenomics. It is likewise a key technology to support the high-quality development of modern agriculture. Machine vision, as a key branch of artificial intelligence technology, is an important mode and means in the field of phenotype recognition. This paper summarizes the concepts and connotations, the technology and application examples of phenotypic visual perception and recognition of plant and animal at present in China, and discusses the problems and challenges of plant and animal phenotype recognition. Finally, this paper looks forward to the future development direction and application of vision-based phenotype recognition technology. The aim of this paper is to provide references for promoting the leap-forward development of agricultural phenotype recognition in China.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Study on Intelligent Management and Control Technology for Apiculture Production
Nächstes Kapitel Research and Application of Key Technologies for Request Prediction and Assignment on Ridesharing Platforms
Literatur
1.
Pan Y (2015) Analysis of concepts and categories of plant phenome and phenomics. Acta Agron Sin 41(2):175–186 (in Chinese)CrossRef
2.
Yang W, Duan L, Chen G et al (2013) Plant phenomics and high-throughput phenotyping: accelerating rice functional genomics using multidisciplinary technologies. Curr Opin Plant Biol 16(2):180–187CrossRef
3.
Granier C, Vile D (2014) Phenotyping and beyond: modelling the relationships between traits. Curr Opin Plant Biol 18:96–102CrossRef
4.
Li L, Zhang Q, Huang D (2014) A review of imaging techniques for plant phenotyping. Sensors 14(11):20078–20111CrossRef
5.
Walter A, Liebisch F, Hund A (2015) Plant phenotyping: from bean weighing to image analysis. Plant Methods 11(1):14CrossRef
6.
Liu J, Zhao C, Yang G et al (2016) Review of field-based phenotyping by unmanned aerial vehicle remote sensing platform. Trans Chin Soc Agric Eng 32(24):98–106 (in Chinese)
7.
Gao Y, Gao J, Li H et al (2017) Research progress and development countermeasures of plant phenotype monitoring technology. Jiangsu Agric Sci 45(11):5–10 (in Chinese)
8.
Jidong L, De-An Z, Wei J et al (2016) Recognition of apple fruit in natural environment. Opt Int J Light Electron Opt 127(3):1354–1362CrossRef
9.
Lu J, Lee WS, Gan H et al (2018) Immature citrus fruit detection based on local binary pattern feature and hierarchical contour analysis. Biosyst Eng 171:78–90CrossRef
10.
Xu L, Lv J (2018) Recognition method for apple fruit based on SUSAN and PCNN. Multimed Tools Appl 77(6):7205–7219CrossRef
11.
Wang D, He D (2019) Recognition of apple targets before fruits thinning by robot based on R-FCN deep convolution neural network. Trans Chin Soc Agric Eng 35(3):156–163 (in Chinese)
12.
Tian Y, Yang G, Wang Z et al (2019) Apple detection during different growth stages in orchards using the improved YOLO-V3 model. Comput Electron Agric 157:417–426CrossRef
13.
Arvidsson S, Pérez-Rodríguez P, Mueller-Roeber B (2011) A growth phenotyping pipeline for Arabidopsis thaliana integrating image analysis and rosette area modeling for robust quantification of genotype effects. New Phytol 191(3):895–907CrossRef
14.
Lu H, Cao Z, Xiao Y et al (2017) TasselNet: counting maize tassels in the wild via local counts regression network. Plant Methods 13(1):79CrossRef
15.
Yang Z, Chai X, Wang R et al (2019) Prior knowledge guided small object detection on high-resolution images. In: IEEE international conference on image processing, Taipei
16.
Lind NM, Vinther M, Hemmingsen RP et al (2005) Validation of a digital video tracking system for recording pig locomotor behaviour. J Neurosci Methods 143(2):123–132CrossRef
17.
Yang A, Huang H, Zheng C et al (2018) High-accuracy image segmentation for lactating sows using a fully convolutional network. Biosys Eng 176:36–47CrossRef
18.
Ahrendt P, Gregersen T, Karstoft H (2011) Development of a real-time computer vision system for tracking loose-housed pigs. Comput Electron Agric 76(2):169–174CrossRef
19.
Yang Q, Xiao D, Lin S (2018) Feeding behavior recognition for group-housed pigs with the Faster R-CNN. Comput Electron Agric 155:453–460CrossRef
20.
Ministry of Industry and Information Technology, National Development and Reform Commission, Ministry of Finance et al (2016) Development plan of robot industry (2016–2020) 2016–03–21 (in Chinese)
21.
Wang X, Wu P, Feng Q et al (2016) Design and test of tomatoes harvesting robot. J Agric Mech Res 38(4):94–98 (in Chinese)
22.
Zhang T, Wei J (1999a) Study on vision system of vegetable grafting robot (I)—searching for growth point of cucurbit seedling with morphological method. J China Agric Univ 04:45–47 (in Chinese)
23.
Zhang T, Wei J (1999b) Study on vision system of vegetable grafting robot (II)—ssearching for growth point of cucurbit seedling with geometrical method. J China Agric Univ 04:48–50 (in Chinese)
24.
Rong D, Rao X, Ying Y (2017) Computer vision detection of surface defect on oranges by means of a sliding comparison window local segmentation algorithm. Comput Electron Agric 137:59–68CrossRef
25.
Rong D, Ying Y, Rao X (2017) Embedded vision detection of defective orange by fast adaptive lightness correction algorithm. Comput Electron Agric 138:48–59CrossRef
26.
Zhu R, Zhu Y, Wang L et al (2016) Cotton positioning technique based on binocular vision with implementation of scale-invariant feature transform algorithm. Trans Chin Soc Agric Eng 32(06):182–188 (in Chinese)
Metadaten
Titel
Machine Vision Based Phenotype Recognition of Plant and Animal
verfasst von
Qixin Sun
Xue Xia
Xiujuan Chai
Copyright-Jahr
2021
Verlag
Springer Singapore
Buch
China’s e-Science Blue Book 2020

Print ISBN: 978-981-15-8341-4

Electronic ISBN: 978-981-15-8342-1

Copyright-Jahr: 2021

DOI
https://doi.org/10.1007/978-981-15-8342-1_27

Premium Partner

    Marktübersichten

    Die im Laufe eines Jahres in der „adhäsion“ veröffentlichten Marktübersichten helfen Anwendern verschiedenster Branchen, sich einen gezielten Überblick über Lieferantenangebote zu verschaffen. 

    Zur Marktübersicht
    Bildnachweise