Detekce plevelů pomocí zobrazování chlorofylové fluorescence a umělé neuronové sítě

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F25328859%3A_____%2F05%3A%230000060" target="_blank" >RIV/25328859:_____/05:#0000060 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Weed detection using chlorophyll fluorescence imaging and artificial neural network

Popis výsledku v původním jazyce

We developed the concept of Tyystjarvi et al. (1999) who proposed a new approach to automate the weed identification using specific characteristic features in fluorescence kinetics of individual plant species. We used chlorophyll fluorescence imaging technique by an open imaging fluorometer FluorCam. The measurement on Apera spica-venti, Galium aparine, Stellaria media, Tripleurospermum inodorum as a representatives of weed species and Triticum aestivum, Brassica napus, Beta vulgaris, Helianthus annus as crop representatives were made at two different growth stages. The measurement shows high discrimination ability of the method at cotyledons (first leaf) stage with decreasing sensitivity. To improve the recognition accuracy, we used the artificial neural network classifier, trained on at least 100 plants. The classification rate for discrimination between crops and G. aparine ranged between 90 and 100%. Discrimination between individual weed species the discrimination rate ranged betw

Název v anglickém jazyce

Weed detection using chlorophyll fluorescence imaging and artificial neural network

Popis výsledku anglicky

We developed the concept of Tyystjarvi et al. (1999) who proposed a new approach to automate the weed identification using specific characteristic features in fluorescence kinetics of individual plant species. We used chlorophyll fluorescence imaging technique by an open imaging fluorometer FluorCam. The measurement on Apera spica-venti, Galium aparine, Stellaria media, Tripleurospermum inodorum as a representatives of weed species and Triticum aestivum, Brassica napus, Beta vulgaris, Helianthus annus as crop representatives were made at two different growth stages. The measurement shows high discrimination ability of the method at cotyledons (first leaf) stage with decreasing sensitivity. To improve the recognition accuracy, we used the artificial neural network classifier, trained on at least 100 plants. The classification rate for discrimination between crops and G. aparine ranged between 90 and 100%. Discrimination between individual weed species the discrimination rate ranged betw

Druh

D - Stať ve sborníku

CEP obor

GF - Choroby, škůdci, plevely a ochrana rostlin

OECD FORD obor

—

Projekt

<a href="/cs/project/QD1350" target="_blank" >QD1350: Vývoj komplexních systémů ochrany proti významným chorobám a škůdcům obilnin, řepky a hrachu s cílem širokého uplatnění integrovaných způsobů ochrany.</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2005

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

13th EWRS Symposium

ISBN

90-809789-1-4

ISSN

—

e-ISSN

—

Počet stran výsledku

2

Strana od-do

—

Název nakladatele

EWRS

Místo vydání

Bari

Místo konání akce

Bari

Datum konání akce

19. 6. 2005

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—