Detekce plevelů pomocí zobrazování chlorofylové fluorescence a umělé neuronové sítě
Identifikátory výsledku
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
—
Alternativní jazyky
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
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
GF - Choroby, škůdci, plevely a ochrana rostlin
OECD FORD obor
—
Návaznosti výsledku
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)
Ostatní
Rok uplatnění
2005
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
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
—