CRAG ekibi, meyve şekil ve renk analizini otomatikleştiren açık kodlu algoritma geliştirdi

Center for Research in Agrigenomics (CRAG) araştırmacıları, çilek görüntüleri kullanarak meyve morfolojisini ve rengini değerlendiren, düşük maliyetli ve otomatik bir yazılım geliştirdi. Çalışma Plant Phenomics dergisinde yayımlandı; kod halka açık.

CRAG'dan otomatik meyve morfolojisi aracı: çilekten diğer meyvelere uygulanabilir

İspanya merkezli Center for Research in Agrigenomics (CRAG) araştırmacıları, meyve şekli ve renk özelliklerini fotoğraflardan hızlı ve düşük maliyetle çıkarabilen bir hesaplamalı araç geliştirdi. Çalışma, hakemli Plant Phenomics dergisinde yayımlandı ve araştırma ekibi kaynak kodunu erişime açtı.

Araştırma dizaynı ve veri seti

Araştırmada, Planasa şirketinin ıslah hatlarından sağlanan çilek örneklerinin dış görünüş ve kesit fotoğrafları kullanıldı. Görüntüler 2018 sezonunda Huelva (İspanya) kampanyasında toplandı; kaynağa göre veri setinde yaklaşık 2.000 görüntü yer aldı. Çalışmanın bir bölümü doktora tezine dahil edildiği belirtiliyor.

Yöntem: klasik tanımlardan derin öğrenmeye

Araştırma ekibi, geleneksel lineer betimleyicilerin (alan, çevre, yükseklik, genişlik vb.) morfolojiyi basitleştirdiği sınırlamaları göz önünde bulundurarak çok değişkenli istatistik ve derin öğrenme yaklaşımlarını bir araya getirdi. Bu bileşim sayesinde yazılım, görüntülerden ayrıntılı şekil ve renk örüntülerini otomatik olarak çıkartabiliyor ve minimal kullanıcı müdahatiyle çalışıyor.

Uygulama alanları ve avantajlar

Geliştirilen araç, fenotip değerlendirmesini hızlandırmayı, insan kaynaklı iş yükünü azaltmayı ve maliyetleri düşürmeyi amaçlıyor. Araştırmacılar, yöntemin özellikle bitki ıslahı programlarının ilk aşamalarında yararlı olacağını; farklı melez kombinasyonlarının saha denemelerine gerek olmadan ön değerlendirmesinin yapılabileceğini vurguluyor.

Genişletilebilirlik: meyve ve ötesi

Çalışma çilek görüntüleriyle test edilse de ekip, algoritmanın elma, domates, narenciye gibi diğer meyvelere hızlıca adapte edilebileceğini belirtiyor. Ayrıca yöntemin; saha uygulamalarına uyarlanması, bitki organlarının (yaprak, çiçek, kök) analizine genişletilmesi ve erken hastalık tespiti gibi ek kullanım alanları potansiyeli taşıdığı ifade edildi.

Bilimsel katkılar ve erişim

Projenin ilk yazarı Laura M. Zingaretti olup çalışma doktora çalışmasının bir parçası. Çalışmada Miguel Pérez-Enciso (ICREA araştırmacısı, CRAG) ve Amparo Monfort (IRTA, CRAG) ekip liderliğinde eş yönlendirme yaptı. Araştırma ekibi kodu ücretsiz olarak paylaşarak topluluğun aracı kendi ihtiyaçlarına göre uyarlayabilmesine imkân tanıdı.

Özet çıkarımlar

• Meyve morfolojisi ve renk analizini otomatikleştiren bir yazılım geliştirildi.
• Veri kaynağı: Planasa'ya ait ıslah hatlarından toplanan, 2018 Huelva kampanyasına ait ~2.000 çilek görüntüsü.
• Yöntem, lineer betimleyiciler ile çok değişkenli ve derin öğrenme yaklaşımlarının birleşimi üzerine kurulu.
• Yazılım, bitki ıslahında ön değerlendirme, simülasyon ve saha uygulamaları için uyarlanabilir.
• Çalışmanın ayrıntıları Plant Phenomics'te yayımlandı; kod erişime açık.

Kaynak: Blueberries Consulting News, 23/06/2021. Orijinal makale