1,721,020 research outputs found
Phenotyping methods for horticultural crops: opportunities and challenges
No full textImaging methods are becoming increasingly important in plant phenotyping, namely for the quantification of traits, which characterize plant architecture and the structure of plant organs. In recent years a series of methodological approaches were introduced to plant sciences most of them used in industrial processes with a high application potential in quantitative plant phenotyping as well as for breeding and plant growing tasks. To date, the applicability is still limited to a few agricultural crops, but the diversity of important structural traits in horticultural breeding gives new opportunities to fully exploit the potential of these methods.At the Institute of Plant Sciences (IBG-2 FZ Juelich, Germany), we focus on the implementation of new sensor technologies as well as on the development of low-cost platforms for quantitative phenotyping of root and shoot properties. Camera-based approaches play a key role and here we developed a multi-camera approach for the use open field cultivations to analyze leaf area and leaf angle distributions of small sugar beet cultivations (Mueller-Linow et al. Plant Methods 2015). This method has been refined and technically improved for greenhouse tomato cultivations and resulted in new prototype and software developments with the capability to estimate various shoot and fruit traits related to color and shape. Root properties of horticultural plants were addressed in two projects, one which uses MRI technologies to resolve and quantify the root structure of petunia after drought and one which analyzes root images of different grapevine cultivars grown in the GROWSCREEN-Rhizo phenotyping research facility at IBG-2
Smart applications and affordable devices for plant phenotyping problems
No full textThe last decade was characterized by the emergence of various mobile and smart solutions not least because of new powerful mini- and single-board computers, a vast range of embedded systems and innumerous IoT developments. With the gain of better computing capabilities the requirements for software solutions decreased dramatically, allowing to run complex measurements and computations on-board without further hardware support. At the same time that the processing capabilities of mobile phones increased, the quality of built-in cameras improved drastically such that smartphones can now be used for various purposes ranging from documentation and classification of samples to quantitative analysis based on high-quality digital images. An important side aspect is the independence of other infrastructure like network connection (e.g., for upload and server-based analysis) or external power supply is. Especially the last couple of years are featured by the debut of many new software developments dedicated to smartphones and other mobile devices, which makes the smartphone not only a valuable but also a cheap tool for many different tasks. This talk will overview the current state with a focus on smart solutions on affordable devices for classic phenotyping tasks, quality control, disease management and plant identification. We will also highlight one of our own applications developed for Android-based smartphones that allows to apply simple binary image classification in various application scenarios (Müller-Linow et al.: Plant Screen Mobile – an open-source mobile device app for plant trait analysis; Plant Method, 2019)
Analyse der Verbindung von Topologie und Dynamik in abstrakten Graphen und biologischen Netzwerken
No full textIn dieser Arbeit wurden abstrakte Graphen und reale Systeme mit einem erregbaren Medium, welches die gerichtete Weitergabe bzw. zufällige Erzeugung von Anregungen in einem Netzwerk steuert, dynamisch untersucht. Anregungsdichte und Anregungsmuster zeigen eine deutliche Abhängigkeit von der Graphentopologie. Die Anregungsdichte hängt im Wesentlichen vom Vernetzungsgrad, bis zu einem gewissen Maß von den Gradkorrelationen und nur im geringen Maße von der Gradverteilung eines Graphen ab. Der rapide Anstieg der Anregungsdichte bei zunehmender Vernetzung lässt sich auf unterschiedliche Verteilungsmuster der Anregungen zurückführen, und zwar global synchronisierte Aktivität (Spikes) bei geringen Vernetzungsdichten und positiv korrelierten Knotengraden und kooperatives dynamisches Verhalten in lokal begrenzten Graphenarealen (Bursts) bei hohen Vernetzungsdichten und negativen Gradkorrelationen. Die dynamische Charakterisierung über beide Anregungsmuster lässt sich auch durch die Rate spontaner Aktivierung steuern, wodurch das Modell interessant für die Untersuchung ähnlich stark vernetzter aber unterschiedlich strukturierter Graphentopologien ist. Modulare Strukturen und Hubs, welche elementare Grapheneigenschaften vieler realer Systeme darstellen, organisieren die synchronisierte Netzwerkfunktion bei unterschiedlichen Raten spontaner Aktivierung. Bei hoher Spontanaktivität sind Netzwerke mit modularen Eigenschaften durch synchronisiertes Verhalten innerhalb ihrer Module charakterisiert. Wenn die Struktur eines Graphen durch einen oder wenige Hubs in seinem Zentrum gekennzeichnet ist, wird bei niedriger Spontanaktivierung ein globales ringähnliches Synchronisationsphänomen sichtbar, welches durch die Formation von wellenähnlichen Propagationen erzeugt wird und das gesamte System über sein Zentrum (Hubs) erreicht. Die Koexistenz beider Organisationsprinzipien konnte in zwei verschiedenen neuronalen Netzwerken, welche biologische Beispiele hierarchischer Bauprinzipien darstellen, nachgewiesen werden. Im einzelnen zeigte sich allerdings, dass die Dynamik im cerebralen kortikalen Systemnetzwerk der Katze eher durch die modulare Organisation des Netzwerkes dominiert ist, während das dynamische Verhalten im zellulären neuronalen Netzwerk des Fadenwurms Caenorhabditis elegans sehr stark von Hubs beeinflusst wird. Im Metabolismus der Pflanze Arabidopsis thaliana wurden topologische und dynamische Eigenschaften auf der Basis der Reaktions- und Korrelations-Netzwerke verglichen. Die Korrelations-Netzwerke, welche auf der Ebene paarweiser Korrelationen einzelner experimentell ermittelter Substanzkonzentrationen erzeugt werden, charakterisieren den dynamischen Zustand des Metabolismus in einem Organismus für einen bestimmten Zeitpunkt. Für verschiedene Probenahmen in einem diurnalen Rhythmus konnte zeitlich konsistentes Verhalten über die höhere Ähnlichkeit zeitlich benachbarter Korrelations-Netzwerke nachgewiesen werden. Betrachtet man jedoch die Ähnlichkeit zwischen beiden Typen metabolischer Netzwerke, so ist die Nähe der Metaboliten im Reaktions-Netzwerk kein Indikator für die Nähe im Korrelations-Netzwerk. Hohe Korrelationen zwischen einzelnen Metabolitenpaaren können zu einem großen Teil nicht aus den Reaktionsfolgen im Reaktions-Netzwerk, sondern nur durch übergeordnete Funktionen, wie z.B. regulatorische Kontrolle, erklärt werden. Die Organisationsprinzipien in beiden Netzwerken unterscheiden sich daher grundlegend, da hier zwei dynamischen Skalen konkurrieren, die der Reaktion und die der Regulation
Computer vision approaches for quantitative analysis of root and shoot traits
No full textThis is a training material from the workshop for IFVCNS researchers titled Non-invasive plant phenotyping approaches and research infrastructure management, held on 4-5 March 2024 at FZJ within CROPINNO project. The material covers root imaging and traits, shovelomics, deep phenotyping, containers, rhizotron images, shoot traits, 3D sensors, segmentation, projected leaf area, AI approaches, and transforming imaged colors to the real colors.Workshop program, report and pictures [https://fiver.ifvcns.rs/handle/123456789/5598
- …
