2518-1092Научный результат. Информационные технологии2518-109210.18413/2518-1092-2019-4-2-0-11698КОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕАВТОМАТИЗИРОВАННАЯ СИСТЕМА МОНИТОРИНГА, ОЦЕНКИ И ПРОГНОЗИРОВАНИЯ РОСТА И РАЗВИТИЯ РАСТЕНИЙ В УСЛОВИЯХ IN VITROAUTOMATED SYSTEM FOR MONITORING, ESTIMATION AND PREDICTING THE GROWTH AND DEVELOPMENT OF PLANTS IN VITROМаслаковЮрий НиколаевичMaslakovYuriy Nikolayevichmaslakov.yn@gmail.comБережнойВладислав АлександровичBerezhnoyVladislav Alexandrovichvaber93@mail.ruИващукОльга АлександровнаIvashchukOlga Alexandrovnaivaschuk@bsu.edu.ruЯценкоВладимир МихайловичYatsenkoVladimir Mikhaylovichvowwva@mail.ru20194200

В статье рассматриваются подходы к решению проблемы точной и объективной регистрации и оценке роста и развития растений (отдельных его частей) на разных по составу питательных средах и различных стадиях развития, выращиваемых в условиях in vitro (в пробирке), что позволяет получить высококачественный безвирусный посадочный материал. Процесс фиксации параметров роста растений при натурных измерениях нарушает микроклимат, сформированный для оптимального развития растения, вносит серьезные погрешности из-за влияния человеческого фактора, и кроме того связан с необходимостью обработки больших объемов разнородных данных. Все это определяет перспективность использования современных информационных технологий, методов и средств автоматизации и моделирования, построения на этой основе автоматизированной системы мониторинга, оценки и прогнозирования роста и развития растений в условиях in vitro. На сегодняшний день существуют различные аппаратно-программные комплексы, предлагаемые зарубежными компаниями для фотографирования растений и оценки их морфометрических показателей, однако, они не учитывают условий нахождения растений в пробирке за стеклом, что вносит искажения изображения из-за запотевания и дефектов стекла, нелинейности на границах пробирки, блики и отражения окружающих объектов. В данной работе предложен прототип автоматизированной системы, при помощи которой осуществляется фотосъемка растения, производится сбор объективной информации о морфометрических параметрах растений в процессе их роста и производится оценка состояния растений на основе создания их объемной реконструкции.

The paper discusses approaches to solving the problems of accurate and objective registration and estimation of the growth and development of plants (and its individual parts) depending on the composition of nutrient media and various stages of development grown in vitro, which allows to obtain high-quality virus-free planting material. Manual measurements of plant parameters could violate the microclimate in vitro formed for the optimal plants development, causing serious errors due to the influence of human factors, and in addition, requires to handle a lot of information. The problems above could be solved by building an automated system based on modern information technologies, methods and tools for modeling. Existing various hardware and software systems for photographing plants and evaluating their morphometric parameters do not take into account the in vitro conditions. Photos of plants in vitro could have a condensate layer and various glass defects and distortions. In this paper, proposed prototype of an automated system, the main aim of which is to collect plants photos and calculate plants morphometric parameters with taking into account in vitro conditions.

реконструкция изображениякалибровка изображениясегментация изображенияоблако точексегментация облака точекизвлечение признаковimage reconstructionimage calibrationimage segmentationpoint cloudpoint cloud segmentationfeature extractionСписок литературыSmith, R.H. (2013), Plant tissue culture: techniques and experiments, Academic Press, Texas, TX.Reekie, E. and Bazzaz, F.A. (2011), Reproductive allocation in plants. Academic Press, San Diego, SA.Gibbs, J., Pound, M.P., Wells, D.M., Murchie, E.H., French, A.P., and Pridmore, T.P. (2014), Three-dimensional reconstruction of plant shoots from multiple images using an active vision system, Plant Physiology, 166 (4), 1688–1698.Kumar, P., Connor, J. and Mikiavcic, S. (2014), High-throughput 3D reconstruction of plant shoots for phenotyping, 13th International Conference on Control Automation Robotics & Vision (ICARCV), Singapore, 211-216.Pound, M.P., French, A.P., Murchie, E. H., and Pridmore, T.P. (2014), Automated recovery of 3D models of plant shoots from multiple colour images, Plant Physiology, 114.Güneş E.O. and Aygün S. (2017), Growth monitoring of plants using active contour technique, 6th International Conference on Agro-Geoinformatics, Fairfax, USA, 1-5.Gai, J. (2016), “Plants detection, localization and discrimination using 3D machine vision for robotic intra-row weed control”, Ph.D. Thesis, Iowa State University, Ames, Iowa.Krainin, M., Henry, P., Ren X., and Fox, D. (2010), Manipulator and object tracking for in hand model acquisition., IEEE International Conference on Robots and Automation In Proceedings, Funchal, Portugal.Gehan, M., Fahlgren, N. (2018), “Summary of Output Measurements” [Online], available at: https://plantcv.readthedocs.io/en/latest/output_measurements/ (Accessed 23.06.2019)Zhang, T.Y. and Suen, C.Y. (1984), A fast parallel algorithm for thinning digital patterns, Communications of the ACM, 27(3).Lee, T.C., Kashyap, R. L. and Chu C.N. (1994), Building skeleton models via 3-D medial surface/axis thinning algorithms, Computer Vision, Graphics, and Image Processing, 56(6), 462-478.Abu-Ain, W., Abdullah, S.N., Bataineh, B., Abu-Ain, T. and Omar, K. (2013), Skeletonization algorithm for binary images, Procedia Technology, 11, 704-709.Furukawa, Y. and Hernández, C. (2015), Multi-view stereo: A tutorial. Foundations and Trends® in Computer Graphics and Vision, now Publishers Inc., Hanover, MA.Furukawa, Y. and Ponce, J. (2010), Accurate, dense, and robust multiview stereopsis, 2007 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, Minneapolis, Minnesota, 32(8), 1362-1376.Torok, M.M. (2012), “Autonomous sample collection using image-based 3d reconstructions”,  Ph.D. Thesis, Virginia Polytechnic Institute and State University, Blacksburg, Virginia.Matusik, W., Buehler, C., Raskar, R., Gortler, S. J. and McMillan, L. (2000), Image-based visual hulls, 27th annual conference on Computer graphics and interactive techniques,  New York, NY, 369-374.Laurentini, A. (1994), The visual hull concept for silhouette-based image understanding, IEEE Transactions on pattern analysis and machine intelligence, 16(2), 150-162.Slabaugh, G., Schafer, R., Malzbender, T. and Culbertson, B. (2001), A survey of methods for volumetric scene reconstruction from photographs, In Volume Graphics 2001, Springer, Vienna.Vogiatzis, G., Esteban, C.H., Torr, P.H. and Cipolla, R. (2007), Multiview stereo via volumetric graph-cuts and occlusion robust photo-consistency, IEEE Transactions on Pattern Analysis and Machine Intelligence, 29(12), 2241-2246.Gupta, P. (2007), “Gray code composite pattern structured light illumination”, Ph.D. Thesis, University of Kentucky, Lexington, Kentucky.Young, M., Beeson, E., Davis, J., Rusinkiewicz, S. and Ramamoorthi, R. (2007), Coded structured Light, IEEE Conference on Computer Vision and Pattern Recognition, 2007, Minneapolis, MN, 1-8Kawasaki, H., Furukawa, R., Sagawa, R. and Yagi, Y., (2008), Dynamic scene shape reconstruction using a single structured light pattern, IEEE Conference on Computer Vision and Pattern Recognition, 2008, Anchorage, Alaska, 1-8.Li, B., Heng, L., Koser, K. and Pollefeys, M. (2013), A multiple-camera system calibration toolbox using a feature descriptor-based calibration pattern, 2013 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), Tokyo, Japan, 1301-1307.Vogiatzis, G. and Hernández, C. (2010), “Automatic camera pose estimation from dot pattern” [Online], available at: http://george-vogiatzis.org/calib/ (Accessed 23.06.2019)Tagliasacchi, A., Zhang, H. and Cohen-Or, D. (2009), Curve skeleton extraction from incomplete point cloud, In ACM Transactions on Graphics (TOG), 28(3), 71.