Angesichts von Herausforderungen wie einer boomenden Weltbevölkerung und schrumpfenden Ackerflächen bietet die Pflanzenphänotypisierung eine Möglichkeit, die Landwirtschaft zu automatisieren und die Pflanzendiagnostik zu verbessern. Die Übertragung der Präzision der Phänotypisierung in kontrollierten Umgebungen auf Feldbedingungen bleibt jedoch eine Hürde, insbesondere bei der genauen Messung der Blattfarbe aufgrund der Blendung durch Sonnenlicht. Bestehende Lösungen, die von Lichtstreusimulationen bis hin zur 3D-Sensorfusion reichen, erfordern oft komplexe, zeitaufwändige oder unpraktische Methoden.
Im März 2024, Pflanzenphänomik veröffentlichte Forschungsarbeit mit dem Titel „Abschwächung von Beleuchtungs-, Blatt- und Blickwinkelabhängigkeiten bei der hyperspektralen Bildgebung mithilfe der PolarimetrieZiel dieser Forschung ist die Entwicklung einer neuartigen Einzelbild-Blendfarbkorrekturtechnik unter Verwendung polarisierter BRDF-Modelle und polarisationsempfindlicher Messungen, die möglicherweise die Feldphänotypisierung revolutioniert, indem sie die anhaltende Herausforderung der Blendung angeht, ohne dass komplexe oder zeitintensive Methoden erforderlich sind.
Zunächst wurden pBRDF-Messungen an zwei B73-Maispflanzen unter Verwendung von SCATMECH-Modellen bei einer Wellenlänge von 550 nm durchgeführt, was die Grundlage für die Erstellung einer allgemeinen Bibliothek von mmBRDF-Modellen für Maisblätter bildete.
Auf diesen grundlegenden Schritt folgten Korrekturmodellsimulationen, bei denen das Modell unkorrigierte Reflexionsgrade und Stokes-Parameter verarbeitete und zeigte, dass eine zunehmende Polarisation zu einer Verringerung des wahrgenommenen Werts des Parameters γ führte. Dies deutete auf ein Potenzial zur Korrektur hoher DoLP- und fehlerhafter γ-Werte trotz Herausforderungen in Bereichen der Retroreflexion hin.
Die Validierung dieses Korrekturmodells umfasste spektrale Bodenwahrheitsmessungen über ein Feld und einen Vergleich zwischen korrigierten und unkorrigierten Regionen von Interesse (ROIs) aus Gebieten mit niedrigem und hohem DoLP. Dieser Prozess bestätigte die Gleichmäßigkeit des Pflanzenverhaltens im gesamten Feld und im Zeitverlauf und stützte die Annahme des Modells.
Die Feldversuchsdaten zeigten auch, dass Bilder, die zu unterschiedlichen Tageszeiten aufgenommen wurden, sich in ihrem Polarisationsgrad unterschieden, wobei das Korrekturmodell den mittleren quadratischen Fehler (MSE) und die Standardabweichung der berechneten Indizes GNDVI und RERR deutlich um signifikante Faktoren reduzierte.
Die Leistung des Modells wurde anhand spektropolarimetrischer Bilddaten aus einem Feldversuch visuell und statistisch validiert und zeigte eine deutliche Verbesserung der Genauigkeit der phänotypischen Bildgebung unter verschiedenen Bedingungen. Der Fehler und die Varianz der Bilddaten wurden deutlich reduziert, was die Hypothese der spektralen Invarianz bestätigt und die potenzielle Anwendbarkeit des Korrekturnetzwerks auf verschiedene Zweibandmetriken nahelegt.
Die Forschung endete mit vielversprechenden Ergebnissen, die darauf hindeuten, dass die Polarimetrie eine entscheidende Rolle bei der Verbesserung der Fähigkeiten multi- und hyperspektraler Sensorsysteme für Hochdurchsatz-Phänotypisierungsanwendungen im Feld spielen könnte. Zukünftige Arbeiten werden sich auf die Ausweitung des Modells auf verschiedene Maissorten, die Bewertung der Auswirkungen unterschiedlicher Wetterbedingungen und die Erweiterung der Bibliothek von mmBRDF und Korrekturmodellen für breitere landwirtschaftliche Anwendungen konzentrieren.
Mehr Informationen:
Daniel Krafft et al., Mitigating Illumination-, Leaf-, and View-Winkel Dependencies in Hyperspectral Imaging Using Polarimetry, Pflanzenphänomik (2024). DOI: 10.34133/plantphenomics.0157