Système d'imagerie numérique pour le phénotypage des plantes à haut débit utilisant des ordinateurs Raspberry Pi

L'expérience proposée et les différences dans les traits phénotypiques ont été utilisées pour quantifier l'effet des traitements comparatifs sur la croissance des plantes expérimentales. La différence d'indice de verdure (GLI) des plantes stressées (sensibles) par rapport à leur témoin non traité est significativement plus élevée que celle des plantes saines (résistantes). Les résultats sont également cohérents avec les évaluations visuelles effectuées par les chercheurs les mêmes jours après le traitement. Le système d'imagerie RPi à faible coût permet aux chercheurs d'accéder à des caractéristiques végétales précieuses, tout en augmentant l'efficacité et la productivité de leurs mesures en éliminant les dépenses plus importantes dans l'équipement de phénotypage commercial. Le pipeline de traitement d'images open source a été utilisé avec succès pour traiter les images afin de distinguer les plantes expérimentales en analysant la phénologie morphométrique et les caractéristiques physiologiques. La disponibilité des bibliothèques GitHub nécessaires à l'exécution de ces analyses et la répétabilité de cette expérience avec des populations de plantes plus importantes sont possibles. Ce système peut atténuer les méthodes à forte intensité de main-d'œuvre pour surveiller de manière autonome la croissance des plantes au fil du temps. La méthodologie développée suggère que le système d'imagerie numérique à faible coût peut être intégré à l'internet pour faciliter l'internet des objets (IoT). Le système de capteurs basé sur l'IdO pourrait aider les sélectionneurs de plantes et les agronomes à prendre des décisions éclairées et à surveiller la santé des cultures en temps réel avec une grande précision.