$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

3차원 구조광 스캐너를 이용한 식물의 잎 면적 측정 방법
Measuring Leaf Areas with a Structured-Light 3D Scanner 원문보기

생태와 환경 = Korean journal of ecology and environment, v.47 no.3, 2014년, pp.232 - 238  

남경희 (한국생명공학연구원 바이오평가센터) ,  고은미 (한국생명공학연구원 바이오평가센터) ,  문새로미 (한국생명공학연구원 바이오평가센터) ,  김창기 (한국생명공학연구원 바이오평가센터)

초록

3차원 구조광 스캐너를 이용하여 비파괴적, 비접촉적으로 식물 잎 면적을 측정하는 방법을 고안하고자 하였다. 3차원 구조광 스캐너를 이용하여 측정한 콩의 잎 면적은 엽면적 측정기로 측정한 잎 면적과 높은 상관관계를 보였다. 또한 콩의 V1~V4까지의 각 생장단계마다 3차원 스캔 이미지를 이용하여 측정한 잎 면적은 지상부를 수확한 후 측정한 생중량 분석 결과와 매우 높은 상관관계($R^2=0.98$)를 나타내었다. 가뭄 및 염분 스트레스 환경에서 3차원 스캐너를 이용하여 시간에 따른 콩의 생장의 변화를 비교한 결과, 대조구의 식물체 잎 면적은 시간이 경과될수록 증가한 반면 가뭄 및 염분처리구의 식물체 잎 면적은 처리 12일과 14일 후 각각 감소하여 처리구 간 뚜렷한 차이를 나타내었다. 이러한 결과를 통해 3차원 스캐너를 이용하여 다양한 환경에서 식물체의 잎 면적과 생체량을 효과적으로 추정할 수 있음을 확인하였다.

Abstract AI-Helper 아이콘AI-Helper

We have developed a non-destructive, touch-free method for estimating leaf areas with a structured-light three-dimensional (3D) scanner. When the surfaces of soybean leaves were analyzed with both the 3D scanner and a leaf area meter, the results were linearly related ($R^2=0.90$). The st...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 3차원 구조광 스캐너를 이용하여 비파괴적, 비접촉적으로 식물 잎 면적을 측정하는 방법을 고안하고자 하였다. 3차원 구조광 스캐너를 이용하여 측정한 콩의 잎 면적은 엽면적 측정기로 측정한 잎 면적과 높은 상관관계를 보였다.
  • 본 연구에서는 3차원 구조광 스캐너를 이용하여 식물잎을 스캐닝한 뒤 이미지 데이터를 이용하여 식물의 생체량을 추정하는 것이 타당한지를 살펴보고자 하였다. 그리고 가뭄 및 염분 스트레스를 가한 환경에서 재배한 식물체의 잎 면적을 측정함으로써, 식물의 생장 변화 측정에 적용해보고자 하였다.
  • 본 연구에서는 3차원 구조광 스캐너를 이용하여 식물잎을 스캐닝한 뒤 이미지 데이터를 이용하여 식물의 생체량을 추정하는 것이 타당한지를 살펴보고자 하였다. 그리고 가뭄 및 염분 스트레스를 가한 환경에서 재배한 식물체의 잎 면적을 측정함으로써, 식물의 생장 변화 측정에 적용해보고자 하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
높은 정밀도와 빠른 데이터 프로세싱의 우수한 광학식 기술은 어떻게 나뉠 수 있는가? 물체의 3차원 이미지를 구현하는 3차원 스캐너는 근래에는 주로 비접촉식으로 개발되고 있으며, 특히 광학 식은 높은 정밀도와 빠른 데이터 프로세싱으로 우세한 기술로서 자리잡고 있다. 광학식은 레이저 방식과 구조광 방식으로 나눌 수 있는데, 레이저 방식은 외부의 광원에 영향을 받지 않으며 광택이 있는 표면에도 이용할수 있는 반면 눈에 안전하지 않을 수 있는 레이저 광원을 이용하는 문제점이 있으며, 다양한 패턴을 수 차례 조사하는 구조광 방식은 보다 높은 정밀도를 가진 데이 터를 빠르게 얻을 수 있으나 백색광원의 출력에 의존하기 때문에 실내환경에서는 문제가 없으나 광택이 있는 표면이나 야외 환경에서 사용하였을 때 데이터의 손실이 발생할 수 있다(Sansoni et al., 2009).
식물의 생장에 대한 정확한 모니터링은 어떤 연구에 필수적인가? 식물의 생장에 대한 정확한 모니터링은 가뭄, 염분, 중금속 등 환경 스트레스에 대한 식물의 생리생태적 반응의 연구에 필수적이다(Seidel et al., 2011).
식물의 생장 반응에서 가장 중요한 척도로 여겨지는 생체량의 경우는 어떻게 하는 것이 모니터링의 일반적인 방법인가? , 2011). 식물의 생장 반응에서 가장 중요한 척도로 여겨지는 생체량의 경우 비파괴적인 측정이 불가능하므로, 여러 시기에 걸쳐 식물 생장의 변화를 관찰하고자 한다면 실험 초기부터 처리 별로 다수의 반복을 두고, 각 측정 시기에 따라 일정한 수의 식물체를 수확한 뒤 생중량 또는 건중량을 측정 하는 것이 일반적인 방법이다. 이러한 경우 다수의 식물체 재료가 필요하며, 이들의 재배를 위한 보다 넓은 공간 역시 필요하게 된다.
질의응답 정보가 도움이 되었나요?

참고문헌 (13)

  1. Barker, N.R. 2008. Chlorophyll fluorescence: a probe of photosynthesis in vivo. Annual Review of Plant Biology 59: 89-113. 

  2. Bettina, M.J.E., T.T. Melvin and A.K. Thomas. 2007. Visual assessment of wilting as a measure of leaf water potential and seedling drought survival. Journal of Tropical Ecology 23: 497-500. 

  3. Buck, U., N. Albertini, S. Naether and M.J. Thali. 2007. 3D documentation of footwear impressions and tyre tracks in snow with high resolution optical surface scanning. Forensic Science International 171: 157-164. 

  4. Cai, X., Y. Sun, Y. Zhao, L. Damerow, P. Schulze Lammers, W. Sun, J. Lin, L. Zheng and Y. Tang. 2013. Smart detection of leaf wilting by 3D image processing and 2D Fourier transform. Computers and Electronics in Agriculture 90: 68-75. 

  5. Gartner, H., B. Wagner, I. Heinrich and C. Denier. 2009. 3D-laser scanning: a new method to analyze coarse tree root systems. Forest Snow and Landscape Research 82: 95-106. 

  6. Grant, O.M., L. Tronina, H.G. Jones and M.M. Chaves. 2007. Exploring thermal imaging variables for the detection of stress responses in grapevine under different irrigation regimes. Journal of Experimental Botany 58: 815-825. 

  7. McPherron, S.P., T. Gernat and J.-J. Hublin. 2009. Structured light scanning for high-resolution documentation of in situ archaeological finds. Journal of Archaeological Science 36: 19-24. 

  8. Patty, L., S.R.P. Halloy, E. Hiltbrunner and C. Korner. 2010. Biomass allocation in herbaceous plants under grazing impact in the high semi-arid Andes. Flora 205: 695-703. 

  9. Paulus, S., J. Dupuis, A.-K. Mahlein and H. Kuhlmann. 2013. Surface feature based classification of plant organs from 3D laserscanned point clouds for plant phenotyping. BMC Bioinformatics 14: 238. 

  10. Rocchini, C., P. Cignoni, C. Montani, P. Pingi and R. Scopigno. 2001. A low cost 3D scanner based on structured light. Computer Graphics Forum 20: 299-308. 

  11. Sansoni, G., M. Trebeschi and F. Docchio. 2009. State-of-the-art and applications of 3D imaging sensors in industry, cultural heritage, medicine, and criminal investigation. Sensors 9: 568-601. 

  12. Seidel, D., F. Beyer, D. Hertel, S. Fleck and C. Leuschner. 2011. 3D-laser scanning: A non-destructive method for studying above-ground biomass and growth of juvenile trees. Agricultural Forest Meteorology 151: 1305-1311. 

  13. Wagner, B., H. Gartner, H. Ingensand and S. Santini. 2010. Incorporating 2D tree-ring data in 3D laser scans of coarse-root systems. Plant and Soil 334: 175-187. 

저자의 다른 논문 :

LOADING...
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로