New dimension in leaf stomatal behavior analysis: a robust method with machine learning approach

Ku Ki Bon; Le Anh Tuan; THAI THANH TUAN; Mansoor Sheikh; Kittipadakul Piya; Duangjit Janejira; 강호민; Oh San Su Min; Phan Ngo Hoang; Chung Yong Suk

doi:10.1007/s11816-024-00902-8

추천

검색

자료유형: 학술저널

저자정보: Ku Ki Bon (Department of Plant Resources and Environment, Jeju National University) Le Anh Tuan (제주대학교) THAI THANH TUAN (제주대학교 아열대원예산업연구소) Mansoor Sheikh (Department of Plant Resources and Environment, Jeju National University) Kittipadakul Piya (Department of Agronomy, Faculty of Agriculture, Kasetsart University) Duangjit Janejira (Department of Horticulture, Faculty of Agriculture, Kasetsart University) 강호민 (강원대학교) Oh San Su Min (Department of Horticulture, Jeju National University, Jeju) Phan Ngo Hoang (Faculty of Biology—Biotechnology, University of Science, Ho Chi Minh) Chung Yong Suk (Department of Plant Resources and Environment, Jej)

저널정보: 한국식물생명공학회 Plant Biotechnology Reports Plant Biotechnology Reports Vol.18 No.3

발행연도: 2024.6

수록면: 361 - 373 (13page)

DOI: 10.1007/s11816-024-00902-8

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Stomata are specialized pores that play a vital role in gas exchange and photosynthesis. Microscopic images are often used to assess stomatal characteristics in plants; however, this can be a challenging task. By utilizing Matterport’s Mask R-CNN implementation as the foundational model, fine-tuning was conducted on a dataset of 810 microscopic images of Hedyotis corymbosa leaves’ surfaces for automated stomatal pores detection. The outcomes were promising, with the model achieving a convergence of 98% mean average precision (mAP) for both detection and segmentation. The training loss and validation loss values converged around 0.18 and 0.37, respectively. Regression analyses demonstrated the statistical significance (p values ≤ 0.05) of predictor parameters. Notably, the tightest cluster of data points was observed in stomata pore area meas- urements, followed by width and length. This highlights the precision of the stomatal pore area in characterizing stomatal traits. Despite challenges posed by the original dataset’s low-resolution images and artifacts like dust, bubbles, and blurriness, our innovative utilization of the Mask R-CNN algorithm yielded commendable outcomes. This research introduces a robust approach for stomatal phenotyping with broad applications in plant biology and environmental studies.

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

최근 본 자료

댓글(0)