Processing

Please wait...

Settings

Settings

Goto Application

1. WO2022160008 - SYSTEMS AND METHODS FOR AUTOMATED HYPERSPECTRAL VEGETATION INDEX DERIVATION FOR HIGH-THROUGHPUT PLANT PHENOTYPING

Publication Number WO/2022/160008
Publication Date 04.08.2022
International Application No. PCT/AU2022/050037
International Filing Date 27.01.2022
IPC
G06V 20/17 2022.1
G01N 21/31 2006.1
GPHYSICS
01MEASURING; TESTING
NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
21Investigating or analysing materials by the use of optical means, i.e. using infra-red, visible or ultra-violet light
17Systems in which incident light is modified in accordance with the properties of the material investigated
25Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
31Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
G01N 21/84 2006.1
GPHYSICS
01MEASURING; TESTING
NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
21Investigating or analysing materials by the use of optical means, i.e. using infra-red, visible or ultra-violet light
84Systems specially adapted for particular applications
G16B 20/00 2019.1
GPHYSICS
16INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
BBIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
20ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
G06V 10/771 2022.1
G06V 10/58 2022.1
Applicants
  • AGRICULTURE VICTORIA SERVICES PTY LTD [AU]/[AU]
Inventors
  • KOH, Joshua Chee Oon
  • BANERJEE, Bikram Pratap
  • SPANGENBERG, German Carlos
  • KANT, Surya
Agents
  • DAVIES COLLISON CAVE PTY LTD
Priority Data
202190019829.01.2021AU
Publication Language English (en)
Filing Language English (EN)
Designated States
Title
(EN) SYSTEMS AND METHODS FOR AUTOMATED HYPERSPECTRAL VEGETATION INDEX DERIVATION FOR HIGH-THROUGHPUT PLANT PHENOTYPING
(FR) SYSTÈMES ET PROCÉDÉS DE DÉRIVATION AUTOMATISÉE D'INDICE DE VÉGÉTATION HYPERSPECTRALE POUR PHÉNOTYPAGE VÉGÉTAL À HAUT RENDEMENT
Abstract
(EN) The present invention is directed to a method for automated hyperspectral vegetation index (VI) determination, including: accessing measured spectra and respective measured ground truth values of a selected vegetation trait; accessing a library of VI models, each model including a relationship defining an index value for the vegetation trait by mathematically combining spectral measurement values at a plurality of wavebands; selecting a VI model from the library; generating a hyperparameter for each of the spectral measurement values of the selected model, the hyperparameter including a selected waveband for each of the plurality of model wavebands; evaluating the selected model with the selected wavebands with an objective function score; a model parameter tuning step using an optimizer to select the waveband for each of the at least two wavebands based on sequential model-based optimization (SMBO); and repeating the model selection, generation, evaluation and tuning steps for a plurality of iterations.
(FR) La présente invention concerne un procédé pour une détermination automatisée d'indice de végétation (VI) hyperspectrale, qui consiste à accéder à des spectres mesurés et à des valeurs de vérité de sol mesurées respectives d'un trait de végétation sélectionné ; à accéder à une bibliothèque de modèles de VI, chaque modèle comprenant une relation définissant une valeur d'indice pour le caractère végétal par combinaison mathématique de valeurs de mesure spectrales au niveau d'une pluralité de gammes d'ondes ; à sélectionner un modèle de VI à partir de la bibliothèque ; à générer un hyperparamètre pour chacune des valeurs de mesure spectrale du modèle sélectionné, l'hyperparamètre comprenant une bande d'onde sélectionnée pour chacune de la pluralité de bandes d'ondes de modèle ; à évaluer le modèle sélectionné avec les gammes d'ondes sélectionnées avec un score de fonction objective ; une étape de réglage de paramètre de modèle à l'aide d'un optimiseur pour sélectionner la bande d'onde pour chacune des deux bandes d'ondes ou plus sur la base d'une optimisation basée sur un modèle séquentiel (SMBO) ; et à répéter les étapes de sélection, de génération, d'évaluation et de réglage de modèle pour une pluralité d'itérations.
Latest bibliographic data on file with the International Bureau