A crop cultivation monitoring platform for evaluating the early growth of cucumbers

方法

连续时序图像采集与标注，YOLOv8n-F_SGX检测和YOLOv8-seg分割

发现

100 mg·L−1 ZnO-NPs在0–150 mmol·L−1盐胁迫下促进发芽和幼苗生长，400

机会点

可扩展至多作物多胁迫场景，融合时序表型与深度学习实现早期胁迫预警和纳米材料精准调控。

在智慧农业的抗逆管理中，精确表征作物在非生物胁迫下早期生长动态的时间特征至关重要。然而，传统的人工测量方法难以实现对连续时间序列上多个表型参数的高通量、准确量化。为解决这一问题，我们开发了一套全时间序列作物生长监测系统，持续采集土培条件下黄瓜种子萌发和幼苗生长的细粒度图像数据，构建了用于识别萌发状态和量化子叶面积的标注数据集。我们开发并部署了YOLOv8n-F_SGX和YOLOv8-seg模型，分别达到0.978和0.987的检测与分割精度，从而实现了萌发率的自动监测和子叶面积的精确提取。为进一步探究纳米材料引发对盐胁迫的缓解效应，我们在不同盐胁迫水平下，使用一系列浓度ZnO-NPs（粒径30 nm）悬浮液对黄瓜种子进行了萌发和幼苗生长实验。结果表明，在0–150 mmol·L⁻¹盐胁迫条件下，100 mg·L⁻¹ ZnO-NPs引发处理可获得最佳的萌发动态（最高萌发率和最快萌发速度），同时幼苗子叶面积最大、生长速率最高。相反，当ZnO-NPs浓度增至400 mg·L⁻¹或更高时，则显著抑制了种子萌发和幼苗生长。