Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Przeglądasz jako GOŚĆ
Tytuł pozycji:

Detection of Grapevine Leafroll-Associated Virus 1 and 3 in White and Red Grapevine Cultivars Using Hyperspectral Imaging

Tytuł :
Detection of Grapevine Leafroll-Associated Virus 1 and 3 in White and Red Grapevine Cultivars Using Hyperspectral Imaging
Autorzy :
Nele Bendel
Anna Kicherer
Andreas Backhaus
Janine Köckerling
Michael Maixner
Elvira Bleser
Hans-Christian Klück
Udo Seiffert
Ralf T. Voegele
Reinhard Töpfer
Pokaż więcej
Temat :
grapevine leafroll disease
GLRaV
Vitis vinifera
disease detection
plant phenotyping
spectral imaging
Science
Źródło :
Remote Sensing, Vol 12, Iss 1693, p 1693 (2020)
Wydawca :
MDPI AG, 2020.
Rok publikacji :
2020
Kolekcja :
LCC:Science
Typ dokumentu :
article
Opis pliku :
electronic resource
Język :
English
ISSN :
2072-4292
Relacje :
https://www.mdpi.com/2072-4292/12/10/1693; https://doaj.org/toc/2072-4292
DOI :
10.3390/rs12101693
Dostęp URL :
https://doaj.org/article/63abb711063e4d3e8475c97bb8bd6c5a
Numer akcesji :
edsdoj.63abb711063e4d3e8475c97bb8bd6c5a
Czasopismo naukowe
Grapevine leafroll disease (GLD) is considered one of the most widespread grapevine virus diseases, causing severe economic losses worldwide. To date, six grapevine leafroll-associated viruses (GLRaVs) are known as causal agents of the disease, of which GLRaV-1 and -3 induce the strongest symptoms. Due to the lack of efficient curative treatments in the vineyard, identification of infected plants and subsequent uprooting is crucial to reduce the spread of this disease. Ground-based hyperspectral imaging (400–2500 nm) was used in this study in order to identify white and red grapevine plants infected with GLRaV-1 or -3. Disease detection models have been successfully developed for greenhouse plants discriminating symptomatic, asymptomatic, and healthy plants. Furthermore, field tests conducted over three consecutive years showed high detection rates for symptomatic white and red cultivars, respectively. The most important detection wavelengths were used to simulate a multispectral system that achieved classification accuracies comparable to the hyperspectral approach. Although differentiation of asymptomatic and healthy field-grown grapevines showed promising results further investigations are needed to improve classification accuracy. Symptoms caused by GLRaV-1 and -3 could be differentiated.
Zaloguj się, aby uzyskać dostęp do pełnego tekstu.

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies