3541 - FISCO · 2020. 1. 7. · 農業総合研究所は、「持続可能な農産業を実現し、生活者を豊かにする」をビジョンに掲げ、日本及び
①ログイン と参加受付番号で ... - nacos.com · ター，3....
7
‹ ‹ プログラム プログラム 日程表 日程表 講演検索 Whatʼ s New 検 索 検索ワード 氏名 検索ワード 2020.11.25 企業一覧 〇〇株式会社を更新しました。 2020.11.25 プログラム・日程表 公開しました。 2020.11.20 WEB 要旨集ページを開設しました。 氏名 座長 / オーガナイザーは含みません -- 開催日 -- 開催日 ‹ -- 発表形式 -- 発表形式 ‹ -- 分野 -- 分野 ‹ -- 会場 -- 会場 ‹ 演題番号 演題名 要旨本文 マイページ マイページ 企業一覧 企業一覧 2021年3月19日（金） ‒21日（日） オンライン開催 第 139 回講演会 （令和 3 年度春季大会） 2021年3月19日（金） ‒21 日（日） オンライン開催 第 139 回講演会 （令和 3 年度春季大会） パスワードを忘れた場合 パスワードを忘れた方はこちら ログイン メールアドレス（参加登録 ID） パスワード（参加受付番号） □ ログイン状態を保存する [email protected] *************** ログイン方法 演題登録システムにご登録のメール アドレス／パスワード をご入力ください。 推奨ブラウザ 本サイトは以下のブラウザ以外で， 正しく利用いただけません。 ・Microsoft Edge（最新版） ・Firefox（最新版） ・Safari（最新版） ・Chrome（最新版） お持ちでない場合，インストールまたは バージョンアップしてご利用ください。 いずれも無料でダウンロードできます。 （参加受付番号） ① ログイン 参加登録 ID と参加受付番号でログイン アイコンから各ページへ移動 または【講演検索】から絞り込み検索で各演題に移動 ② トップ 1
Transcript of ①ログイン と参加受付番号で ... - nacos.com · ター，3....
20210120_
1
3
2 3 20 (13:20 16:00)
[512]
:
Detection of canopy wilting in soybean via deep learning: a screening tool for precision phenotyping
1, 1, 1, 1, 2, 3, 1, 4, 5, 6, 2, 7, 3, 1, 1, 11. 2. 3. 4. T-PIRC5. 6. 7. Imachi, Y.1, Y. Toda1, G. Sasaki1, Y. Omori1, Y. Yamasaki2, H. Takahashi3, H. Takanashi1, M. Tsuda4, Y. Sawada5, H. Kajiya-Kanegae6, H. Tsujimoto2, A. Kaga7, M. Nakazono3, T. Fujiwara1, H. Iwata1, W. Guo1 (1. Grad. Sch. Agr. Life Sci., Univ. Tokyo, 2. Arid Land Res. Ctr., Tottori Univ., 3. Grad. Sch. Bioagri. Sci., Nagoya Univ., 4. T-PIRC, Univ. Tsukuba, 5. Ctr. for Sustainable Resource Sci., RIKEN, 6. Res. Ctr. for Agr. Info. Tech., NARO, 7. Inst. Crop Sci., NARO)
2 3 20 (13:20 16:00)
[514]
UAV
Deep learning for prediction of soybean biomass based on UAV remote sensing images
1, Clement Barras1, 1, 1, 2, 3, 1, 4, 5, 2, 6, 3, 1, 11. 2. 3. 4. T-PIRC5. 6. Okada, M.1, C. Barras1, Y. Toda1, Y. Oomori1, Y. Yamasaki2, H. Takahashi3, H. Takanashi1, M. Tsuda4, M. Hirai5, H. Tsujimoto2, A. Kaga6, M. Nakazono3, T. Fujiwara1, H. Iwata1 (1. Grad. Sch. Agr. Life Sci., Univ. Tokyo, 2. Arid Land Res. Ctr., Tottori Univ., 3. Grad. Sch. Bioagri. Sci., Nagoya Univ., 4. T-PIRC, Univ. Tsukuba, 5. Ctr. for Sustainable Resource Sci., RIKEN, 6. Inst. Crop Sci., NARO)
1
0
0
2 1 3 4 5
13:20-16:00
13:20-16:00
13:20-16:15
[509-518]
13:20-16:00
14:25-16:15
(208-217)
(1aE01-08)
2020/3/26 9:0011:48 F Room F1F
(1aF01-09) 2020/3/26 9:0011:48 F Room F1F
-- --
3
2 3 20 (13:20 16:00)
[509] " " Growth characteristics and varietal differences in barley under indoor cultivation system with Speed Breeding condition
, , , Shimizu, H., G. Ishikawa, E. Aoki, T. Tonooka (Inst. Crop. Sci., NARO)
2 3 20 (13:20 16:00)
[510] Genetic factors controlling annual deviation of heading in barley genetic resources
1, 1, 1,21. 2. Sato, K.1, M. Ishii1, K. Mochida1,2 (1. IPSR, Okayama Univ., 2. CSRS, RIKEN)
(509-518)
2 3 20 (13:20 16:00) 5
2 3 20 (13:20 16:00)
[511] Head and anthesis detection for wheat grown at high densities use photography and deep learning
1, 2, 1,Haozhou Wang1, 4, 3,4, 11. 2. 3. 4. Guo, W.1, S. Nasuda2, K. Kuroki1, H. Wang1, T. Tameshige4, K. Shimizu3,4, Y. Iwata1 (1. Grad. Sch. Agr. Life Sci., Univ. Tokyo, 2. Grad. Sch. Agric., Kyoto Univ., 3. Univ. Zurich, Dept. Evol. Biol. Env. Sci., 4. Kihara Inst. Biol. Res, Yokohama City Univ.)
2 3 20 (13:20 16:00)
[512] : Detection of canopy wilting in soybean via deep learning: a screening tool for precision phenotyping
1, 1, 1, 1, 2, 3, 1, 4, 5, 6, 2, 7, 3, 1, 1, 11. 2. 3. 4. T-PIRC5. 6. 7. Imachi, Y.1, Y. Toda1, G. Sasaki1, Y. Omori1, Y. Yamasaki2, H. Takahashi3, H. Takanashi1, M. Tsuda4, Y. Sawada5, H. Kajiya-Kanegae6, H. Tsujimoto2, A. Kaga7, M. Nakazono3, T. Fujiwara1, H. Iwata1, W. Guo1 (1. Grad. Sch. Agr. Life Sci., Univ. Tokyo, 2. Arid Land Res. Ctr., Tottori Univ., 3. Grad. Sch. Bioagri. Sci., Nagoya Univ., 4. T-PIRC, Univ. Tsukuba, 5. Ctr. for Sustainable Resource Sci., RIKEN, 6. Res. Ctr. for Agr. Info. Tech., NARO, 7. Inst. Crop Sci., NARO)
0
0
0
0
5
(multispectral: MS) MS 200 MS RS)UAV RS
2019 4 W1−W4 ) 200 4 W1 W4 RS 1.5 m RS 20 m MS 1 2 1 3 475 nm550 nm660 nm725 nm850 nm 5 660 nm850 nm NDVI MS NDVI
RS MS 550 nm NDVI 0.49−0.87 0.00−0.48 5 RS 1 PC1 850 nm 4 2 PC2 850 nm RS PC1 42 %75 %PC2 28 %21 % PC1 PC2 MS NDVI RS W4 RS W1 RS W1 MS W4 RS MS MS MS GxEGxE MS
139 319321
3
2020/10/30 10:19
(ResistanceTolerance)
3 3 21 930 11:30
3 3 21 930 11:30
[P055-C]
Prediction of soybean growth under drought based on multispectral imaging using drone and ground-level vehicle remote sensing 1, 1, 1, 2, 3, 1, 4, 1, 2, 5, 3, 1, 11. , 2. , 3. , 4. T-PIRC, 5. " " Sakurai, K.1, Y. Toda1, Y. Omori1, Y. Yamasaki2, H. Takahashi3, H. Takanashi1, M. Tsuda4, M. Ishimori1, H. Tsujimoto2, A. Kaga5, M. Nakazono3, T. Fujiwara1, H. Iwata1 (1. Grad. Sch. Agr. Life Sci., Univ. Tokyo, 2. Arid Land Res. Ctr., Tottori Univ., 3. Grad. Sch. Bioagri. Sci., Nagoya Univ., 4. TPIRC, Univ. Tsukuba, 5. Inst. Crop Sci., NARO)
3
2 3 20 (13:20 16:00)
[513] UAV Development of a prediction model based on marker genotype and a growth model: an application to soybean canopy area measured by UAV 1, 1, 1, 2, 3, 1, 4, 5, 6, Lopez-Lozano Raul7, 2, 8, 3, 1,Frederic Baret7, 11. 2. 3. 4. T-PIRC5. 6. 7.INRA EMMAH8.
ID @.com
2 3 20 (13:20 16:00)
[512] : Detection of canopy wilting in soybean via deep learning: a screening tool for precision phenotyping
1, 1, 1, 1, 2, 3, 1, 4, 5, 6, 2, 7, 3, 1, 1, 11. 2. 3. 4. T-PIRC5. 6. 7. Imachi, Y.1, Y. Toda1, G. Sasaki1, Y. Omori1, Y. Yamasaki2, H. Takahashi3, H. Takanashi1, M. Tsuda4, Y. Sawada5, H. Kajiya-Kanegae6, H. Tsujimoto2, A. Kaga7, M. Nakazono3, T. Fujiwara1, H. Iwata1, W. Guo1 (1. Grad. Sch. Agr. Life Sci., Univ. Tokyo, 2. Arid Land Res. Ctr., Tottori Univ., 3. Grad. Sch. Bioagri. Sci., Nagoya Univ., 4. T-PIRC, Univ. Tsukuba, 5. Ctr. for Sustainable Resource Sci., RIKEN, 6. Res. Ctr. for Agr. Info. Tech., NARO, 7. Inst. Crop Sci., NARO)
2 3 20 (13:20 16:00)
[512] : Detection of canopy wilting in soybean via deep learning: a screening tool for precision phenotyping
1, 1, 1, 1, 2, 3, 1, 4, 5, 6, 2, 7, 3, 1, 1, 11. 2. 3. 4. T-PIRC5. 6. 7. Imachi, Y.1, Y. Toda1, G. Sasaki1, Y. Omori1, Y. Yamasaki2, H. Takahashi3, H. Takanashi1, M. Tsuda4, Y. Sawada5, H. Kajiya-Kanegae6, H. Tsujimoto2, A. Kaga7, M. Nakazono3, T. Fujiwara1, H. Iwata1, W. Guo1 (1. Grad. Sch. Agr. Life Sci., Univ. Tokyo, 2. Arid Land Res. Ctr., Tottori Univ., 3. Grad. Sch. Bioagri. Sci., Nagoya Univ., 4. T-PIRC, Univ. Tsukuba, 5. Ctr. for Sustainable Resource Sci., RIKEN, 6. Res. Ctr. for Agr. Info. Tech., NARO, 7. Inst. Crop Sci., NARO)
(509-518)
2 3 20 (13:20 16:00) 5
1
3
2 3 20 (13:20 16:00)
[512]
:
Detection of canopy wilting in soybean via deep learning: a screening tool for precision phenotyping
1, 1, 1, 1, 2, 3, 1, 4, 5, 6, 2, 7, 3, 1, 1, 11. 2. 3. 4. T-PIRC5. 6. 7. Imachi, Y.1, Y. Toda1, G. Sasaki1, Y. Omori1, Y. Yamasaki2, H. Takahashi3, H. Takanashi1, M. Tsuda4, Y. Sawada5, H. Kajiya-Kanegae6, H. Tsujimoto2, A. Kaga7, M. Nakazono3, T. Fujiwara1, H. Iwata1, W. Guo1 (1. Grad. Sch. Agr. Life Sci., Univ. Tokyo, 2. Arid Land Res. Ctr., Tottori Univ., 3. Grad. Sch. Bioagri. Sci., Nagoya Univ., 4. T-PIRC, Univ. Tsukuba, 5. Ctr. for Sustainable Resource Sci., RIKEN, 6. Res. Ctr. for Agr. Info. Tech., NARO, 7. Inst. Crop Sci., NARO)
2 3 20 (13:20 16:00)
[514]
UAV
Deep learning for prediction of soybean biomass based on UAV remote sensing images
1, Clement Barras1, 1, 1, 2, 3, 1, 4, 5, 2, 6, 3, 1, 11. 2. 3. 4. T-PIRC5. 6. Okada, M.1, C. Barras1, Y. Toda1, Y. Oomori1, Y. Yamasaki2, H. Takahashi3, H. Takanashi1, M. Tsuda4, M. Hirai5, H. Tsujimoto2, A. Kaga6, M. Nakazono3, T. Fujiwara1, H. Iwata1 (1. Grad. Sch. Agr. Life Sci., Univ. Tokyo, 2. Arid Land Res. Ctr., Tottori Univ., 3. Grad. Sch. Bioagri. Sci., Nagoya Univ., 4. T-PIRC, Univ. Tsukuba, 5. Ctr. for Sustainable Resource Sci., RIKEN, 6. Inst. Crop Sci., NARO)
1
0
0
2 1 3 4 5
13:20-16:00
13:20-16:00
13:20-16:15
[509-518]
13:20-16:00
14:25-16:15
(208-217)
(1aE01-08)
2020/3/26 9:0011:48 F Room F1F
(1aF01-09) 2020/3/26 9:0011:48 F Room F1F
-- --
3
2 3 20 (13:20 16:00)
[509] " " Growth characteristics and varietal differences in barley under indoor cultivation system with Speed Breeding condition
, , , Shimizu, H., G. Ishikawa, E. Aoki, T. Tonooka (Inst. Crop. Sci., NARO)
2 3 20 (13:20 16:00)
[510] Genetic factors controlling annual deviation of heading in barley genetic resources
1, 1, 1,21. 2. Sato, K.1, M. Ishii1, K. Mochida1,2 (1. IPSR, Okayama Univ., 2. CSRS, RIKEN)
(509-518)
2 3 20 (13:20 16:00) 5
2 3 20 (13:20 16:00)
[511] Head and anthesis detection for wheat grown at high densities use photography and deep learning
1, 2, 1,Haozhou Wang1, 4, 3,4, 11. 2. 3. 4. Guo, W.1, S. Nasuda2, K. Kuroki1, H. Wang1, T. Tameshige4, K. Shimizu3,4, Y. Iwata1 (1. Grad. Sch. Agr. Life Sci., Univ. Tokyo, 2. Grad. Sch. Agric., Kyoto Univ., 3. Univ. Zurich, Dept. Evol. Biol. Env. Sci., 4. Kihara Inst. Biol. Res, Yokohama City Univ.)
2 3 20 (13:20 16:00)
[512] : Detection of canopy wilting in soybean via deep learning: a screening tool for precision phenotyping
1, 1, 1, 1, 2, 3, 1, 4, 5, 6, 2, 7, 3, 1, 1, 11. 2. 3. 4. T-PIRC5. 6. 7. Imachi, Y.1, Y. Toda1, G. Sasaki1, Y. Omori1, Y. Yamasaki2, H. Takahashi3, H. Takanashi1, M. Tsuda4, Y. Sawada5, H. Kajiya-Kanegae6, H. Tsujimoto2, A. Kaga7, M. Nakazono3, T. Fujiwara1, H. Iwata1, W. Guo1 (1. Grad. Sch. Agr. Life Sci., Univ. Tokyo, 2. Arid Land Res. Ctr., Tottori Univ., 3. Grad. Sch. Bioagri. Sci., Nagoya Univ., 4. T-PIRC, Univ. Tsukuba, 5. Ctr. for Sustainable Resource Sci., RIKEN, 6. Res. Ctr. for Agr. Info. Tech., NARO, 7. Inst. Crop Sci., NARO)
0
0
0
0
5
(multispectral: MS) MS 200 MS RS)UAV RS
2019 4 W1−W4 ) 200 4 W1 W4 RS 1.5 m RS 20 m MS 1 2 1 3 475 nm550 nm660 nm725 nm850 nm 5 660 nm850 nm NDVI MS NDVI
RS MS 550 nm NDVI 0.49−0.87 0.00−0.48 5 RS 1 PC1 850 nm 4 2 PC2 850 nm RS PC1 42 %75 %PC2 28 %21 % PC1 PC2 MS NDVI RS W4 RS W1 RS W1 MS W4 RS MS MS MS GxEGxE MS
139 319321
3
2020/10/30 10:19
(ResistanceTolerance)
3 3 21 930 11:30
3 3 21 930 11:30
[P055-C]
Prediction of soybean growth under drought based on multispectral imaging using drone and ground-level vehicle remote sensing 1, 1, 1, 2, 3, 1, 4, 1, 2, 5, 3, 1, 11. , 2. , 3. , 4. T-PIRC, 5. " " Sakurai, K.1, Y. Toda1, Y. Omori1, Y. Yamasaki2, H. Takahashi3, H. Takanashi1, M. Tsuda4, M. Ishimori1, H. Tsujimoto2, A. Kaga5, M. Nakazono3, T. Fujiwara1, H. Iwata1 (1. Grad. Sch. Agr. Life Sci., Univ. Tokyo, 2. Arid Land Res. Ctr., Tottori Univ., 3. Grad. Sch. Bioagri. Sci., Nagoya Univ., 4. TPIRC, Univ. Tsukuba, 5. Inst. Crop Sci., NARO)
3
2 3 20 (13:20 16:00)
[513] UAV Development of a prediction model based on marker genotype and a growth model: an application to soybean canopy area measured by UAV 1, 1, 1, 2, 3, 1, 4, 5, 6, Lopez-Lozano Raul7, 2, 8, 3, 1,Frederic Baret7, 11. 2. 3. 4. T-PIRC5. 6. 7.INRA EMMAH8.
ID @.com
2 3 20 (13:20 16:00)
[512] : Detection of canopy wilting in soybean via deep learning: a screening tool for precision phenotyping
1, 1, 1, 1, 2, 3, 1, 4, 5, 6, 2, 7, 3, 1, 1, 11. 2. 3. 4. T-PIRC5. 6. 7. Imachi, Y.1, Y. Toda1, G. Sasaki1, Y. Omori1, Y. Yamasaki2, H. Takahashi3, H. Takanashi1, M. Tsuda4, Y. Sawada5, H. Kajiya-Kanegae6, H. Tsujimoto2, A. Kaga7, M. Nakazono3, T. Fujiwara1, H. Iwata1, W. Guo1 (1. Grad. Sch. Agr. Life Sci., Univ. Tokyo, 2. Arid Land Res. Ctr., Tottori Univ., 3. Grad. Sch. Bioagri. Sci., Nagoya Univ., 4. T-PIRC, Univ. Tsukuba, 5. Ctr. for Sustainable Resource Sci., RIKEN, 6. Res. Ctr. for Agr. Info. Tech., NARO, 7. Inst. Crop Sci., NARO)
2 3 20 (13:20 16:00)
[512] : Detection of canopy wilting in soybean via deep learning: a screening tool for precision phenotyping
1, 1, 1, 1, 2, 3, 1, 4, 5, 6, 2, 7, 3, 1, 1, 11. 2. 3. 4. T-PIRC5. 6. 7. Imachi, Y.1, Y. Toda1, G. Sasaki1, Y. Omori1, Y. Yamasaki2, H. Takahashi3, H. Takanashi1, M. Tsuda4, Y. Sawada5, H. Kajiya-Kanegae6, H. Tsujimoto2, A. Kaga7, M. Nakazono3, T. Fujiwara1, H. Iwata1, W. Guo1 (1. Grad. Sch. Agr. Life Sci., Univ. Tokyo, 2. Arid Land Res. Ctr., Tottori Univ., 3. Grad. Sch. Bioagri. Sci., Nagoya Univ., 4. T-PIRC, Univ. Tsukuba, 5. Ctr. for Sustainable Resource Sci., RIKEN, 6. Res. Ctr. for Agr. Info. Tech., NARO, 7. Inst. Crop Sci., NARO)
(509-518)
2 3 20 (13:20 16:00) 5
