Замена камеры Meizu M6 Note
Meizu M6 Note обладает надежной и качественной камерой, способной делать фотографии высокого разрешения. Поэтому ее неисправность приносит большой дискомфорт, особенно если Вы привыкли часто делать фотографии или снимать видео.Оптика основной камеры, чаще всего, изготавливается из стеклянных линз и имеет автофокус (электромагнитный), он может заклинить в том случае если смартфон упал или ударили, а также при попадании пыли. А вот линза фронтальной камеры, сделана чаще всего из пластика, и она сильнее подвержена механическим повреждениям. Все камеры, представляют из себя единый блок, и в случае удара от падения или поражения водой не подлежат чистке или ремонту. Возможна только замена.
Для замены камеры в Meizu M6 Note следует обратиться в мастерскую Kangaroo Service. Специалисты сделают ремонт быстро и качественно.
Замена основной камеры в Meizu M6 Note
Основная камера аппарата может выйти из строя из-за мех. воздействий, попадания жидкости или ворса.Камера держится на материнской плате при помощи разъемов, заменять ее самостоятельно не рекомендуется. Для выполнения такого ремонта необходима разборка смартфона. Не пробуйте самостоятельно разобрать смартфон и заменить камеру. Эту работу лучше доверить мастерам.
Замена фронтальной камеры в Meizu M6 Note
Причины неисправности фронтальной или лицевой камеры могут состоять: в сбое программного обеспечения, который вызван неправильной прошивкой, попыткой установки неоригинальной прошивки или же загрузкой конфликтного ПО; недостаточное количество оперативной памяти для нормальной работы устройства, из-за этого приложение не может сохранять временные файлы фотографий; аппаратной поломке, эта проблема может быть в повреждении шлейфа, дефекте камеры или заводском браке. Перед ремонтом необходима диагностика, потому как в некоторых ситуациях неисправность камеры является следствием неполадок материнской платы или других элементов.Замена камеры в Meizu M6 Note зачастую необходима после удара или падения устройства или проникания жидкости в корпус.
Симптомы повреждения включают: не работает фокусировка, размытые фотографии, разнообразные помехи (полосы, точки, пятна). Если приложение не открывается, это программный сбой, но если программа открыта, а на экране нет изображения, то проблема в аппаратной части устройства.
Замена камеры в Meizu M6 Note срочно
Профессиональные мастера Kangaroo Service выполнят ремонт камеры на телефоне Meizu M6 Note быстро и надежно.В мастерской Kangaroo Service выполняется полная диагностика Meizu M6 Note, мы используем только современное оборудование для диагностики и ремонта телефонов.
Установка новой камеры производится с пошаговой проверкой на каждом этапе, и после замены смартфон будет подвергнут подробной диагностике. Сотрудники сообщат Вам какая стоимость заменить камеру.
Если вы согласны на продолжение ремонта – ми приступаем к ремонту или замене камеры.
Замена камеры в Meizu M6 Note займет минимум времени, поскольку у нас всегда есть необходимые комплектующие.
Приходите ремонтировать смартфоны в Kangaroo Service, заменим камеру в Meizu M6 Note быстро и надежно!
500 р.
Отзывы Meizu M3 Note 32Gb | Мобильные телефоны Meizu
Подробные характеристики
Общие характеристики
- Тип
- смартфон
- Версия ОС
- Android 5.1
- Тип корпуса
- классический
- Материал корпуса
- металл и пластик
- Количество SIM-карт
- 2
- Режим работы нескольких SIM-карт
- попеременный
- Вес
- 163 г
- Размеры (ШxВxТ)
- 75.5×153.6×8.2 мм
Экран
- Тип экрана
- цветной IPS, сенсорный
- Тип сенсорного экрана
- мультитач, емкостный
- Диагональ
- 5.5 дюйм.
- Размер изображения
- 1920×1080
- Число пикселей на дюйм (PPI)
- 401
- Автоматический поворот экрана
- есть
Мультимедийные возможности
- Фотокамера
- 13 млн пикс. , светодиодная вспышка
- Функции камеры
- автофокус
- Диафрагма
- F/2.2
- Запись видеороликов
- есть
- Макс. разрешение видео
- 1920×1080
- Фронтальная камера
- есть, 5 млн пикс.
- Аудио
- MP3
- Разъем для наушников
- 3.5 мм
Связь
- Стандарт
- GSM 900/1800/1900, 3G, 4G LTE, VoLTE
- Поддержка диапазонов LTE
- FDD-LTE: 1800, 2100, 2600 МГц
- Интерфейсы
- Wi-Fi 802.11n, Bluetooth 4.0, USB
- Спутниковая навигация
- GPS/ГЛОНАСС
- Cистема A-GPS
- есть
Память и процессор
- Процессор
- MediaTek Helio P10 (MT6755)
- Количество ядер процессора
- 8
- Видеопроцессор
- Mali-T860 MP2
- Объем встроенной памяти
- 32 Гб
- Объем оперативной памяти
- 3 Гб
- Слот для карт памяти
- есть (совмещен со слотом для второй SIM-карты)
Питание
- Емкость аккумулятора
- 4100 мА⋅ч
- Тип разъема для зарядки
- micro-USB
Другие функции
- Громкая связь (встроенный динамик)
- есть
- Управление
- голосовой набор, голосовое управление
- Режим полета
- есть
- Датчики
- освещенности, приближения, Холла, компас, считывание отпечатка пальца
- Фонарик
- есть
Дополнительная информация
- Особенности
- процессор: ARM Cortex-A53 1. 8 GHz x4 + ARM Cortex-A53 1.0 GHz x4
- Дата анонсирования
- 2016-04-06
Перед покупкой уточняйте технические характеристики и комплектацию у продавца
Обзор Meizu 15 — тест смартфона на Prophotos.ru
Содержание:
Знакомство со смартфоном
Компания Meizu недавно отпраздновала своё пятнадцатилетие. За это время бренд прошёл сложный и тернистый путь, выпуская сначала музыкальные плееры, а впоследствии выйдя и на рынок смартфонов. Я узнал компанию Meizu с флагманской модели MX3 2013 года. Тогда это был крайне интересный смартфон с неплохой камерой, а ещё он отлично звучал благодаря выделенному аудиочипу. Последнее позволило называть смартфон одним из первых музыкальных флагманов.
Узнать цену Meizu 15
В честь своего юбилея Meizu представила сразу два смартфона, вобравшие в себя всё самое лучшее от бренда: Meizu 15 и 15 Plus. Более того, компания отказалась от прошлогоднего революционного решения с маленьким дополнительным экраном на задней стенке, сделав классические флагманы.
Meizu 15 в Россию попал первым. Интересно, что разница между двумя флагманами невелика: диагональ дисплея, размеры и ёмкость аккумулятора. Но есть и одна более важная деталь — разные процессоры. В обычной «пятнашке» стоит Qualcomm Snapdragon 660, который показал себя отлично, но по мощности он уступает Snapdragon 845, по сути представляя средний класс чипсетов. А вот в Plus-версии установлен процессор Exynos 8895 Octa: чипсет производства Samsung флагманского уровня. До этого он устанавливался в смартфонах Samsung Galaxy S8 и S8+, а также Note 8. Можно, конечно, сказать, что Samsung чистит склады и именно поэтому Meizu 15 Plus получил партию этих процессоров, но чипсеты отлично себя зарекомендовали, построены на 10 нм техпроцессе и всё ещё не устарели.
Технически блоки камеры тоже практически одинаковые, разница лишь в процессах постобработки. Так что модели 15 и 15 Plus всё-таки не идентичны. Поэтому данный тест актуален только для Meizu 15, а Meizu 15 Plus мы надеемся протестировать отдельно чуть позже.
В Meizu 15 стоит блок двойной камеры c широкоугольным и телеобъективами. Основной в таком случае считается широкоугольная камера. Здесь установлен сенсор Sony IMX350 разрешением 20 Мп. Его физический размер составляет 1/2,8 дюйма. Эквивалентное фокусное расстояние объектива — 25 мм, а светосила — F1.8.
Во второй камере расположен сенсор Sony IMX380 разрешением 12 Мп и размером 1/2,3 дюйма. Здесь установлен объектив с эквивалентным фокусным расстоянием 38 мм и светосилой F2.6. Таким образом, за двукратный оптический зум и трёхкратный гибридный отвечает объектив, который физически не может сделать оптический зум 2x. Подобное мы видели в Xiaomi Mi MIX 2S. Здесь немного по-другому, поскольку есть и оптический зум, и большее разрешение в матрице основной камеры.
Кроме того, в камере присутствует фазовый автофокус и лазерный дальномер, а также установлена кольцевая двухцветная вспышка.
Во фронтальной камере используется сенсор разрешением 20 Мп и объектив светосилой F2. 0.
Технические характеристики Meizu 15 | |
Экран | 5,46 дюйма, Super AMOLED, соотношением сторон 16:9, 1920х1080, 403 ppi |
Процессор | Восьмиядерный, Qualcomm Snapdragon 660, 2,2 ГГц |
4 ГБ | |
Встроенная память | Не поддерживается |
Карта памяти | Не поддерживается |
SIM | Поддержка двух SIM-карт |
Сканер отпечатков пальцев | Есть, спереди (mTouch) |
Аудиоразъём | Есть, 3,5 мм |
Коммуникации | LTE Cat. 6, Wi-Fi 802.11ac, Bluetooth 4.2, USB Type-C |
A-GPS, ГЛОНАСС, Beidou | |
Дополнительно | Клавиша mTouch с линейным приводом |
Аккумулятор | 3000 мА·ч, несъёмный. Поддерживается быстрая зарядка |
Обзор камеры Meizu 15
В данном случае нельзя не сказать несколько слов о приложении камеры. С одной стороны, оно очень дружелюбное в плане интерфейса: все элементы управления на главном экране, всё оказывается под рукой, можно включить уровень и сетку. С другой стороны, по умолчанию включён водяной знак (это вы увидите на большинстве снимков), непонятны размеры фотографий, поскольку в настройках нет разрешения, можно выбрать лишь соотношение сторон. Да и вообще, настроек тут не так много. Разрешение появляется лишь один раз в ручном режиме: иконка с пояснением «Включить HD-разрешение».
Днём в условиях хорошей освещённости камера Meizu 15 показала себя отлично. Мы снимали с соотношением сторон 4:3 и получили 12-мегапиксельные снимки и на основную, и на камеру с телеобъективом.
Качество снимков нам понравилось: естественная цветопередача, высокая детализация. Можно отметить разве что излишнюю контурную резкость, более известную как перешарп, но заметна она только на стопроцентном кропе. Также мы отметили блики, которые могут появляться при съёмке против света: в некоторых случаях их можно использовать как художественный эффект, но вряд ли он понравится всем и каждому.
В камере Meizu 15 есть двукратный оптический зум и трёхкратный гибридный зум. Увеличение в два раза работает уверенно и хорошо выполняет свои функции, а вот гибридный трёхкратный зум слабоват: видно, что перед нами не что иное, как кроп изображения.
15 УСТАНОВКИ: ISO 50, F1.8, 1/2475 с, 25.0 мм экв. 15 УСТАНОВКИ: ISO 50, F2.6, 1/659 с, 39.0 мм экв. 15 УСТАНОВКИ: ISO 50, F2.6, 1/680 с, 39.0 мм экв. 15 УСТАНОВКИ: ISO 69, F1.8, 1/495 с, 25.0 мм экв. 15 УСТАНОВКИ: ISO 85, F2.6, 1/100 с, 39.0 мм экв.В наличии и привычная для смартфонов функция съёмки с расширенным динамическим диапазоном HDR. Однако её работу можно сравнить с наложением эффекта. На фотографии красной машины в буквальном смысле появились новые детали. Немного ушёл пересвет от закатного солнца, но больше всего изменений на тёмных участках: автомобиле, кирпичной кладке и оконных рамах.
15 УСТАНОВКИ: ISO 126, F1.8, 1/1075 с, 25. 0 мм экв. 15 УСТАНОВКИ: ISO 50, F1.8, 1/426 с, 25.0 мм экв. 15 УСТАНОВКИ: ISO 113, F1.8, 1/5076 с, 25.0 мм экв. 15 УСТАНОВКИ: ISO 113, F1.8, 1/5076 с, 25.0 мм экв.Благодаря использованию двойной камеры в Meizu 15 есть портретный режим, который работает довольно точно. При этом для его корректной работы не обязательно присутствие модели в кадре: устройство распознаёт не только человека, но и контуры других объектов, размывая задний план.
15 УСТАНОВКИ: ISO 85, F1.8, 1/818 с, 4.6 мм экв.В режиме панорамы Meizu 15 чувствует себя неплохо: склейки практически незаметны, но имеют место небольшие искажения геометрии объектов. Также наблюдаются проблемы при работе со светом: при ярком солнце могут быть пересветы, либо же вся панорама будет излишне тёмной.
В помещении Meizu 15 также показал себя хорошо: правильные цвета и подбор баланса белого, точная работа фокуса.
15 УСТАНОВКИ: ISO 62, F1.8, 1/985 с, 25.0 мм экв. 15 УСТАНОВКИ: ISO 53, F1.8, 1/630 с, 25.0 мм экв. 15 УСТАНОВКИ: ISO 50, F1.8, 1/103 с, 25.0 мм экв. 15 УСТАНОВКИ: ISO 53, F1.8, 1/33 с, 25.0 мм экв. 15 УСТАНОВКИ: ISO 66, F1.8, 1/100 с, 25.0 мм экв. 15 УСТАНОВКИ: ISO 76, F1.8, 1/33 с, 25.0 мм экв.В условиях недостаточной освещённости камера также чувствует себя неплохо, обеспечивая правильную цветопередачу и хорошую детализацию. Но не всё идеально: могут появляться смазы от увеличившейся выдержки, шумы и артефакты.
15 УСТАНОВКИ: ISO 795, F1.8, 1/33 с, 25.0 мм экв. 15 УСТАНОВКИ: ISO 317, F1.8, 1/33 с, 25.0 мм экв. 15 УСТАНОВКИ: ISO 337, F1.8, 1/33 с, 25.0 мм экв. 15 УСТАНОВКИ: ISO 509, F1.8, 1/33 с, 25.0 мм экв.Meizu 15 умеет записывать ролики в разрешении 4K. В устройстве есть четырёхосевая стабилизация, но она не спасает от дрожания рук. И при очень хорошем качестве изображения видео страдает от «трясучки». Также необходимо крайне аккуратно держать смартфон, потому что легко закрыть микрофон и получить на выходе приглушённый звук.
Устройство умеет записывать видео с замедлением. Получается очень неплохо. Качество — HD.
Фронтальная камера разрешением 20 мегапикселей хорошо справляется со своей работой: автопортреты получаются качественными и чёткими. Отметим правильные цвета и всего три степени бьютификации — выключено (этим и пользовались), слабо и сильно.
15 УСТАНОВКИ: ISO 50, F2, 1/86 с, Unknown экв.Выводы
К сожалению, в прошлом году мы не смогли протестировать интересные и инновационные Meizu Pro 7, поэтому слегка подзабыли, насколько качественно умеет делать смартфоны эта китайская компания.
Meizu 15 не только универсален и хорош по камере, он ещё и приятный внешне, хотя некоторые дизайнерские решения удивляют. Мы протестировали синюю версию с задней крышкой из полированного алюминия и с сожалением отмечаем, что смартфон почему-то сильно пачкается. Кроме того, спорными показались антенные вставки, а именно древнегреческий узор на них, не объяснимый ни с практической точки зрения, ни с точки зрения дизайна. Также мы отметили немного выступающий блок камеры.
В 2018 году видеть флагманский смартфон с соотношением сторон 16:9 как минимум странно. При этом боковые рамки очень маленькие. К сожалению, мы заметили ложные срабатывания, когда держишь смартфон — это не очень приятно.
Из плюсов, кроме достойной начинки, стоит отметить и обновлённую фирменную кнопку mTouch, которая получила линейный привод, похожий на тот, что стоит в iPhone. И ощущение от клика очень похожее: виброотклик нам понравился.
Мы отметили хоть и странный по соотношению сторон (16:9), но очень качественный Super AMOLED дисплей. Meizu 15 — редкий представитель смартфонов: им удобно пользоваться одной рукой. Также стоит отметить 3,5 аудиоразъём, что вкупе с ЦАП (по традиции Meizu), позволяет выдать отличный звук на наушники.
Оболочка, привычная для Meizu, — Flyme. Удобная, но почти неизменная внешне уже много лет. Также мы с сожалением отметили сравнительно небольшой аккумулятор в 3000 мАч.
Что же касается камеры, она оказалась универсальной и весьма неплохо справилась со всеми основными задачами. Днём, в помещении, в условиях с недостаточной освещённостью — везде она показала себя хорошо. Можно отметить разве что небольшой перешарп, слабую работу гибридного зума и недостаточную стабилизацию в режиме видео. Также к минусам отнесём приложение камеры: оно настолько простое, что становится непонятно, в каком разрешении снимает камера. Можем отметить и отсутствие RAW-формата, что для флагмана можно считать недоработкой.
При этом стоит сказать комплимент фронтальной камере. Она нам очень понравилась — селфи получились великолепные!
Плюсы:
корпус из стекла и металла;
хорошие мощности;
4 ГБ оперативной памяти и накопитель на 64/128 ГБ;
поддержка двух SIM-карт;
Full HD 5,46-дюймовый OLED-дисплей;
Клавиша mTouch с правильным виброоткликом;
3,5 мм аудиоразъём и отличный звук;
универсальная основная камера;
хорошая фронтальная камера.
Минусы:
корпус быстро ловит отпечатки;
ложные срабатывания из-за безрамочной конструкции;
соотношение сторон дисплея 16:9;
трехкратный гибридный зум работает слабо;
нет поддержки RAW-формата;
возможны смазы и шумы при съёмке в темноте;
слабая работа стабилизации при съёмке видео;
при съёмке видео легко закрыть микрофон и получить глухой звук;
малый объём аккумулятора.
Узнать цену Meizu 15
Рейтинг Prophotos
Оценка редакции
Оправданность цены
Meizu M6 Note — камера ничего — Анастасия Пашкевич — Хайп
«Ничего так или ничего хорошего?» — спросите вы. Сделайте свои выводы, посмотрев фото и видео ниже, отснятые на Meizu M6 Note. А посмотреть-таки стоит, если вас интересует недорогой девайс с двойной камерой.
О камере и интерфейсе
Тыльная камера Meizu M6 Note — это основной 12-мегапиксельный модуль с апертурой объектива f/1.9 и 5-мегапиксельная дополнительная камера с диафрагмой f/2.0. Она служит для эффекта мягкого боке на фоне, а также для улучшения фокусировки. Только автофокус срабатывает неплохо, а ручной временами хромает, но об этом позже.
В окне камеры Meizu M6 Note режимы съемки расположены в двух местах. Основные: Портрет, Авто и Видео — внизу над кнопкой затвора, а первая верхняя кнопка (4 точки) открывает список из дополнительных: Мейкап, Вручную, Замедленная съемка, Покадрово, Панорама, Сканер, GIF.
Немного непривычно, что кнопка переключения между основной и фронтальной камерой внизу слева, а режимы съемки вынесли на верхнюю панель. В поисках режимов каждый раз наступает легкий ступор.
Помимо режимов, в верхней строке находится вспышка, HDR, эффект размытия — тот самый, что обеспечивается двумя объективами. А также набор цветовых пресетов и малость настроек.
Если два раза тапнуть по экрану, включается квадратный режим съемки. Зум традиционно — разведением пальцев. Долгим нажатием на кнопку затвора запускается серийная съемка.
Режимы съемки
Портрет
Если вы подумали, что портретная съемка — это про боке, ан нет. Здесь это про высокие китайские технологии бьютификации или замыливания лица.
В смарт-режиме можно выбрать уровень сглаживания кожи от 0 до 5. Без эффекта, на тройке и на пятерке фотографии получаются вот так.
Без эффекта, 3, 5В расширенном режиме, помимо выравнивания, можно сделать себе глаза побольше, подтянуть и отбелить лицо. Проверить на себе эти чудеса цифровой пластики мочи не хватило.
Думаю, что оптимальный вариант из всего перечисленного — это смарт, то есть запускающийся по умолчанию портретный режим. Но, пожалуй, от 1 до 3.
Авто и HDR
Главное огорчение по поводу камер Meizu M6 Note — это переэкспозиция. В автоматическом режиме небо часто и густо получается бесцветным, будто вырезали кусок кадра и подложили обычный А4. И HDR не всегда спасает.
Без HDR/ с HDRБез HDR/ с HDRHDR лучше всего улучшает и без того неплохие фотографииЭкспокоррекция в минус помогает решить вопрос с засветкой, но тогда темные детали уходят в сумрак.
В помещении фотографии получились выше моих ожиданий: без бросающегося в глаза зерна.
В сумерках на фото заметен перешарп, но, если не акцентировать внимание на проводах и простить некоторую неестественность цвета, кадры приятные.
Ночью фото немного шумят. Но для камеры бюджетного смартфона результат совсем не плох.
Эффект размытия
Размытие, действительно, мягкое, цвета приятные. И за счет получения двумя матрицами большего количества света в условиях плохого освещения получаются годные фото.
Вручную лучше не фокусироваться, так как при попытке указать камере пальчиком, куда целиться, часто случаются казусы. Если тапнете по лицу, то только оно и останется в фокусе. А может случиться и полный обратный эффект: и вовсе весь кадр останется расфокусированным. Но это не проблема, так как автофокус срабатывает неплохо. При съемке одного-двоих. Компания же побольше в этом режиме часто получается в дымке, кроме одного счастливчика, которого выделила камера.
Что касается четкости, не ожидайте чего-то сверхидеального: иногда размытие или световые блики заходят на объект съемки. На этом, в том числе сказывается направление освещения, и то, насколько неподвижны ваши руки и ваша «модель». Кадры, которые снимала я, получились лучше, чем вышеприведенные, когда снимали меня. И давайте будем объективны: пока что не выпустили смартфон, который идеально размывает фон. К тому же портретному режиму iPhone X, судя по отзывам, тоже есть претензии.
В целом, несмотря на недоработки, эффект мне понравился.
Видео
Meizu M6 Note поддерживает видеосъемку в форматах 720p, 1080p и 4K. У видео та же проблема, что и у фото: в зависимости от направления света, случается переэкспозиция. Которую может сопровождать шум ветра, записанный микрофоном.
Вот пример более-менее удачного видео.
Макро
Отдельного режима макро здесь нет: нужно либо приближать, либо приближаться со смартфоном к объекту.
Максимальный зум 8х выглядит еще сносно, относительно того, что получается на большинстве смартфонов. Приближение в несколько крат, естественно, дает более четкие фото.
А вот когда подходишь снять какой-то цветочек вблизи, случается упс — девайс расфокусируется.
Мейкап
После режима Портрет неясно зачем нужен режим Мейкап. Особенно, если учесть, что он придает какой-то болезненный загар, проваливает глаза серыми тенями и прямо-таки прорисовывает под ними мешки.
Это лучшее, что получилось из потуг цифрового макияжа.
Ужасы нашего городка. С мыльцем и традиционно загулявшим белымЗамедленная съемка
Пример съемки слоу-моушн 1280х720 пикселей + зум.
Покадрово
Как и о фото в мануальном режиме с большой выдержкой, мысль о съемке ночных таймлапсов приходила, когда снимать уже было нечего. Поэтому вот вам маленький дневной.
Панорама
Снять панораму с первого дубля нужно постараться: неверное движение, и видно склейку кадров.
GIF
Вот такие гифки.
Фронтальная камера
Передняя камера с 16 Мп матрицей и объективом с диафрагмой f/2.0 снимает видео Full HD качества и неплохие фото. Для фронталки доступны те же самые опции и режимы, кроме эффекта размытия и HDR.
Без бьютификации, с немножко и с множко улучшенийИ все было бы хорошо в фотографиях, если бы не два но: во-первых, все та же проблема с белым небом на уличных фото. Только еще хуже, чем на основную. И, во-вторых, особенности бьютификации портрета.
Во многих китайских смартфонах этого ценового сегмента украшательство реализовано лучше. Слегка оптимизировали лицо, и ты куколка. Здесь же, при всем арсенале фич, камера подчеркивает и усугубляет асимметрию лица: вместо того, чтобы сглаживать недостатки, она делает их явными. В общем, 2/3 кадров — красиво, аж страшно, и где-то треть — то, что можно людям показать.
Учитывая, что это все та же программа Портрет, что и для основной камеры, возможно, недостатки более заметны из-за съемки вблизи.
Галерея
Галерея как галерея: со всякими фильтрами и опциями редактирования фотографий. Но, благодаря двойной камере, и здесь есть фишка — возможность изменить фокус на фото, снятых с эффектом размытия.
Постфокус и фильтрыУвидела ее и умилилась. Вспомнила, как годы назад я писала заметку об уникальной технологии постфокусировки фото, внедренной одной из компаний-производителей фотоаппаратов. Тогда снимки нужно было грузить на специальный сайт, чтобы их отредактировать. А сегодня в недорогом смартфоне меняй фокус сколько влезет. Как быстро техника растет.
Особенно постфокусировка пригодится при предметной съемке, так как у камеры есть манечка фокусироваться ближе к дальнему плану.
Пахлава с орехами, эффектом размытия и смененным в редакторе фокусомЧто еще нравится в галерее: можно просмотреть детали изображения. Но не нравится, что не указано, какие из фото сняты с HDR.
Особо стоит упомянуть фильтры. На максимуме они делают каку — появляются пятна а-ля инверсия. Чтобы пользоваться эффектами, нужно скручивать ползунок до минимума, но тогда фильтры незначительно меняют цвета кадра.
Плюсы
- Двойная камера, эффект размытия.
- Хорошие фото в портретном режиме.
- Неплохое качество фото при недостаточном освещении.
Минусы
- Любит переэкспонировать фотографии.
- HDR не всегда вытягивает кадры.
Итого
При своей цене к Meizu M6 Note грешно придираться. Да и незачем: на этот девайс временами получаются кадры более высокого качества, чем ожидалось. А в прямых руках, думаю, и не временами.
Этот смартфон для вас, если подыскиваете недорогой девайс с хорошей камерой и готовы примириться с озвученными минусами, вылезающими через кадр.
Лучший удешевлённый смартфон-флагман. Обзор Meizu 16 (16X) — Ferra.
ruНедостачу ёмкости аккумулятора Meizu 16 компенсирует практичностью. На корпусе компактного флагмана есть почти всё необходимое — и 3,5 мм разъём для наушников (в отличие от большинства китайских флагманов), и разъём для USB Type-C, и двойная камера (чего вы смеётесь-то? Sony до сих пор комплектует смартфоны только одной камерой, например) на задней панели.
Чего не хватает? Сканера отпечатка пальцев. Meizu решила сделать модно и молодёжно, поэтому в этой модели он встроен прямо в дисплей. На тот же манер, что и у всех подобных смартфонов — Huawei Mate 20 Pro, Vivo NEX, OPPO RX17. Это одновременно и удобно — сканер всегда перед носом, но не занимает отдельного места; и не очень — в дисплеях сканеры оптические и работают чуть менее точно и быстро, чем тем, к которые обычно находятся на корпусе. В случае с Meizu 16 все примерно как у всех — датчик работает хорошо, но не так быстро, как у обычных смартфонов.
Один из недостатков в оснащении смартфона — у него нет NFC. Как, впрочем, его нет ни у одного смартфона Meizu. Но в Китае NFC никому не нужен, а специально для России делать отдельную версию не хотят. Редиски ли Meizu после этого? Это философский вопрос. С одной стороны, в России продают не так уж много китайских флагманских смартфонов, чтобы делать специальные версии для нас (в Европе Google Pay всё ещё малопопулярен, в США китайские крутые смартфоны, как вы знаете, не пускают). С другой — на сегодняшний день у Meizu полно конкурентов c NFC за эту же цену, включая Xiaomi Mi 8. Сяоми скупердяйничает и ставит NFC скрепя сердце и сжав зубы, но делает это хотя бы для дорогих своих моделей.
Дисплей и звук
Как я уже упомянул, у Meizu 16 не гигантский, а относительно умеренный для 2018 года дисплей — ровно 6 дюймов. Чтобы было ещё понятнее, переведу «на человеческий язык» — по габаритам этот Meizu с 6 дюймам равен Самсунгу S7 edge, у которого 5.5 дюймов на очень компактном корпусе.
Соотношение сторон, как сейчас модно, 2 к 1, а разрешение самое распространённое среди последних новинок — 2160×1080 точек. Да, не сверхчёткое, а просто Full HD+, но, во-первых, смартфон достаточно недорогой, во-вторых, огромное количество отображаемых точек сильно разряжает аккумулятор, так что и без него — высокого разрешения — жить неплохо. Зато матрица у Meizu 16 — AMOLED. Кстати, это как раз сделало возможным установку сканера отпечатка пальца в экран. И благодаря этому же смартфон умеет показывать время, дату и заряд аккумулятора, когда «спит».
Смартфон Meizu M5 Note 16GB
Класс устройства
Смартфон/коммуникатор
Корпус
Форм-фактор
Моноблок
Тип клавиатуры
Нет
Количество sim-карт
2 sim-карты, (слот для второй SIM-карты совмещен со слотом для карты памяти microSD)
Основной материал корпуса
Металл, Пластик
Ударопрочный
Нет
Водонепроницаемый
Нет
Цвет
Серый, Черный
Дисплей
Диагональ
5.5 «
Разрешение
1920х1080 (Full HD)
Сенсорный
Есть
Тип сенсора
Емкостный
Multitouch
Есть
Количество цветов
16.7 млн. цветов
Яркость
450 кд/м²
Контрастность
1000 : 1
Олеофобное покрытие
Есть
Технология полного ламинирования GFF
Есть
Особенности
2.5D-стекло
Процессор и память
Модель процессора
MediaTek MT6755 (Helio P10)
Общее количество ядер
8
Частота основных ядер процессора
1800 МГц
Видеопроцессор
Mali-T860
Оперативная память
3072 МБ
Постоянная память
16 ГБ
Поддержка карты памяти
Есть
Тип карты памяти
Micro SD, Micro SDHC, Micro SDXC
Максимальный объем карты памяти
128 ГБ
Операционная система и программное обеспечение
Операционная система
Android 6.0 Marshmallow
Оболочка
Flyme 6.0
Сотовая связь
Поддержка сетей 3G
Есть
Поддержка сетей LTE (4G)
Есть
GSM
850 МГц, 900 МГц, 1800 МГц, 1900 МГц
UMTS (W-CDMA)
850 МГц, 900 МГц, 1900 МГц, 2100 МГц
LTE
800 MГц, 900 MГц, 1800 MГц, 2100 MГц, 2600 MГц
HSPA
Есть
HSPA+
Есть
GPRS
Есть
EDGE
Есть
Интернет
Браузер
Есть
WAP
Есть
HTML
Есть
Мультимедиа
Поддерживаемые аудиоформаты
AAC, AMR, APE, FLAC, M4A, MKA, MP3, Midi, OGG
Поддерживаемые видеоформаты
3GP, AVI, FLV, MKV, MOV, MP4, MPEG-4
Поддерживаемые форматы изображений
BMP, GIF, JPG, PNG
Диктофон
Есть
Датчики
Гироскоп
Есть
Акселерометр
Есть
Компас
Есть
Датчик приближения
Есть
Датчик освещения
Есть
Touch ID (датчик идентификации по отпечатку пальца)
Есть
Датчик Холла
Есть
Основная камера
Основная камера
Есть
Разрешение фото основной камеры
13 МП
Разрешение записи видео
1080p (Full HD)
Диафрагма
F2.2
Автофокус
Есть
Вспышка
Есть
Фокусировка касанием
Есть
Тип матрицы
CMOS
Фронтальная камера
Фронтальная камера
Есть
Разрешение фото
5 МП
Разрешение записи видео
Есть
Функции камеры
Панорамная съёмка
Есть
HDR
Есть
Особенности
Распознавание лиц
Записная книга и органайзер
Органайзер
Будильник, календарь, калькулятор
Вызовы и сообщения
Сигналы вызова
mp3, Вибровызов, Полифонические мелодии
Сообщения
E-mail, MMS, SMS
Предиктивный ввод
Есть
Навигация
Модуль GPS
Есть
Модуль A-GPS
Есть
Модуль ГЛОНАСС
Есть
Интерфейсы
Интерфейсный разъем
MicroUSB
Поддержка USB-Host (OTG)
Есть
Разъем для наушников
3.5 мм
Bluetooth
Есть
Спецификация Bluetooth
4.0 BLE
Профили Bluetooth
A2DP
Wi-Fi
Есть
Стандарты Wi-Fi
IEEE 802.11a, IEEE 802.11b, IEEE 802.11g, IEEE 802.11n
Питание
Тип аккумулятора
Li-Ion
Съемный аккумулятор
Нет
Ёмкость
4000 мАч
Другие характеристики
Поддержка быстрой зарядки
Есть
Комплект поставки
Смартфон, скрепка для извлечения SIM-карты, сетевое зарядное устройство, кабель USB, документация
Габариты
75.8 x 153.6 x 8.1 мм
Вес нетто
0.175 кг
Обзор Meizu M10 — Root Nation
Компания Meizu некоторое время переживала не лучшие времена и длительный период новые смартфоны если и выходили, то не были рассчитаны на другие рынки, кроме как домашнего китайского. Но после оказанной финансовой помощи со стороны правительства, Meizu решила вновь вернуться на глобальный рынок. Так, совсем недавно компания провела мероприятие в Киеве, где показала уже известный миру Meizu Note 9, а также новинку — бюджетный Meizu M10. И в этом обзоре мы постараемся разобраться, сможет ли M10 возобновить былую популярность бренда среди потребителей.
Meizu M10
Технические характеристики Meizu M10
- Дисплей: 6,5″, TFT, 1600×720 пикселей, соотношение сторон 19,5:9, 270 ppi
- Чипсет: MediaTek MT6757CD Helio P25, 8-ядерный, 4 ядра Cortex-A53 с тактовой частотой 2,4 ГГц и 4 ядра Cortex-A53 с тактовой частотой 1,7 ГГц
- Графический ускоритель: Mali-T880 MP2
- Оперативная память: 2/3 ГБ
- Постоянная память: 32 ГБ
- Поддержка карт памяти microSD: до 128 ГБ
- Беспроводные сети: Wi-Fi 802.11 a/b/g/n/ac, Bluetooth 4.2, GPS (A-GPS, GLONASS)
- Основная камера: тройная, главный модуль 13 Мп, f/2.2, PDAF; 2 Мп, f/2.2; 2 Мп, f/2.2
- Фронтальная камера: 8 Мп, f/2.4
- Аккумулятор: 4000 мАч
- ОС: Android 9.0 Pie
- Габариты: 164,87×76,33×8,45 мм
- Масса: 184 г
Стоимость Meizu M10
Стоимость смартфона в Украине была объявлена на презентации — это 3999 гривен ($160). Для покупки будет доступна версия с 3 ГБ оперативной памяти и 32 ГБ постоянной памяти. Хотя вообще есть вариант 2/32 ГБ, но на наш рынок его завозить не будут и это правильно.
Дизайн, материалы и сборка
Сейчас дела складываются так, что дизайн всех смартфонов, а особенно недорогих — фактически одинаков. Капелька сверху экрана, эффектная спинка и приевшееся расположение блока камер.
В Meizu M10 это всё тоже есть. Рамки не очень тонкие, отступ снизу — широкий, зато без логотипа. Вертикальный модуль слева сверху едва выступает над поверхностью спинки — я расцениваю это как плюс.
Ну и цвет — у тестового образца он именуется как Sea Blue. Синий сверху немного светлеет ближе к нижней части , где превращается в голубой. Опять же — много слоев, которые в совокупности создают переливающийся эффект. Красиво, но есть у всех.
Кроме такого цветового решения, в продаже будут доступны более консервативный Phantom Black и нацеленный на аудиторию женского пола — Purplish Red.
Стекло спереди с небольшим закруглением, пластиковая рамка из глянцевого пластика синего цвета. Материал изготовления тыльной панели — очень напоминает стекляшку, вот одна из лучших имитаций стекла, что я встречал. Но чуда не произошло и если надавить на эту панельку — будет заметно, что она прогибается. То есть — пластик.
В то же время, каким-нибудь недостатком или упущением данный факт я не могу назвать. Стекло в данном ценовом сегменте встречается так же часто, как и смартфоны Meizu на полках локальных магазинов. Иными словами — крайне редко. Но вероятно, что это может измениться — ждём.
Собран смартфон очень хорошо, ничего не люфтит и не скрипит. Олеофобное покрытие есть на фронтальной стороне и немного меньше на задней. Впрочем, это не отменяет того факта, что следы пальцев остаются. Тем не менее — убираются они тоже легко.
Компоновка элементов
Сверху над дисплеем собраны все основные элементы: датчики освещенности и приближения, разговорный спикер, фронтальная камера и светодиодный индикатор. Снизу можно увидеть лишь абсолютно пустое поле. Кстати, индикатор спереди периодически включается просто потому что. Уведомлений нет, все пришедшие закрыты, никаких сторонних режимов не включено, но он мигает. Так же внезапно прекращает.
Левый торец располагает клавишей управления громкостью и кнопкой питания. На правом разместился комбинированный слот для пары карточек nanoSIM, одну из которых можно заменить на microSD-шку.
На нижней грани: аудиопорт 3,5-мм, микрофон, microUSB-порт и мультимедийный динамик. Верхняя грань в свою очередь абсолютно пуста.
Сзади — блок с тремя глазками камер, где центральный в дополнительной окантовке, а под ним — вспышка. По центру ниже — небольшая круглая площадка со сканером отпечатков пальцев, а в самом низу — логотип Meizu и немного других надписей.
Эргономика
Meizu M10 — большой смартфон, в каком-то смысле даже фаблет. Соответственно пальцем одной руки достать до любого места экрана, не перехватывая само устройство при этом, — невозможно. Габариты следующие: 164,87×76,33×8,45 мм, масса — 184 грамма.
Кнопки довольно крупные, но из-за высоты смартфона — повышать громкость не всегда удобно. А вот сканер отпечатков — расположен прямо на идеальной для меня высоте. Корпус не очень скользкий в руке, но с наклоненной поверхности смартфон может и съехать.
Дисплей Meizu M10
Как уже сообщалось, смартфон крупный и следовательно дисплей у него тоже немаленький. Диагональ экрана 6,5″, тип матрицы в некоторых источниках заявлен как TFT. Официальный сайт почему-то не дает конкретной информации по используемой технологии. Далее — разрешение HD+ (1600×720 пикселей), соотношение сторон 19,5:9 и плотность пикселей 270 ppi.
Перво-наперво нужно отметить, что при такой диагонали и разрешении экрану не хватает четкости. Это видно по шрифтам и больше по иконкам приложений. Конечно, для бюджетника это норма, HD-экраны устанавливают в смартфоны и подороже. Тем не менее, этот момент стоит учитывать.
По остальным показателям всё нормально: цветопередача экрана спокойная, не перенасыщенная. Яркости во всех случаях будет достаточно для комфортного использования на улице днем. В темноте минимальный порог также неплохой. Углы обзора в общем очень хорошие, с незначительным выцветанием черного под диагональным отклонением.
Настроек, правда, практически нет — ночной режим с уменьшением синего свечения и всё. Баланс белого, изображение — штатными возможностями это никак не поправить. Адаптивная регулировка яркости работает на четверочку, иногда приходится самостоятельно двигать ползунок.
Производительность Meizu M10
Чипсетом в Meizu M10 является MediaTek MT6757CD или если проще — Helio P25. Далеко не новая 16-нм платформа, состоящая из восьми ядер Cortex-A53 разделенных на два кластера. Первые 4 ядра работают с максимальной тактовой частотой до 2,4 ГГц, а остальные — с тактовой частотой до 1,7 ГГц. Графический ускоритель — двухъядерный Mali-T880 MP2.
Оперативной памяти может быть 2 или 3 ГБ, на украинском рынке будет присутствовать старший вариант. Этого объема хватает для нескольких приложений, чтобы переключаться между ними и не ждать повторной загрузки. Где-то в пределах пяти нетребовательных к оперативке программ удерживать M10 сможет.
Флэш-накопитель на 32 ГБ при всех раскладах, а пользователю будет доступно из этого количества ни много ни мало, а 24,89 ГБ. Расширить её можно, установив карточку microSD объемом до 128 ГБ вместо второй SIM-карты. Да, придется выбирать между вторым номером и расширенным хранилищем.
Интерфейс ведет себя довольно плавно, критических лагов я не встречал. За исключением первоначальной настройки и при установке обновлений приложений. Сами приложения подгружаются не так быстро, как в более дорогих смартфонах, что вполне логично. Длинные списки даются Meizu M10 не легко, но терпимо. Вот в игры особо не поиграешь, даже в Lite-версию PUBG. Хотя недолго позалипать в какие-нибудь нетребовательные — можно. Например, из нашей подборки игр для слабых смартфонов.
Камеры Meizu M10
В этом разделе, скорее всего, будет больше вопросов, чем ответов. Камер в основном блоке Meizu M10 аж три, когда в основном конкуренты оснащаются двумя или даже одной. Правда, есть одно веское «но», о котором чуть позднее. Итак, здесь установлен главный модуль на 13 Мп со светосилой f/2.2 и фазовой автофокусировкой PDAF. Два остальных модуля — на 2 Мп, f/2.2. Верно, ещё два совершенно одинаковых модуля в дополнение.
Официальный сайт указал светосилу 13 Мп объектива как f/2.0. Не знаю, почему я решил это проверить, но EXIF-данные снимков показали апертуру f/2.2. Конечно, разница несущественная и нехватки этого показателя я не ощутил, в отличие от камеры TP-Link Neffos X20 Pro с f/2.8. Но тем не менее, такое есть. И если этот нюанс можно охарактеризовать как придирку — ну бюджетник, ничего страшного, то ситуацию с остальными модулями я понять никак не могу.
Вообще, сенсоры на 2 Мп чаще являются датчиками глубины в разных смартфонах и помогают делать фотографии с эффектом размытия заднего фона. Ну ладно, а зачем тогда их в Meizu M10 их два? Более того, этого, кажется, не знает даже сам производитель. На том же сайте нам сообщают, что Meizu M10 может делать портретные снимки и в этом ему поможет дополнительная камера. Не камеры, а камера, дословно — «secondary camera». Так а третья зачем?
Если пойти дальше, то ещё такие скромные по части характеристик камеры выполняют роль макро-модулей в некоторых смартфонах, вроде Honor 20 и Honor 20 Pro. Там это отдельный режим, там фото действительно на выходе имеют разрешение 2 Мп, а фокус фиксированный на расстоянии около 4 см. Что с Meizu M10? Макро и в помине нет, ни в приложении камеры, ни на сайте. Плюс если закрыть все модули — выскочит уведомление, что это может повлиять на эффект сдвоенной камеры. Снова же — сдвоенной, а не строенной.
Можно выдвинуть предположение, что раз там два датчика глубины, то портреты наверно крышесносящие получаются. Но тоже нет, очень неуверенно себя ведёт этот режим. У меня даже было такое, где человека он замылил полностью, а фон оставил в фокусе. Хотя в целом отделение человека от фона относительно неплохое, если смартфон правильно определит кто есть кто, конечно. Стоит ли упоминать, что некоторые смартфоны прекрасно справляются с этим при помощи единственной камеры? Да этот же смартфон умеет делать портретные фото на фронтальную камеру.
Короче говоря, мое мнение такое, что третья «вспомогательная» камера здесь лишняя. Никакой роли по сути не играет, зачем тогда её ставить? И вообще — раньше было лучше, Meizu. На самом деле, скорее всего, это дань трендам, то есть сделано просто для количества. И я такой подход совсем не одобряю.
После такого отступления перейдем уже к непосредственно снимкам. Как это зачастую бывает, в идеальных условиях освещения фотографии смотрятся очень даже ничего, как для бюджетного класса устройства. Цвета довольно насыщенные, будто кто-то включил ИИ, но его в настройках нет. С ухудшением условий съемки качество фото тоже ухудшается, становится сложно сделать четкий снимок без смаза. Кроме того почему-то есть задержка долю секунды после нажатия на спуск, потому что мгновенно снимок не делается.
ПРИМЕРЫ ФОТО В ПОЛНОМ РАЗРЕШЕНИИ
Видеосъемка в M10 тоже самая простенькая, максимум в Full HD, нет даже минимальной электронной стабилизации и тряска на месте. Ничего особенного, что ожидаемо.
Фронтальная камера на 8 Мп, вроде как с f/2.0. Опять же — на деле f/2.4 и уже реально темноватая. Плюс сильно сглаживает лицо, в духе бюджеток трехлетней давности. Уточню, что улучшайзер при этом выключен. Самая базовая фронталка, если вкратце. Ну и в боке умеет, правда не очень качественно.
Приложение камеры заслуживает отдельной «похвалы», в самом плохом смысле этого слова. Если опустить дизайн из 2016 года, то становится вопрос локализации. «Картинка» — это стандартное фото, «Стерео» — с размытием фона. Та даже если перевести смартфон на английский язык, то суть не меняется — тут тоже какое-то «Stereo». Ночной режим есть, но как по мне — не работает. Активация опции ZSD — на скорость спуска камеры не влияет. Всплывающие уведомления типа «Объективзакрыт» (именно слитно) могут появиться просто так.
Сканер отпечатков пальцев
Сканер отпечатков пальцев находится на спинке Meizu M10. Размер площадки небольшой, она слегка утоплена. Как я говорил — находится он на оптимальной высоте и с нащупыванием вслепую проблем нет. Но с точностью — есть, из условных десяти раз не сработал он четыре раза. А если эти несколько раз будут подряд, то точно придется прибегать к ручному вводу пароля или графического ключа.
Отдельной функции разблокировки распознаванием лица в смартфоне не предусмотрено, но можно настроить ее через Google Smart Lock. Способ не очень удобный (после сканирования нужно делать свайп для разблокировки) и разумеется далеко не самый безопасный. По скорости примерно также, как со сканером отпечатков.
Автономность Meizu M10
Емкость встроенного в Meizu M10 аккумулятора — 4000 мАч, что на первый взгляд вовсе неплохо. Достойной автономности способствует и HD-разрешение, но экран крупный, поэтому время работы не рекордное, тем не менее — хорошее. У меня он жил без подзарядки в среднем сутки, а экран был активен за этот период около 6,5-7 часов. Интересно, что в тесте PCMark Work 2.0 на максимальной яркости аппарат продержался всего 5 часов 55 минут.
Звук и коммуникации
Разговорный динамик среднего качества, но громкий. Мультимедийный звучит просто нормально. В звуке через проводные наушники есть небольшой перевес высоких частот перед низкими, но запас громкости — отличный. Звук в беспроводных наушниках неплохого качества. Правда при прослушивании Tronsmart Spunky Pro я столкнулся с проблемой, когда ползунок громкости на смартфоне показывал ещё запас 50%, но увеличение никак на саму громкость гарнитуры не влияло. На другой гарнитуре, RHA MA650 Wireless, такого не было. Так что чья именно была вина, гарнитуры или смартфона, — я не понял.
Похвалить Meizu M10 с точки зрения коммуникационных возможностей можно за двухдиапазонный Wi-Fi 5 (802.11 a/b/g/n/ac). Также на борту есть обычный Bluetooth 4.2 (A2DP) и не менее обычный GPS (A-GPS, GLONASS). Обидно, что по прежнему нет NFC-модуля. И это не новость для смартфонов Meizu, да и для бюджетников от конкурентов в том числе. По работе есть претензия к Wi-Fi — в двух метрах от роутера может пропасть одна полоса, а может и вернуться. Как-то неуверенно. Ещё время от времени могут просто не загружаться данные, когда остальные устройства спокойно позволяют пользоваться интернетом. Странно наблюдать подобное в 2019 году.
Прошивка и ПО
Meizu M10 также выделяется тем, что идет без фирменной оболочки производителя (Flyme), а работает на чистом Android. Это не первый смартфон компании без оболочки, на такой шаг пошли ещё в Meizu C9. Но оба устройства не относятся к программе Android One. Получается, что гарантии крупных обновлений или ежемесячных патчей безопасности у нас нет. От Meizu в прошивке немного больше, чем хотелось бы. Например, злосчастное приложение камеры, приложение для обновлений, «Мой Flyme» и фирменный App Store, требующий аккаунта Flyme. Вот какая в этом есть нужда и польза — я не очень понимаю.
Из дополнительных настроек на борту есть DuraSpeed (фирменная технология ускорения работы процессора от MediaTek) и всего два жеста — быстрый запуск камеры двойным нажатием на кнопку питания и отключение звука звонка одновременным нажатием кнопки питания и увеличения громкости. Никакого другого способа навигации по системе, кроме экранных кнопок, также в прошивке не предусмотрено.
Софт сильной стороной в конкретном случае я назвать не могу, учитывая уже упомянутые проблемы. Кроме внезапно мигающего светодиода, периодически в шторке переключателей и уведомлений появляется плеер стримингового сервиса музыки, который я мог слушать, час назад, к примеру. Естественно он был выгружен из запущенных и закрыт. Хорошо хоть на паузе, а не сразу воспроизводится. Ещё есть более мелкие и незначительные замечания, но они уже визуальные и скорее всего будут исправлены.
Выводы
Meizu M10 — компромиссный смартфон, в котором трудно найти какие-либо уникальные особенности. У него добротный большой экран, неплохая автономность и на этом список достоинств заканчивается. К сожалению, за время тестирования я столкнулся с такими нюансами, которые попросту портят всё впечатление от устройства.
Понятно, что смартфон недорогой, но конкуренты по крайней мере предлагают надежные устройства в этой же ценовой категории. Сказать это про Meizu M10 — я не могу, проблемы есть и было бы здорово, если хотя бы часть из них исправили обновлениями. Пока что не могу рекомендовать его, хотя окончательное решение, конечно же, за вами.
Цены в магазинах
Ресурсы лаборатории Schnable
Это учебник по методу контролируемого опыления кукурузы, используемого для предотвращения загрязнения. Нажми на изображения, чтобы увидеть более крупные версии.
Ежедневно
1. | Мешки для стрельбы крепятся на верхнем колосе растения, чтобы накройте побеги до того, как появится шелк, чтобы предотвратить заражение пыльцой. | |
2. | Мешки для стрельбы необходимо плотно прилегать к уху, чтобы сумка останется на ней независимо от элементов. |
За день до опыления
3. | Чтобы обеспечить свежий шелк для опыления, колосья срезать за день до начала опыления. | |
4. | Мешок для стрельбы незамедлительно кладут на свежеприготовленный отрежьте ухо, чтобы защитить его. | |
5. | Рабочие отгибают верхнюю часть мешка от уха, чтобы указать, какие уши будут использоваться для опыления на следующий день. | |
6. | Проверьте кисточки растения, чтобы убедиться, что растение сбросит достаточно пыльцы на следующий день. | |
7. | На кисточки растения осторожно кладут мешок. | |
8. | Рабочие берут кисточку за мешок и делают центральный выступ для лучшей поддержки. | |
9. | Затем клапаны мешка фиксируются нескользящей скрепкой. |
День опыления
10. | По мешку постукивают пять-семь раз, чтобы удалить пыльцу с кисточек. | |
11. | Рабочие должны быть осторожны, чтобы другие источники пыльцы не попали в мешок, когда они снимают мешки. | |
12. | Удерживайте открытую сумку так, чтобы она оставалась закрытой. Отогните отверстие сумки к передней стороне сумки крестиками. | |
13. | Положите сложенную половину мешка на опыляемые побеги. | |
14. | Вытяните мешок для опыления, накрыв побеги мешком для опыления, чтобы шелк никогда не обнажался. | |
15. | Выпрямите пакет и слегка постучите, чтобы пыльца попала на свежий шелк. | |
16. | Прикрепите все четыре клапана пакета к ножке одной скобой. |
Как сделать видео на свой телефон
Если вы хотите снимать видео, но у вас нет бюджета на оборудование для камеры, у нас есть отличные новости: входной барьер для создания потрясающих видеороликов никогда не был ниже, и ответ — это то, что у вас, вероятно, уже есть.В последние годы наши смартфоны превратились из обычных карманных телефонов в невероятные машины для создания мобильного контента. Отправьтесь вместе с нами в путешествие по этой серии из четырех частей, в которой исследуются тонкости создания видео на вашем телефоне.
Советы по началу работы с мобильной видеосъемкой
Во-первых, немного информации о том, чего следует ожидать от мобильных видео. Не все телефоны одинаковы, но можно с уверенностью сказать, что в наши дни все они довольно хороши.То, что у вас уже есть, более чем достаточно для выполнения работы.
насадок для телефонов, которые нам нравятся:
Если вы чувствуете, что ваше устройство ограничено, существует множество сторонних компаний, производящих насадки для телефонов, позволяющие вам добавлять различные объективы, микрофоны, стабилизаторы и многое другое, что повысит ценность вашей продукции до уровня, близкого к профессиональному. уровень. Если вы ищете оборудование, нам нравится:
Нам нравятся мобильные видео приложения:
Существует также множество доступных приложений, которые расширяют возможности вашего телефона для работы с видео за пределы того, что доступно в приложении камеры по умолчанию.Нам очень нравится FiLMiC Pro как для Android, так и для iOS.
Советы по созданию видеоконтента на телефоне
Мы знаем, что вы хотите знать, как снимать видео с помощью телефона, но если вы хотите чего-то действительно отточенного, вам нужно подумать о своем контенте, прежде чем начинать запись. Вот три ключевых момента, о которых следует помнить:
1. Старт сильным
Одна из самых важных вещей — привлечь внимание зрителя в самом начале видео.Поскольку люди быстро превращаются в золотых рыбок, продолжительность нашего внимания уже не такая, как раньше. Создайте ощущение вовлеченности заранее, чтобы люди захотели продолжить просмотр. Хотите удерживать их на протяжении всего видео? Делайте это коротко и мило и переходите к сути.
2. Нанесите на карту
Чтобы помочь вам добраться туда, убедитесь, что вы наметили начало, середину и конец. Снимать видео — все равно что заблудиться в кукурузном лабиринте: это не так уж плохо, если у вас есть план, но если нет, вы застрянете там, жуя сырую кукурузу, пока не стемнеет и охрана не вытащит вас.Итак, производство мобильного видео — это не , а , как кукурузный лабиринт.
3. Подумайте о готовом продукте
Да, и не упускайте из виду значок вашего видео. Автоматическое создание одного кадра редко оказывается таким же хорошим, как когда вы снимаете что-то конкретное для неподвижного изображения вашего видео (посмотрите четыре видеоролика в этом посте для справки). Так вы получите эффектное введение в свое видео.
Советы по записи видео на телефон
Вы готовы начать съемку.Следуйте этим пяти основным советам, чтобы увеличить производственную ценность вашего мобильного контента.
Psst — мы рассмотрим несколько дополнительных советов в видео выше, поэтому мы настоятельно рекомендуем их проверить. Мы сделали это для вас!
1. Настройки видео телефона
Вы будете удивлены, насколько несколько поворотных переключателей могут иметь значение, когда дело доходит до захвата красивого мобильного видео. Если ваш телефон относительно новый, мы готовы поспорить, что у него есть возможность снимать видео в формате 4k (необычно!), Вам просто, вероятно, нужно выбрать его в настройках.
Зайдите в настройки своей мобильной камеры, чтобы проверить доступные вам характеристики записи, чтобы мгновенно повысить качество видео. (Внимание, пользователи iPhone — сделайте свои видео еще более великолепными, изменив эти настройки видео для iPhone.)
2. Освещение для мобильной видеозаписи
Всегда следите за тем, чтобы впереди объекта было больше света, чем за ним. Более важно, чтобы объект был хорошо освещен, чем фон, и, если возможно, снимайте в тени или в пасмурную погоду.Это поможет сохранить равномерное освещение.
Также: избегайте люминесцентных ламп или тусклого фона любой ценой, хорошо? Вас предупредили.
3. Запись звука на телефон
Чем ближе вы находитесь, тем лучше звук. Если вы используете встроенный микрофон для диалога, подойдите ближе и лично, чтобы получить наилучшее звучание. Очистите пространство от ненужного фонового шума (дети и домашние животные должны отправиться в другую комнату, если это возможно), и все будет в порядке.Хорошая новость в том, что ваш телефон уже является довольно хорошим инструментом для захвата звука!
4. Стабилизация мобильного видео
Один из самых простых способов повысить ценность вашей продукции — обеспечить надлежащую стабилизацию мобильного видео. В вашем телефоне уже есть все необходимое, чтобы уменьшить дрожание камеры, но следующие советы помогут повысить стабильность вашего видео:
- Медленно перемещайте камеру. Это должно быть несложно, но если вы намеренно используете камеру, вы уже на полпути.
- Держите смартфон двумя руками. Повторяйте за нами: две руки лучше, чем одна.
- Не увеличивайте масштаб, если это не нужно! Вы всегда можете физически приблизиться к объекту, чтобы сделать лучший снимок. Вы заметите, что увеличение масштаба мобильного видео добавляет шаткости кадру.
Советы по редактированию и загрузке
Вы достигли последнего препятствия в процессе: редактирования и загрузки. К счастью, Vimeo Create превращает это препятствие в простой в использовании и безупречный интерфейс, благодаря которому ваше видео будет сразу же онлайн.Некоторые типы платных учетных записей имеют бесплатный доступ к Vimeo Create, и мы считаем, что это один из самых простых способов перенести ваш видеоконтент на несколько платформ, включая Twitter, Instagram, LinkedIn и другие. Если вы ищете более традиционный вариант, у нас есть несколько дополнительных рекомендаций. Для iOS нам нравятся iMovie и LumaFusion. Для Android отлично подходят PowerDirector и InShot!
На этом мы подошли к концу нашего пути к мобильному контенту. Мы надеемся, что вы вновь гордитесь возможностями своего смартфона с видео.А теперь иди и сделай что-нибудь!
Наши любимые видео — CIMMYT
Мультимедийная команда Международного центра улучшения кукурузы и пшеницы (CIMMYT) и наши производители по всему миру были заняты в 2020 году. Они загрузили 50 видео на наш канал YouTube и многие другие видео в наши социальные сети, интранет и обучающие платформы!
Вот некоторые из наших любимых. Подпишитесь на наш канал на YouTube, чтобы оставаться в курсе!
Мы сняли большую часть этого видео на Шпицбергене, к северу от Полярного круга, где низкие температуры подвергали наши камеры испытанию, но самая сложная часть производства была еще впереди.После того, как была объявлена глобальная пандемия, нам пришлось снимать наши первые в истории социально дистанционные интервью, помогать людям записывать себя и координировать редактирование удаленно.
Отправляйтесь с нами в Глобальное хранилище семян, где хранятся семена кукурузы и пшеницы из генного банка CIMMYT.
Полвека назад ученые собрали и сохранили образцы староместных сортов кукурузы в Морелосе, Мексика. Теперь потомки этих фермеров смогли вернуть свои исконные семена кукурузы и вместе с ними часть своей семейной истории.
Не очень часто нам удается использовать драму в стиле мыльных опер для передачи науки. В этом видео актеры драматизируют человеческие ставки в битве с падением совки.
В конце видео, графика и изображения показывают методы, разработанные CIMMYT и партнерами, чтобы помочь настоящим фермерам победить этого вредителя.
Выращивание правильных сортов пшеницы необходимо для полноценного питания растущего населения в условиях стресса окружающей среды.
Онлайн-тренинг позволяет фермерам и поставщикам услуг совершить визуальное путешествие по использованию методов устойчивой интенсификации на основе ресурсосберегающего сельского хозяйства.
Серия видеороликов, доступных на бенгали, хинди и английском языках, демонстрирует процесс становления фермера с нулевой обработкой почвы или поставщика услуг: от обучения тому, как подготовить поле к нулевой обработке почвы, до безопасного использования гербицидов.
В первой части этой серии видео для социальных сетей эксперты CIMMYT по качеству кукурузы и пшеницы Наталья Паласиос и Итрия Ибба объясняют, что такое цельнозерновые продукты и почему они являются важной частью здорового питания.
Экономичная платформа для фенотипирования початков кукурузы обеспечивает быструю категоризацию и количественную оценку зерен.
Реферат
Высокопроизводительные системы фенотипирования являются мощными, радикально меняющими нашу способность документировать, измерять и обнаруживать биологические явления. Здесь мы описываем экономически эффективную комбинацию настраиваемой платформы обработки изображений и конвейера компьютерного зрения на основе глубокого обучения.Минимальная версия сканера кукурузных початков была построена из недорогих и легкодоступных деталей. Сканер вращает кукурузное ухо, в то время как мобильный телефон или цифровая камера снимает видео поверхности уха. Затем видео в цифровом виде превращаются в двумерные проекции ушей. Разделение GFP и фенотип ядра антоциана четко различимы в проекциях ушей и могут быть аннотированы вручную с помощью программного обеспечения для анализа изображений. Повышенная пропускная способность была достигнута за счет разработки и внедрения автоматизированной системы подсчета ядер с использованием трансферного обучения и модели обнаружения объектов глубокого обучения.Модель компьютерного зрения смогла быстро оценить более 390 000 ядер, выявив специфические для мужчин дефекты передачи в широком диапазоне мутантных аллелей, меченных GFP. Это включает ранее не описанный дефект, предположительно связанный с мутацией Zm00001d002824, гена, который, как предполагается, кодирует вакуолярный процессирующий фермент (VPE). Мы показываем, что с помощью этой системы количественная оценка данных передачи и других фенотипов уха может быть ускорена и масштабирована для создания больших наборов данных для надежного анализа.
Краткое содержание одного предложения Система фенотипирования початков кукурузы, построенная из общедоступных частей, создает изображения поверхности ушей и идентифицирует фенотипы ядра с помощью конвейера компьютерного зрения на основе глубокого обучения.
Введение
Высокопроизводительное фенотипирование растений быстро меняет улучшение сельскохозяйственных культур, борьбу с болезнями и фундаментальные исследования (обзор см. В (Fahlgren et al., 2015; Mahlein, 2016; Tardieu et al., 2017)). Методы высокопроизводительного фенотипирования были разработаны для нескольких сельскохозяйственных и модельных систем растений, включая кукурузу.Достигнут значительный прогресс в развертывании систем фенотипирования кукурузы как в частной (Choudhury et al., 2016), так и в академической (Miller et al., 2017) сфере. Многие существующие системы ориентированы на фенотипирование корней кукурузы (Clark et al., 2013; Jiang et al., 2019) и надземных побегов (Chaivivatrakul et al., 2014; Junker et al., 2014; Choudhury et al., 2016; Zhang et al., 2017). Колосья кукурузы вместе с зернами, которые они несут, содержат информацию о растении и его потомстве. Уши легко хранятся и не требуют установки оборудования для фенотипирования в поле или теплице в определенные периоды вегетационного периода.Колосья является основным сельскохозяйственным продуктом кукурузы, что привело к тому, что большая часть предыдущих усилий по фенотипированию была сосредоточена на таких аспектах урожайности, как размер початка, количество рядов ядра, а также структура и размеры ядра (Liang et al., 2016; Miller et al. ., 2017; Makanza et al., 2018). В этих исследованиях использовались различные методы: от дорогих специализированных камер для трехмерного или линейного сканирования (Liang et al., 2016; Wen et al., 2019) до относительно недорогих планшетных сканеров и цифровых камер (Miller et al., 2017; Makanza et al., 2018).
Помимо их сельскохозяйственного значения, изучение початков кукурузы может ответить на фундаментальные вопросы базовой биологии. Передачу мутантных генов можно легко отследить в зернах кукурузы, воспользовавшись широким спектром видимых маркеров эндосперма (Neuffer et al., 1997; Li et al., 2013), которые могут быть генетически связаны с представляющим интерес мутантом ( например (Arthur et al., 2003; Phillips and Evans, 2011; Bai et al., 2016; Huang et al., 2017; Warman et al., 2020)).На ухе ядра образуют упорядоченный массив потомства, что позволяет отслеживать передачу мутантных аллелей не только по общей передаче для каждого индивидуального скрещивания, но и внутри отдельных ушей. Исторически передача маркеров количественно определялась ручным подсчетом. Этот подход имеет несколько ограничений, в том числе отсутствие постоянной записи расположения ядер на ухе. Те же недостатки присущи большинству высокопроизводительных методов фенотипирования ядер, которые обычно основаны на удалении ядер из уха перед сканированием и обычно не включают информацию о маркерах.
Подходы компьютерного зрения к автоматическому подсчету ядер могут повысить пропускную способность систем фенотипирования и улучшить качество собираемых данных за счет включения информации о местоположении для каждого ядра. Одной из основных задач является успешное определение того, какие части изображения содержат интересующие объекты, а какие — фон, либо посредством обнаружения объекта (рисование ограничивающей рамки вокруг объекта), либо сегментации (присвоение каждому пикселю изображения «объекта» или «Не возражать»).Предыдущие системы использовали цвет или края растений для алгоритмического разделения объектов для количественной оценки в некоторых специализированных контекстах (Zhang et al., 2017; Makanza et al., 2018). Эти подходы могут быть эффективными с вычислительной точки зрения, но ограничены вариациями условий освещения, качества изображения и распределения объектов на изображении. Плотно упакованные объекты, такие как зерна на початке кукурузы, бывает трудно разделить с помощью этих методов, особенно когда объекты не имеют однородного цвета или четких краев.
Некоторые из этих препятствий на пути обнаружения объектов можно преодолеть с помощью подходов глубокого обучения. Эти подходы применялись для решения множества биологических проблем и могут значительно улучшить традиционные методы (см. Обзор (Angermueller et al., 2016; Ching et al., 2018)). Глубокое обучение использует фундаментальную концепцию искусственных нейронных сетей, в которых несколько узлов (иногда называемых нейронами) расположены в различных связанных слоях. Узлы имеют связанные параметры, которые корректируются по мере того, как модель подвергается воздействию данных.
Данные перемещаются по сети от входного уровня по крайней мере к одному скрытому слою и, наконец, к выходному слою. Глубокое обучение характеризуется нейронной сетью с несколькими скрытыми слоями, каждый из которых описывает особенности данных, передаваемых по сети (Ching et al., 2018). Подмножество подходов к глубокому обучению, называемое сверточными нейронными сетями (CNN), особенно полезно для анализа изображений. CNN содержат по крайней мере один сверточный слой, в котором фильтр перемещается (сворачивает) по изображению, чтобы абстрагировать информацию в слой (Rawat and Wang, 2017).Сети CNN составляют основу методов обнаружения объектов, реализованных в Tensorflow (например, API обнаружения объектов, (Huang et al., 2016)) и Darknet (например, YOLO (Redmon and Farhadi, 2018)), которые широко используются в разных дисциплинах. Примеры таких сетей, используемых в биологических контекстах, включают обнаружение болезней растений (Mohanty et al., 2016), количественную оценку листьев (Ubbens and Stavness, 2017), отслеживание движения соцветий (Gibbs et al., 2019) и сегментацию гипокотилей (Dobos et al., др., 2019).
Здесь мы описываем новую систему фенотипирования кукурузных початков и конвейер компьютерного зрения. Сканер початков кукурузы и конвейер обработки изображений — это рентабельный метод улучшения фенотипирования ушей. Описываемая здесь конструкция состоит из легко доступных деталей и базовой камеры, что делает этот подход доступным для большинства, если не для всех лабораторий. С помощью сканера кукурузных початков можно получить плоские проекции примерно цилиндрических кукурузных початков, которые обеспечивают цифровую запись поверхности початка. Затем эти прогнозы можно количественно оценить различными способами для отслеживания местоположения и идентичности фенотипов ядра, включая маркерные гены.Кроме того, прогнозы могут быть количественно определены для фенотипов и местоположений ядра с помощью конвейера компьютерного зрения на основе глубокого обучения, реализованного в Tensorflow, бесплатном фреймворке с открытым исходным кодом (Abadi et al., 2016a). Наконец, мы используем систему для анализа большого набора данных об ушах, чтобы оценить влияние мутантов на скорость передачи. Мы демонстрируем, что эта система существенно увеличивает производительность фенотипирования, обеспечивая более быстрое биологическое открытие и более тщательный количественный анализ.
Результаты
Дизайн и конструкция сканера початков кукурузы
Мы разработали простой индивидуальный сканер для эффективного фенотипирования початков кукурузы (сканер кукурузных початков, MES).MES поворачивает каждое ухо на 360 °, в то время как стационарная камера записывает видео, которое затем может быть преобразовано в цилиндрическую проекцию. Материалы для изготовления сканера были ограничены теми, которые широко доступны и доступны по цене (Таблица 1). Рама сканера была построена из размерной древесины, с подвижным механизмом, построенным из направляющих ящика, что позволяет разместить уши самых разных размеров (рис. 1A). Мотор-гриль вращает ухо с постоянной скоростью, в то время как USB-камера или камера мобильного телефона записывают видео вращающегося уха.Процесс сканирования, включая введение уха в сканер и захват видео, занимает примерно 1 минуту на каждое ухо.
Рис. 1. Эффективное и экономичное фенотипирование початков кукурузы с помощью ротационного сканера.(A) Схема сканера кукурузных початков в закрытом положении (слева) и открытом положении (справа). Полные схемы конструкции доступны в дополнительном файле 1. (B) Изображение сканера с установленным ухом. Специальная USB-камера расположена перед ухом, как показано на рисунке, ухо по центру рамки.Видео записывается, когда ухо совершает одно полное вращение, которое затем обрабатывается для проецирования поверхности уха на одно плоское изображение. Дополнительный источник синего света для визуализации GFP показан на правой стороне сканера.
Таблица 1.Материалы и стоимость изготовления сканера
Мы протестировали две конфигурации системы сканирования. В первой, минимальной конфигурации, использовалась камера сотового телефона для видеосъемки вращающегося уха в видимом свете полного спектра (MES v1.0). Эта конфигурация стоит менее 100 долларов (таблица 1), не считая стоимости сотового телефона, и позволяет создавать плоские проекции из различных ушей в видимом свете. Во второй конфигурации используется выделенная USB-камера, управляемая компьютером (MES v2.0, рисунок 1B). Эта конфигурация стоит около 1400 долларов (таблица 1), включая синий свет и оранжевый фильтр камеры для захвата маркеров ядра GFP, присутствующих в популяции трансгенных мутантов (Li et al., 2013). Вторая конфигурация увеличивает эффективность сканера за счет автоматизации обработки видео, аннотации и распространения в облачные или локальные системы хранения.
Обработка видео в проекции для ручной количественной оценки
На выходе сканера отображается видео вращающегося уха. Это видео можно напрямую количественно оценить, но мы обнаружили, что «плоская» проекция изображения наиболее полезна для визуализации всей поверхности уха, а также для количественной оценки распределения фенотипов ядра. Чтобы создать эту проекцию с видео, снятым внешней камерой или мобильным телефоном, видео сначала загружали на локальный компьютер и аннотировали с помощью идентифицирующих метаданных.Этот процесс был упрощен во второй конфигурации сканера. В этой конфигурации видео записывались непосредственно на компьютер с помощью утилиты командной строки FFmpeg (версия 3.4.6) для управления USB-камерой. Видео обрабатывались автоматически каждую ночь, а полученные прогнозы выгружались в облачное хранилище (рис. 2А).
Рис. 2. Обработка видео в проекции плоских ушей.(A) Рабочий процесс аннотации и обработки видео. (B) Обработка видео в проекции плоского уха.Процесс создания проекции из видео начинается с извлечения отдельных кадров с помощью FFmpeg. После извлечения кадров каждый кадр обрезается до среднего горизонтального ряда пикселей с помощью утилиты командной строки ImageMagick. Результирующий набор строк пикселей, по одной на кадр, затем объединяется в одно изображение, отображающее всю поверхность уха.
Обработка видео состоит из трех этапов (рисунок 2B). В первом FFmpeg используется для извлечения кадров из видео в отдельные изображения.Затем изображения обрезаются до центрального горизонтального ряда пикселей с помощью утилиты командной строки ImageMagick (версия 6.9.7). Наконец, все строки пикселей, по одной из каждого кадра, добавляются последовательно, в результате чего получается окончательное изображение. Благодаря постоянной скорости вращения сканера фиксированное количество рамок покрывает один полный оборот, в результате чего в проекциях ушей не возникает зазоров или перекрытий.
Изображения различных початков кукурузы, представляющие несколько широко используемых маркеров ядра, были получены с помощью сканера (рис. 3A).Как антоциановые ( c1, a2 и pr1 ), так и флуоресцентные ( Ds-GFP ) маркеры ядра были четко различимы на окончательных изображениях, а также маркер морфологии ядра , хрупкий эндосперм 1 ( bt1 ). Цифровые проекции были вручную количественно определены для цветных и флуоресцентных фенотипов ядра с использованием распределения FIJI ImageJ (рис. 3B). Используя этот подход, аннотирование всего уха может быть выполнено за 5-10 минут, в зависимости от размера уха и относительного уровня опыта комментатора.Помимо получения общих количеств каждого фенотипа ядра, ручные аннотации приводят к координатам для каждого аннотированного ядра, которые при желании можно дополнительно проанализировать. Ручные аннотации сканерных изображений в ImageJ сравнивались с ручным подсчетом ядер на ухе (рис. 3C). Мы наблюдали значительную корреляцию между этими двумя методами (R 2 > 0,999), подтверждая метод сканирования. Чтобы проверить полезность сканера кукурузных початков, мы просканировали и вручную подсчитали более 400 колосьев с маркерно-связанными мутациями в более чем 50 генах.С помощью этих методов мы смогли обнаружить слабые, но значимые дефекты передачи (~ 45% передачи маркерной мутации) для ряда мутантных аллелей, используя как маркеры ядра антоцианов, так и GFP. Валидация изображения сканера уха с подсчетом вручную подробно описана в предыдущем исследовании (Warman et al., 2020).
Рис. 3. Примеры проекций поверхности уха и количественного определения вручную с помощью ImageJ.(A) Типичные выступы ушей для нескольких широко используемых маркеров зерен кукурузы.Сверху вниз: ген антоциана c1 ; Флуоресцентный ядерный маркер GFP Ds-GFP; антоцианы и маркеры морфологии ядра bt1, a2 и pr1 . (B) Типичный пример ручного аннотирования флуоресцентных зерен кукурузы. Был получен снимок початка кукурузы, выделяющегося по флуоресценции. Флуоресцентные (черные точки) и нефлуоресцентные (синие точки) ядра были идентифицированы вручную с помощью плагина ImageJ Cell Counter. (C) Сравнение ручного подсчета ядер на ушах и ручного аннотирования ядер из проекций ушей с помощью ImageJ.Подсчитывали флуоресцентные и нефлуоресцентные ядра, при этом здесь показан процент ядер, показывающих флуоресценцию.
Традиционный подход компьютерного зрения для автоматического распознавания флуоресцентных ядер и ядер дикого типа
Чтобы увеличить пропускную способность, мы исследовали методы компьютерного зрения для определения местоположения ядер и фенотипов из двумерных проекций уха. Нас больше всего интересовало создание конвейера для автоматизации подсчета Ds-GFP по сравнению с ядрами дикого типа (нефлуоресцентными) из-за широко применимого использования этого маркера для количественной оценки скорости передачи нескольких тысяч доступных мутаций (Li и другие., 2013; Warman et al., 2020). Во-первых, традиционный подход компьютерного зрения был оценен на предмет его применимости для количественной оценки изображений с помощью маркеров ядра GFP. В этом методе региональная сегментация двумерной проекции уха была выполнена с использованием преобразования водораздела с последующим морфологическим открытием для сегментации отдельных ядер (дополнительный рисунок 1). Мы обнаружили, что выделение синего канала изображения RGB для сегментации позволило избежать неточностей, связанных с различной интенсивностью флуоресценции ядра в зеленом и красном каналах.После сегментации сегменты были классифицированы с использованием кластеризации k-средних на две группы на наличие и отсутствие GFP. Точная настройка параметров водосбора привела к точной сегментации отдельных изображений (дополнительный рисунок 1A). Однако из-за различий в освещении, интенсивности GFP, форме ядра и расстоянии на ухе этот метод плохо обобщался на более крупном наборе тестовых данных (дополнительный рисунок 1B). Этот метод был в состоянии с некоторым успехом предсказать общее количество флуоресцентных и нефлуоресцентных ядер (линейная регрессия, скорректированный R 2 = 0.186, 0,205 соответственно), но не удалось точно предсказать процент ядер, несущих маркер GFP (линейная регрессия, скорректированный R 2 = 0,000). Поскольку мутанты с маркерами демонстрируют менделевское (50%) или почти менделевское наследование, необходимы точные подсчеты для измерения аномального наследования с достаточной статистической значимостью.
Реализация модели глубокого обучения для автоматического обнаружения ядра
Чтобы преодолеть большие различия в изображениях ушей, мы обратились к моделям глубокого обучения, которые эффективны при обнаружении объектов в разнородных изображениях.Модели, использующие архитектуру сверточной нейронной сети (CNN), в течение нескольких лет доминировали в показателях производительности в области компьютерного зрения (например, Сборник общих объектов (COCO) Object Detection Challenge, http://cocodataset.org/#detection-leaderboard, Open Задача обнаружения объектов изображений, https://storage.googleapis.com/openimages/web/challenge2019.html#object_detection). Мы использовали библиотеку TensorFlow (Abadi et al., 2016b) и Object Detection API (Huang et al., 2016) для реализации модели на основе CNN для наших целей.При реализации моделей глубокого обучения для обнаружения объектов существует компромисс между скоростью и точностью. Некоторые модели, такие как YOLO (Redmon and Farhadi, 2018), значительно быстрее моделей, доступных в API обнаружения объектов TensorFlow. Однако, поскольку обработка изображения может выполняться независимо от сканирования уха, даже несколько минут обработки одного изображения не будут узким местом. Для конвейера мы решили использовать Faster R-CNN с Inception Resnet v2, со свертками Atrous (Ren et al., 2015; Szegedy et al., 2016). Эта модель была выбрана для баланса скорости и точности для нашего приложения на основе ее производительности в наборе данных COCO. (https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/detection_model_zoo.md).
CNN требуют обучающих данных для создания эффективных моделей. Для обучения сети мы сгенерировали набор данных из 300 сканированных изображений ушей со всеми ядрами, аннотированными ограничивающими прямоугольниками и классами маркеров, флуоресцентными или нефлуоресцентными.Изображения были получены путем сканирования ушей, полученных из гетерозиготных скрещиваний мутантных аллелей, помеченных маркерами флуоресцентного ядра GFP, со 150 сканированными изображениями ушей для каждого полевого сезона. Среднее число ядер для обучающих изображений уха составляло 349, что дало> 100 000 ограничивающих прямоугольников в обучающей выборке. Мы использовали метод трансферного обучения из-за большого количества обучающих данных, необходимых для точного обучения нейронной сети с нуля. Трансферное обучение использует преимущества хорошо обученной сети (в данном случае обученной на наборе данных COCO,> 200 000 изображений с объектами в 80 категориях, помеченных ограничивающими рамками), чтобы сформировать основу для новой сети, оптимизированной для конкретной задачи.Веса внутренних слоев сети обновляются на основе новых обучающих данных, а выходной слой модифицируется, чтобы отразить новые классы (флуоресцентные и нефлуоресцентные).
Наши первые попытки обучения сети привели к плохим результатам (рис. 4A). Ограничивающие рамки ядра были точными в верхней части тестовых изображений, но эти результаты не удалось обобщить по всему изображению. Из-за большого количества ядер в каждом изображении (более 600 в некоторых случаях) мы подозревали, что ограничения памяти графического процессора (ГП) могли быть причиной неполных аннотаций.Поддерживая это объяснение, мы добились дополнительных улучшений, запустив обучение и тестирование на графическом процессоре с большим объемом памяти (Nvidia V100 с 32 ГБ памяти по сравнению с Nvidia M10 с 8 ГБ памяти) и конфигурацией, которая увеличила количество начальных предложений по ограничительной рамке. в модели.
Рис. 4. Рабочий процесс разделения изображений во время обучения модели и вывода.(A) Типичное изображение начальных попыток обнаружения объекта, показывающее неполные аннотации ограничивающего прямоугольника.Аннотации были смещены к верхней части изображения и не смогли идентифицировать большинство ядер. (B) Рабочий процесс разделения изображения. Сначала изображения были разделены на три изображения меньшего размера с перекрытием между изображениями. Затем модель компьютерного зрения запускалась для каждого фрагмента изображения индивидуально. Ограничительные рамки рядом с вертикальными границами между частями изображений были удалены, чтобы избежать разделения ограничивающих рамок на отдельных ядрах. Аннотации были повторно объединены, а затем лишние блоки в перекрывающихся разделах были удалены с использованием не максимального подавления.Наконец, законченные аннотации были наложены на исходное изображение.
Один из способов уменьшить вычислительную мощность, необходимую для задачи глубокого обучения, — разделить задачу на ряд более простых задач. В этом случае мы решили разделить каждое изображение на три части изображения, как для обучения, так и для тестирования модели (рис. 4B). Изображения были разделены по вертикали с перекрывающимися областями между каждым разделением. После того, как изображения были разделены, модель запускалась для каждого фрагмента изображения отдельно.Затем были удалены ограничивающие рамки рядом с вертикальными делениями, чтобы избежать частичных ограничивающих рамок для ядер, охватывающих два фрагмента изображения. Наконец, аннотации для трех фрагментов изображений были объединены, и избыточные ограничивающие прямоугольники в перекрывающихся областях были удалены с помощью не максимального подавления — процесс, который устраняет избыточные ограничивающие прямоугольники путем сравнения их оценок перекрытия и достоверности. Этот метод уменьшил объем памяти графического процессора, необходимый для вывода, и привел к точным аннотациям для всех изображений.
Модели глубокого обучения, обученные на изображениях с отдельных камер, улучшили обнаружение ядер и фенотипических классов
Для тестирования моделей глубокого обучения мы создали набор данных сканированных изображений ушей за полевые сезоны 2018 и 2019 годов, по 160 изображений каждого сезона. Уши были созданы из реципрокных скрещиваний (гетерозиготные мутанты, скрещенные с линиями дикого типа как через самцов, так и самок), и были вручную аннотированы с помощью ImageJ для получения общего количества флуоресцентных и нефлуоресцентных ядер для каждого уха.Изображения ушей тестового набора не использовались для обучения или проверки модели. Линии представляют мутантные аллели множества генов, высоко экспрессируемых в мужском гаметофите кукурузы (Warman et al., 2020). Ядра, содержащие мутантные аллели, были помечены семенным маркером GFP, происходящим от вставок мобильного элемента Ds-GFP . Прогнозы, сделанные в течение двух сезонов, представляли широкий диапазон ушей. Вариации, обнаруженные в прогнозах, включали различия в размере, форме ядра, интенсивности и цвете GFP.Кроме того, каждый год использовались разные камеры, представляющие MES v1.0 и v2.0.
Сначала мы стремились создать модель с максимально возможной обобщенностью и поэтому включили обучающие изображения за оба года. Эта первая модель, обученная на изображениях с двух камер, обнаружила ядра в тестовом наборе данных с умеренной степенью точности (дополнительный рисунок 2). Мы использовали скорректированные значения R 2 в качестве основного показателя производительности, сравнивая общее количество флуоресцентных и нефлуоресцентных ядер между прогнозами модели и ручными аннотациями.Чем ближе значение R 2 к единице, тем ближе прогнозы модели к ручным подсчетам, что указывает на более высокую точность. Полученный процент ядер флуоресценции количественно определяли с помощью скорректированного R 2 , равного 0,930. Кроме того, мы вычислили среднее абсолютное отклонение количества ядер по всему набору тестовых данных. Среднее абсолютное отклонение для флуоресцентных ядер составило 5,87, тогда как среднее абсолютное отклонение для нефлуоресцентных ядер составило 11,92. Среднее абсолютное отклонение для процента передачи флуоресцентного ядра было 1.85%.
Одна модель, обученная на комбинированном наборе данных за оба года, точно идентифицировала ядра на сканированных изображениях ушей. Однако обучение отдельных моделей для каждого года существенно повысило общую производительность для широкого спектра изображений из нашего тестового набора данных за оба года (рис. 5). Отдельные модели были устойчивы к вариациям внешнего вида ядра, а также к вариациям размера ушей и расстояния между ядрами. Модели предсказывали общее количество флуоресцентных и нефлуоресцентных ядер в тестовых наборах данных 2018 и 2019 годов с высокой степенью точности (рис. 5B-C).Полученные прогнозы скорости передачи были точными в широком диапазоне значений наследования для обоих лет (линейная регрессия; скорректированный R 2 = 0,984, 0,945, соответственно). Средние абсолютные отклонения для флуоресцентных ядер в отдельных моделях на 2018 и 2019 годы составили 5,74 и 5,75 соответственно, тогда как средние абсолютные отклонения для нефлуоресцентных ядер составили 8,58 и 6,81. Средние абсолютные отклонения для процента пропускания флуоресцентного ядра составили 0,885% и 1,38%. Обучение отдельных моделей было значительно быстрее, чем обучение отдельной модели (время обучения на графическом процессоре Nvidia V100 примерно в 100 раз меньше).Подробные метрики для обучения модели можно найти в разделе «Материалы и методы» ниже. Хотя вариации, вносимые использованием разных камер для каждого года, вероятно, были ответственны за повышение точности отдельных моделей, мы не можем исключить другие потенциально коррелированные факторы в двух вегетационных сезонах. Из-за их повышенной точности мы приступили к использованию индивидуальных моделей для каждой камеры в год для исследования скорости передачи мутантных аллелей Ds-GFP . Мы вместе называем эти модели EarVision.
Рис. 5. Модели глубокого обучения, обученные на наборах данных изображений из разных полевых сезонов и камер, точно определяют ядра и классы в тестовом наборе данных.(A) Пример тестовых изображений и аннотаций, предсказанных моделью. Верхние изображения: типичное ухо из полевого сезона 2018 года, показывающее менделевское наследование ядер с меткой GFP. Модель предсказывала скорость передачи 45%, тогда как ручные аннотации указывали передачу 46,3%. Средние изображения: ухо 2018 года, показывающее значительный дефект передачи, с несколькими ядрами с маркировкой GFP.Модель предсказывала скорость передачи 16,9%, тогда как ручные аннотации указывали передачу 16,2%. Нижние изображения: ухо 2019 года, показывающее менделевское наследование. Модель предсказывала скорость передачи 50,1%, тогда как ручные аннотации указывали передачу 50,7%. (B) Общее количество ядер и процент GFP в тестовом наборе данных 2018 (160 изображений). Скорректированные значения R 2 были рассчитаны с использованием линейной модели, сравнивающей подсчет вручную (ось x) с прогнозами модели глубокого обучения (ось y).Пунктирные диагональные линии представляют равные значения как для ручного подсчета, так и для прогнозов модели. Скорректированные значения R 2 для общего количества флуоресцентных, нефлуоресцентных ядер и процентного содержания флуоресцентных ядер были выше 0,97. (C) Общее количество ядер и процент GFP в тестовом наборе данных 2019 (160 изображений). Скорректированные значения R 2 были снова рассчитаны с использованием линейной модели, сравнивающей ручной подсчет с прогнозами глубинной модели, и оказались выше 0,94.
Применение моделей глубокого обучения к большому набору данных проекции уха
Чтобы протестировать модели глубокого обучения EarVision на более крупном наборе данных, мы количественно оценили набор из 369 сканированных изображений уха, в которых вручную подсчитывались ядра из предыдущего исследования (Warman et al., 2020). Исходный набор данных состоял из изображений початков кукурузы, выращенных в полевом сезоне 2018 года. Уши собирали с разных растений с одиночными вставками Ds-GFP в 44 генах. Всего было исследовано 48 мутантных аллелей, четыре гена имели две независимые вставки Ds-GFP . Гены были выбраны потому, что они высоко экспрессируются в мужском гаметофите. Реципрокные скрещивания гетерозиготных мутантов проводили для функционального опроса этих генов.Этот процесс привел к идентификации нескольких мутантных аллелей со сниженной передачей через самцов. Мы оценили точность прогнозов модели EarVision, сравнив скорости передачи для изображений с ручными аннотациями и прогнозов модели (дополнительный рисунок 3). Для скрещиваний через самку модель предсказывала, что мутации во всех 44 генах не имеют существенных отличий от менделевского (50%) наследования, что согласуется с ручными аннотациями (дополнительный рисунок 3A). Для скрещиваний через самца модель успешно предсказала аллели 7/8, которые показали значительные дефекты передачи при количественной оценке передачи вручную, при этом передача одного из этих аллелей была предсказана моделью как несущественная (дополнительный рисунок 3B).Обобщенная линейная модель не показала существенных систематических различий между ручными аннотациями и прогнозами модели (p-значение> 0,8).
Второй набор взаимных скрещиваний был проведен в полевом сезоне 2019 г. для увеличения размера набора данных изображений уха. Скрещивания из полевого сезона 2019 года включали растения с ранее протестированными мутантными аллелями, чтобы определить, сохранятся ли уровни передачи, выявленные в 2018 году, в следующем году. Скрещивания также содержали растения с дополнительными аллелями, которые не были включены в опубликованный анализ (Warman et al., 2020), либо из-за недостаточного скрещивания в 2018 г. (5 аллелей), либо из-за отсутствия ПЦР-подтверждения местоположения вставки Ds (7 аллелей). В общей сложности около 1000 ушей растений, содержащих 60 мутантных аллелей, были количественно определены с использованием индивидуальных моделей компьютерного зрения для полевых сезонов 2018 и 2019 годов. Комбинированные оценки модели 2018 + 2019 в значительной степени совпадали с ручными аннотациями 2018 года для мужских и женских кроссов (Рисунок 6). Данные комбинированных моделей правильно предсказали отсутствие значительных дефектов передачи через самку для аллелей 56/60 в объединенном наборе данных, при этом 4/60 аллелей, назначенных GFP, скорости передачи значительно увеличились по сравнению с менделевским наследованием (рис. 6A).Эти очевидные ложноположительные результаты, вероятно, были результатом систематического занижения количества нефлуоресцентных ядер в небольшой подгруппе женских кроссов в наборе данных 2019 года (дополнительный рисунок 4A-B). Это потенциально связано с относительно сильным сигналом GFP, возникающим из-за удвоенной дозы Ds-GFP в эндосперме, что приводит к снижению точности распознавания нефлуоресцентных ядер (дополнительный рисунок 4C). Модель правильно предсказала все 8 аллелей, показывающих значительные дефекты передачи, как было определено путем ручного подсчета 2018 (рисунок 6B).Кроме того, модель предсказывала уровни передачи у мужчин для 12 аллелей, не представленных в наборе данных 2018 года, большинство из которых (11/12) не продемонстрировали признаков неменделирующего наследования. Однако модель выявила значительный, ранее не описанный, специфический для мужчин дефект передачи, связанный со вставкой Ds , которая, по прогнозам, находится в гене кукурузы Zm00001d002824 (Таблица 2). Zm00001d002824 кодирует предполагаемый фермент процессинга вакуоля (VPE). Было показано, что VPE участвуют в созревании вакуолярных белков, а также в вакуолярной организации запрограммированной гибели клеток (Yamada et al., 2005), и их потенциальная роль в функции мужских гаметофитов не изучена.
Рис. 6. Прогнозы модели компьютерного зрения согласуются с ручным подсчетом передачи GFP в течение двух полевых сезонов.(A) Передача происходит от растений, содержащих гетерозиготные инсерционные аллели Ds-GFP , скрещенные через самку. Всего было определено 60 аллелей у отдельных растений. Гены с мутантными аллелями принадлежали к трем категориям (только проростки, вегетативные клетки, сперматозоиды) на основе высоких уровней экспрессии в этих тканях, показанных на оси x в log2 (FPKM). (B) Скорости передачи для всех аллелей оценивались, когда растения, содержащие гетерозиготные инсерционные аллели Ds-GFP , скрещивались через самцов. Уровни экспрессии в ранее описанных категориях показаны на оси абсцисс.
Таблица 2.Характеристики генов, несущих недавно оцененные аллели Ds-GFP
Обсуждение
Большой объем информации можно получить из початков кукурузы. Определенные типы информации, такие как урожайность и качество ядра, имеют прямое отношение к улучшению кукурузы в сельскохозяйственных целях.Другие типы информации, такие как передача мутанта, могут быть использованы для изучения фундаментальных биологических процессов. Нашей целью было разработать методологию сбора некоторой части этой информации с помощью цифровых изображений и автоматического обнаружения ядра. Эта методология обеспечивает стандартизированные, воспроизводимые измерения распределения фенотипов ядра, а также обеспечивает постоянную цифровую запись ушей для архивирования и будущих повторных анализов. Сканер работает быстро и экономично в своей минимальной конфигурации (MES v1.0). Шаг вперед по сравнению с минимальной конфигурацией (MES v2.0) обеспечивает более автоматизированную систему для передачи файлов и генерации видео в проекцию, а также добавление EarVision, обеспечивающее количественную оценку ядра на основе глубокого обучения по полученным изображениям, что значительно увеличивает количество количественных данных, которые могут быть реально получены. Кроме того, автоматическая количественная оценка позволяет избежать вариаций, вносимых несколькими людьми, количественно оценивающими изображения вручную.
Хотя сканер предоставляет полезные данные фенотипирования, он имеет некоторые заметные ограничения.Цилиндрические проекции — удобный способ визуализировать всю поверхность уха на одном изображении. Однако, поскольку початки кукурузы не являются идеальными цилиндрами, выступы искажают участки уха, которые не имеют цилиндрической формы, как правило, верх и низ, в результате чего зерна кажутся больше, чем в середине початка (рис. 3A). Чрезмерно изогнутые колосья, иногда возникающие в результате неравномерного опыления, также могут привести к серьезным искажениям. Из-за этих искажений измерение таких качеств, как размеры ядра и уха, может быть затруднено.Хотя приблизительные значения этих показателей могут быть рассчитаны, в будущем более точные измерения могут потенциально использовать исходное видео в качестве входных данных для моделирования уха в трех измерениях, особенно с добавлением калибровочных объектов (Feldmann et al., 2019). Таким образом, мы ограничили использование конвейера EarVision относительно прямыми ушами одинаковой толщины, тогда как более искаженные изображения ушей можно количественно оценить после ручного аннотирования.
Получение высококачественных стандартизованных изображений имеет решающее значение для системы.Различия в фотографическом оборудовании, качестве изображения и морфологии уха и ядра могут снизить точность. Небольшое подмножество ядер, которые значительно выходили за пределы нормального диапазона изменения цвета, не были идентифицированы моделью, особенно на изображениях с неоптимальной экспозицией (дополнительный рисунок 4). Эти случаи, вероятно, могут быть решены с помощью улучшенного протокола визуализации и контроля качества, особенно высококонтрастных изображений с сильным сигналом GFP. Общее влияние этих недостатков на точность модели было незначительным из-за их относительной редкости.
Конвейер EarVision, по-видимому, может работать с широким спектром ядерных маркеров и фенотипов (например, тех, что показаны на рисунке 3A). Дополнительные фенотипы потребуют дополнительных данных обучения, но не существует технических ограничений для добавления маркеров ядра, таких как гены антоцианов или маркеры морфологии ядра, такие как bt1 . Аспекты початков кукурузы, имеющие отношение к сельскому хозяйству, такие как размер зерен, количество рядов и другие компоненты урожайности, также могут быть измерены с помощью изображений, полученных с помощью сканера початков.Добавление калибровочных поверхностей (таких как линейка или сетка) к сканеру, вероятно, улучшит возможность оценки таких размеров уха или ядра.
Изображения ушей обеспечивают удобную и длительную запись экспериментов, особенно если они используются исследователями. Эти данные можно использовать по-разному, например, для измерения закономерностей распределения ядер, количественной оценки пустого пространства на ухе и регистрации других фенотипов, таких как аномальные или поврежденные ядра. Для наших экспериментальных целей система сделала возможным генерировать почти в два раза больший набор данных о передаче флуоресцентного ядра по сравнению с нашим первоначальным исследованием (Warman et al.2020). Ручная количественная оценка исходного набора данных заняла около 50 часов. Автоматическая количественная оценка большего набора данных с помощью EarVision заняла менее четырех часов при запуске на нескольких графических процессорах, что примерно в 25 раз меньше времени, необходимого для количественной оценки изображений. Более крупный набор данных не только подтвердил наблюдения в этом исследовании, он также позволил идентифицировать новый специфический для мужчин гаметофитный мутант, указывая на ранее неизвестную функцию фермента процессинга вакуоля.Сканирование початков кукурузы и система EarVision расширяют объем возможных экспериментов, посвященных репродуктивной биологии кукурузы и связанным с ней сельскохозяйственным признакам, устраняя узкие места в сборе данных и количественной оценке, открывая путь для высокопроизводительного фенотипирования в этой области.
Материалы и методы
Создание сканера початков кукурузы
Сканер початков кукурузы был изготовлен из крупногабаритной древесины и широко доступных деталей. Подробные планы и трехмерные модели см. В дополнительном файле 1.Основание сканера было построено из еловой доски номиналом 2 × 12 (38 × 286 мм), а рама сканера — из кедровой доски номиналом 2 × 2 (38 × 38 мм). Доски скреплялись саморезами. Строгое соблюдение материалов и точных размеров рамы сканера не требуется, если сканер имеет прочную конструкцию и достаточно большой, чтобы вместить уши разных размеров.
Стандартный двигатель для гриля (универсальный электродвигатель для гриля Minostar, заменяющий электрический гриль, 120 В, 4 Вт), используемый для вращения початка кукурузы, был прикреплен к основанию сканера с помощью деревянного кожуха.Стальной стержень 5/16 дюйма (8 мм) был помещен в двигатель гриля, чтобы обеспечить точку крепления нижней части уха. Верх стального стержня был отшлифован до плоской точки с помощью настольного точильного станка, чтобы его можно было вставить в сердцевину в центре основания уха.
Верхняя часть ушка удерживалась на месте с помощью регулируемого узла, изготовленного из номинальной доски 2 × 4 (38 × 89 мм), прикрепленной к направляющим ящика (направляющие ящика на шарикоподшипниках 18 дюймов Liberty D80618C-ZP-W) на любой из них. сторону рамы сканера (дополнительный файл 1).В центре 2 × 4, обращенным вниз к верхней части уха, находится стальной штифт, установленный на подшипнике опорного блока (12-миллиметровый корпус Letool установлен в самоустанавливающийся опорный подшипник опорного фланца). Стальной штифт (12 мм) был заострен до точки, чтобы проникать в верхнюю часть уха при опускании, временно удерживая его на месте, пока ухо вращается во время сканирования. Поскольку штифт можно перемещать вверх и вниз по направляющим ящика, в сканере можно разместить уши разных размеров.
Для изображений полного спектра видимого света использовалось окружающее освещение.Чтобы уловить флуоресценцию GFP, использовали синий свет (Clare Chemical HL34T) для освещения уха. Оранжевый фильтр (набор цветного геля для вспышки камеры Neewer) был помещен перед объективом камеры для частичной фильтрации длин волн, не относящихся к GFP.
Рабочий процесс сканирования уха
Подготовка к процессу сканирования начинается с обрезки верхней и нижней части уха, чтобы обнажить центральную сердцевину. Перед сканированием регистрировали размеры уха (длину и диаметр в самом широком месте). После измерения нижний стержень вставляется в нижнюю часть уха, после чего стержень с прикрепленным ухом помещается в двигатель гриля.Верхняя часть уха фиксируется опусканием верхней булавки в сердцевину в верхней части уха.
Сканирование уха было разделено на две конфигурации. В первой конфигурации (MES v1.0) камера, способная снимать видео (например, мобильный телефон или цифровая камера типа «наведи и снимай», в нашей версии использовалась Sony DSCWX220), была установлена на штативе примерно 60 см в диаметре. перед вращающимся ухом. Видео было снято камерой, а затем вручную импортировано на компьютер для обработки и последующего анализа.Во второй конфигурации (MES v2.0) USB-камера (ELP USBFHD06H-SFV), способная снимать видео с разрешением 1080p со скоростью 30 кадров в секунду, напрямую управляется настольным компьютером (Dell 3630) с дистрибутивом Ubuntu Linux (версия 18.04.3). ). Камера размещалась примерно в 60 см перед ухом для видеосъемки. Видео предварительно просматривается с помощью утилиты командной строки qv4l2 (V4L2 Test Bench, версия 1.10.0), а затем записывается с помощью специальной команды FFmpeg (ffmpeg -t 27 -f v4l2 -framerate 30 — video_size 1920 × 1080 -i / dev / video1 / выход.mov). Команда фиксирует количество кадров, необходимых для одного полного поворота уха, плюс небольшой начальный буфер. Каждую ночь видео преобразуются в плоские изображения с помощью специального сценария (см. Следующий раздел) с помощью утилиты Linux cron. После обработки видео плоские изображения загружаются в облако Google и в пространство локального сервера с помощью утилит rclone (версия 1.50.2) и rsync (версия 3.1.2) соответственно. Подробный протокол сканирования ушей с помощью сканера ушей кукурузы с использованием ушей с маркерами ядра GFP и USB-камеры ELP USBFHD06H-SFV можно найти в дополнительном файле 2.
Создание плоских изображений
Видео были преобразованы в плоские изображения. Сначала кадры были извлечены из видео в изображения в формате png с помощью FFmpeg с параметрами по умолчанию (ffmpeg -i./$file »-threads 4./maize_processing_folder/output_%04d.png). Затем эти изображения были обрезаны до центрального ряда пикселей с помощью ImageMagick (mogrify -verbose -crop 1920 × 1 + 0 + 540 + repage. / Maize_processing_folder / *. Png). Затем в последовательном порядке добавлялась коллекция изображений строк с одним пикселем (convert -verbose -append + repage./maize_processing_folder/*.png./»$name.png »). Наконец, изображение было повернуто и обрезано (mogrify -rotate «180» + repage ./$$ name.png »; mogrify -crop 1920 × 746 + 0 + 40 + repage ./$ name.png»). Мы выбрали условное изображение горизонтального сглаженного изображения с верхней частью уха справа и нижней частью уха слева. Поскольку видео снимались вертикально, после добавления отдельных кадров требовалось вращение. Вертикальный размер окончательной обрезки отражает количество рамок (746), необходимых для одного полного поворота уха.
Количественная оценка ядер вручную с использованием плоских изображений
Ядра были количественно определены по проекциям ушей с использованием подключаемого модуля Cell Counter из дистрибутива FIJI ImageJ (версия 2.0.0) (Schindelin et al., 2012). Уши были присвоены типы счетчиков, соответствующие различным маркерам ядра, после чего ядра на изображениях ушей были обнаружены и аннотированы вручную. Плагин Cell Counter экспортирует результаты в XML-файл, который содержит координаты и тип маркера каждого аннотированного ядра.Этот файл можно обработать для создания карты расположения ядер на ухе. Подробный протокол, описывающий процесс количественной оценки, можно найти в дополнительном файле 3.
Сегментация изображений и маркировка с помощью преобразования водораздела и кластеризации k-средних
Двумерные проекции изображений, содержащих маркеры ядра GFP, были сегментированы с использованием преобразования водораздела, реализованного в Библиотека Python scikit-image, версия 0.16.1. Учебники, расположенные по адресу https: // scikit-image.org / docs / stable / auto_examples / applications / plot_coins_segmentation.html и https://scikit-image.org/docs/dev/auto_examples/color_exposure/plot_regional_maxima.html использовались в качестве отправных точек. Сначала изображения были обрезаны на 15% с каждой стороны, чтобы удалить искаженные области в верхней и нижней части уха. Затем региональные максимумы были изолированы от изображений с использованием функции «реконструкции» scikit-изображения с исходным изображением за вычетом фиксированного значения h 0,3 в качестве исходного изображения. Полученные в результате региональные максимумы с h-куполом были дополнительно обработаны с использованием оператора Собеля (функция scikit-image «sobel»).Чрезвычайно высокие значения гистограммы полученного изображения были использованы в качестве исходных данных для функции scikit-image «водораздел». Наконец, связи между соседними сегментами ядра были сокращены путем морфологического открытия с использованием функции scikit-image «binary_opening».
После того, как сегменты, идентифицирующие потенциальные ядра, были идентифицированы, сегменты были классифицированы на «флуоресцентные» или «нефлуоресцентные» категории. Сначала центры сегментов были идентифицированы с помощью функции center_of_mass из пакета обработки многомерных изображений SciPy (версия 1.4.1). Затем для каждого сегмента рассчитывалась средняя интенсивность в красном, зеленом и синем каналах. Сегменты были разделены на два кластера по интенсивности канала с помощью кластеризации k-средних с использованием функции «kmeans» из библиотеки scikit-learn (версия 0.22.2). Кластеры были коллективно идентифицированы как «флуоресцентные» или «нефлуоресцентные» на основании их относительной средней интенсивности сегмента в зеленом канале. Метрики флуоресценции, нефлуоресценции и процента флуоресценции были рассчитаны с использованием этого метода для 320 изображений в тестовом наборе данных, описанном в следующем разделе.Скорректированные значения R 2 были рассчитаны с использованием линейной регрессии для каждого показателя.
Создание наборов данных для обучения, проверки и тестирования
Наборы данных для обучения и проверки были сгенерированы из 300 отсканированных изображений ушей за полевые сезоны 2018 и 2019 гг. (150 изображений каждый сезон), с использованием коэффициента обучения и проверки 0,7. Строки содержали выборку одиночных мутаций из коллекции Ds-GFP -тегированных вставок мобильных элементов из коллекции Dooner / Du (Li et al., 2013). Ядра были вручную аннотированы ограничивающими прямоугольниками и классами (флуоресцентными или нефлуоресцентными) с помощью LabelImg (https://github.com/tzutalin/labelImg).
Тестовый набор данных был создан с использованием 320 сканированных изображений помеченных Ds-GFP ушей за полевые сезоны 2018 и 2019 гг. (160 изображений за каждый сезон). Камера Sony DSCWX220 использовалась для захвата изображений в 2018 году, а ELP USBFHD06H-SFV использовалась для захвата изображений в 2019 году. Изображения, используемые для обучения и проверки модели, были исключены из набора тестовых данных.Общее количество флуоресцентных и нефлуоресцентных ядер определяли количественно с помощью ImageJ, как описано ранее (см. Раздел «Количественное определение ядер вручную с использованием плоских изображений»).
Выбор и конфигурация модели глубокого обучения
Конвейер глубокого обучения использовал Faster R-CNN с Inception Resnet v2 с моделью сверток Atrous, реализованной в API обнаружения объектов Tensorflow. Репозиторий EarVision, содержащий код, используемый для обучения модели и выполнения логического вывода, указан ниже.Чтобы сохранить память графического процессора, изображения были изменены до максимального размера 600 × 1024 пикселей. Данные обучения были разделены на наборы для обучения и проверки с отношением обучения к проверке 0,7. Количество предложений по привязке RPN на первом этапе было ограничено 3000, с 8 пропорциями в каждой точке привязки. Максимальное общее количество обнаружений было установлено на уровне 2000. Увеличение данных ограничивалось случайным горизонтальным переворотом. Полный файл конфигурации см. В репозитории EarVision.
Модели были созданы с использованием двух подходов. На первом этапе была обучена одна модель с использованием данных за комбинированные полевые сезоны 2018 и 2019 годов.Для каждого сезона использовались отдельные камеры (см. Описание в предыдущем разделе). Эта модель была обучена в течение 940 эпох на графическом процессоре Nvidia V100, и этот процесс занял около 74 часов. Продолжительность обучения была определена путем оптимизации mAP (средняя средняя точность) на 0,5 IOU (пересечение по объединению). Этот параметр измеряет среднюю точность (истинные положительные результаты, деленные на сумму истинных положительных и ложных положительных результатов) в диапазоне значений отзыва (истинные положительные результаты, деленные на сумму истинных положительных и ложных отрицательных результатов).Эта метрика суммирует производительность модели при правильном определении ограничивающих рамок и классов при минимизации ложных срабатываний. В эпоху 940 MAP модели при 0,5 IOU составлял 0,790 при среднем отзыве 0,622.
Во втором подходе две модели обучались независимо на изображениях 2018 и 2019 годов. Эти модели были обучены для 2226 и 2468 эпох соответственно в течение примерно 45 минут на графическом процессоре Nvidia V100. Продолжительность обучения была оптимизирована, как и в случае с единственной моделью, описанной ранее.MAP на 2018 и 2019 годы на уровне 0,5 IOU составлял примерно 0,843 и 0,867 соответственно, при среднем отзыве 0,601 и 0,693.
Оценка достоверности разделения изображения и ограничивающего прямоугольника
Перед обучением изображения и аннотации были разделены на три фрагмента изображения с помощью специального сценария (см. Ниже). Для вывода входные изображения также были разделены на три части изображения. В обоих случаях изображения были разделены по горизонтальной оси (рис. 4В). Перекрывающиеся области шириной 100 пикселей (все измерения пикселей на основе немасштабированных входных изображений, обычно 1920 × 746 пикселей) были включены в левое и правое фрагменты изображения.Поскольку пустые поля слева и справа от исходного изображения обычно приводили к центральному фрагменту изображения, имеющему наибольшее количество ядер, только левое и правое фрагменты изображения включали перекрывающиеся области на 100 пикселей.
Логический вывод сначала выполнялся для каждого фрагмента изображения отдельно. Затем были удалены ограничивающие рамки в пределах 40 пикселей от границ подразделения. Этот процесс удалил частичные ограничивающие рамки ядер, расположенных вдоль разделительных линий между изображениями. Из-за перекрытия изображений эти ядра все еще были отмечены полными ограничивающими прямоугольниками после того, как были удалены частичные ограничивающие прямоугольники.После этого шага были объединены ограничительные рамки и аннотации из трех фрагментов изображений. Избыточные ограничивающие прямоугольники в перекрывающихся областях были удалены путем не максимального подавления с использованием функции Tensorflow «non_max_suppression». Подавление без максимума вычисляет значение пересечения по объединению (IOU) для всех пар ограничивающих рамок. Для пар, которые превышают определенное значение пересечения по объединению (IOU), в нашем случае 0,5, ограничивающий прямоугольник с наименьшей оценкой достоверности удаляется. Вывод для каждого входного изображения занял около одной минуты на графическом процессоре Nvidia M10, при этом отдельные модели работали немного быстрее, чем отдельная модель.
Оптимальные пороги доверительной вероятности для конечных выходных данных ограничивающего прямоугольника были определены эмпирически путем максимизации значения R-квадрата для общего количества флуоресцентных и нефлуоресцентных ядер в наборе данных тестового изображения. Значения R-квадрата для доверительных порогов в диапазоне от 0 до 1 с шагом 0,01 были рассчитаны как для флуоресцентных, так и для нефлуоресцентных общих количеств ядер путем сравнения прогнозов модели и данных, проверенных вручную (дополнительный рисунок 5). Единый доверительный порог 0.12 был выбран для комбинированной модели 2018/2019, чтобы максимизировать комбинированное значение R-квадрата в обоих классах (дополнительный рисунок 5A). Пороги достоверности 0,08 и 0,12 были выбраны для отдельных моделей 2018 и 2019 годов (дополнительный рисунок 5B-C).
Статистические методы для применения модели глубокого обучения к набору тестовых данных
Подсчитанные вручную итоговые значения ядра сравнивались с предсказаниями модели глубокого обучения для 320 тестовых изображений путем аппроксимации линейной регрессии с использованием функции «lm» в R.Скорректированные значения R 2 были рассчитаны для флуоресцентных и нефлуоресцентных ядер, а также для процента передачи флуоресцентных ядер. Средние абсолютные отклонения были рассчитаны для общего количества флуоресцентных и нефлуоресцентных ядер и процента передачи флуоресцентных ядер. Анализ проводился с использованием как одной модели, обученной на изображениях 2018 и 2019 годов, так и отдельных моделей, обученных только каждый год.
Экспериментальный дизайн и статистические методы для применения модели глубокого обучения к полевым испытаниям 2018 и 2019 годов
Вывод был выполнен на 983 сканированных изображениях из полевых сезонов 2018 (369 изображений) и 2019 (614 изображений) (дополнительная таблица 1).Отсканированные изображения ушей были результатом реципрокных скрещиваний гетерозиготных растений, несущих GFP-тегированные аллели вставки Ds в различные гены, высоко экспрессируемые в процессе развития гаметофитов кукурузы. Подробное описание эксперимента см. В (Warman et al., 2020). Вкратце, аллели были выбраны из генов с высокой степенью экспрессии (верхние 20% по FPKM) в трех категориях: вегетативные клетки, сперматозоиды и проростки в качестве контрольного спорофита. Всего было количественно оценено 56 аллелей (Warman et al., 2020), 48 из которых имели флуоресцентные маркеры семян и были проанализированы в данном исследовании. Восемь аллелей были связаны с маркерами семян антоцианов и поэтому не были включены в этот анализ. Изображения ушей из полевого сезона 2019 года содержали дополнительные скрещивания аллелей, присутствующих в полевом сезоне 2018 года, плюс 12 дополнительных аллелей (суммированных в Таблице 2), всего 60 аллелей.
После вывода модели общее количество флуоресцентных и нефлуоресцентных семян было проанализировано с использованием обобщенной линейной модели с функцией логит-связи для биномиальных подсчетов и квазибиномиальным семейством для корректировки избыточной дисперсии между родительскими линиями.Значительные отличия от ожидаемого 50% -ного наследования оценивали с помощью теста квази-правдоподобия со значениями p, скорректированными для множественного тестирования с использованием процедуры Бенджамини-Хохберга для контроля уровня ложного обнаружения на уровне 0,05. Значимые отличия от 50% наследования были определены со скорректированным значением p <0,05. Отдельные обобщенные линейные модели были выполнены для каждого года и кросс-категории (самка, самец сеянца, самец вегетативных клеток, самец сперматозоидов). Комбинированная обобщенная линейная модель со всеми ручными подсчетами на 2018 год и всеми прогнозами компьютерного зрения на 2018 год была также создана, чтобы определить значимость ручного подсчета по сравнению с предсказаниями компьютерного зрения в качестве фактора.
Дополнительные данные
Дополнительные данные. Дополнительные рисунки и пояснения к рисункам.
Дополнительный файл 1. Строительные планы ротационного сканера уха.
Дополнительный файл 2. Сканирование флуоресцентных ушей с помощью протокола сканера вращающихся ушей.
Дополнительный файл 3. Количественная оценка ядер в плоских изображениях с использованием протокола ImageJ.
Дополнительная таблица 1. Окончательные прогнозы подсчета ядра EarVision для изображений крестов, сгенерированных за два полевых сезона, как показано на рисунке 6.
Доступность программного обеспечения и данных изображений
Благодарности
Мы благодарим О. Чилдресса, Х. Фаулера, Б. Галарди, Б. Гамильтона, Р. Хартмана, К. Кресса, К. Ламберта и М. Везеля за их аннотации и помощь при подсчете ядер. Кроме того, мы благодарим О. Чилдресса за отзывы о протоколе и Э. Вишулиса за техническую помощь. Спасибо Джеффу Х. Чангу за чтение рукописи и полезные комментарии. Эта работа финансировалась грантами Национального научного фонда IOS-1340050 и MCB-1832186 (для JEF) и IOS-1340112 (PJ), а также кафедрой ботаники и патологии растений в Университете штата Орегон.Вычислительные ресурсы были предоставлены Центром исследования генома и биокомпьютеров (CGRB) при Университете штата Орегон. Университет штата Орегон подал предварительную заявку на патент (на рассмотрении, № 62 / 989,403) в поддержку коммерциализации этой технологии.
Цитированная литература
- ↵
- ↵
- ↵
- ↵
- ↵
- ↵
- ↵
- ↵
Чоудхури С.Д., Стергер В., Самал К. ) Автоматический фенотипический анализ вегетативной стадии растений кукурузы с использованием изображений в видимом свете.Семинар KDD по науке о данных для продуктов питания, энергии и воды, Сан-Франциско, Калифорния, США
- ↵
- ↵
- ↵
- ↵
Feldmann M, Tabb A, Knapp SJ (2019) Рентабельность, высокая — высокопроизводительный метод трехмерной реконструкции фенотипирования плодов. Проблемы компьютерного зрения при фенотипировании растений (CVPPP) 1
- ↵
- ↵
- ↵
- ↵
- ↵
- ↵
- ↵
- ↵
- 9028 Neuffer MG, Coe EH, Wessler SR (1997) Мутанты кукурузы.Лабораторный пресс в Колд-Спринг-Харбор
- ↵
- ↵
- ↵
- ↵
- ↵
- ↵
- ↵
- ↵
- ↵
- ↵ 9000 Wang, Gu, Lu, Lu , Yu Z (2019) Сбор трехмерных трехмерных данных кукурузы. Компьютерные и вычислительные технологии в сельском хозяйстве XI. Springer International Publishing, стр. 108xyo115
- ↵
- ↵
Dark Harvest II: The Maize (2004) — Dark Harvest II: The Maize (2004) — User Reviews
Ну, пошлите меня боком.Я не видел настолько плохого домашнего фильма с ужасных 13 СЕКУНД или ПОЛОВИНЫ КАСТИ. Кто-то должен забрать у этого парня Sony Handycam! Этот фильм доказывает, что то, что вы можете снять фильм на своей видеокамере за 20 долларов, не обязательно означает, что вы должны это делать.Я помню, что Роберт Родригес написал в своей книге «Бунтарь без экипажа», что когда вы намереваетесь сделать функцию без бюджета, вы должны использовать все ресурсы, которые есть в вашем распоряжении. Родригес говорит, что вам следует провести инвентаризацию всех локаций и реквизита, которые вы можете выпрашивать, украсть и одолжить у своих друзей.Роберт Родрикес дружил с мэром какого-то городка в Мексике, поэтому мэр разрешил ему снимать все бесплатно. То, что вы получили в «Эль-Мариачи», было фильмом, который выглядел так, как будто он стоил намного больше, чем реальный бюджет.
Я уверен, что у режиссера этого фильма есть копия этой книги, и он принял этот совет близко к сердцу. В этом случае он, по-видимому, дружил с парнем, который владел кукурузным полем, где каждый год строили дом с привидениями. Кажется, неплохое место для ужастика, но сложно сохранить интересную кукурузу на 90 минут.Ни одна серия из серии «ДЕТИ КУКУРУЗЫ» не провела на кукурузном поле больше нескольких минут. Хичкок провел всего около десяти минут в одном на СЕВЕРО-НА-СЕВЕРО-ЗАПАДЕ. Поймите намек, парень … кукурузные поля не делают кино захватывающим. Было бы хорошо, если бы у режиссера было больше друзей с большим количеством локаций, потому что это становится довольно утомительным после первых 15 минут. Этот фильм, похоже, стоит около 30 долларов. (или чего бы это ни стоило, чтобы попасть в лабиринт кукурузного поля).
По-видимому, он даже не смог найти кого-нибудь, кто снимался бы в своем фильме, поэтому он взял себя.Большая ошибка. Вот такая мысль: если вы действительно хотите снять фильм, найдите актера. Итак, что касается активов, похоже, что лабиринт кукурузного поля — единственное, что было у бедного парня. Может, он думал, что этого достаточно. Фактически, я собираюсь рискнуть и сказать, что Я ЗНАЮ, что он думал, что этого было достаточно, потому что фильм, прежде чем он завоевал желанную честь быть продолжением DARK HARVEST, назывался просто THE MAIZE: THE MOVIE. Может быть, он уже планирует THE MAIZE: MUSICAL или даже THE MAIZE: MINI-SERIES.
Наш Мастер на все руки (и да, Мастер Ничто, часть этого высказывания определенно уместна здесь) играет отца-экстрасенса, который может сказать, когда произойдут плохие вещи. Подумайте о персонаже из DEAD ZONE, но не о таком хорошем актере, как Кристофер Уокен или даже Энтони Майкл Холл. Папа-экстрасенс предчувствует, что две его дочери, которые находятся в кукурузном лабиринте с мамой, будут убиты. Он бросается спасать их. С этого момента весь фильм проходит, наблюдая, как Папа-Психик бегает по кукурузному полю в поисках двух своих дочерей.Он находит двух маленьких девочек-призраков из THE SHINING и помогает раскрыть тайну их убийства.
Снято на видеокамеру Handycam за 200 долларов. Режиссер бросил сам. Отредактировано в iMovie. Импровизированный рассказ. Если этого недостаточно, чтобы уберечь вас от этой банальной катастрофы, считайте это последним предупреждением … ВЕСЬ ФИЛЬМ происходит на кукурузном поле, кипит и гуляет. Вот совет Ghoulie Guru о том, как сэкономить деньги и при этом почувствовать себя так, как будто вы видели этот фильм. В следующий раз, когда увидите кукурузное поле, остановите машину.Возьмите фонарик и бегайте там около 90 минут.
6 из 7 считают эту информацию полезной. Был ли этот обзор полезным? Войдите, чтобы проголосовать.Постоянная ссылка
Диагностика проблем всходов кукурузы
- При менее чем идеальных условиях посева этой весной мы можем увидеть некоторые проблемы с закладкой насаждений
- Несколько факторов могут привести к проблемам всходов кукурузы, и примеры того, что мы можем увидеть в этом году
Нет сеянцев / Семена сгнили — Проблемы с качеством семян возникают редко, если только семена не хранились слишком долго, в неблагоприятных условиях или были повреждены во время обработки или посадки.В большинстве случаев прорастание пораженных семян задерживается из-за неблагоприятных почвенных условий на достаточно долгое время, чтобы патогенные грибы успешно вторглись. Когда семена кукурузы набухают от влаги, кожура теряет часть своей способности защищать от болезнетворных микроорганизмов. Если прорастание и всходы задерживаются из-за прохладных влажных условий, патогены могут получить преимущество.
Семена или проростки есть, больше не растут — Может быть, имбибициальная травма — Семена кукурузы, впитывающие холодную воду, могут необратимо повредить нежные ткани зародыша.Длительное воздействие на посаженные семена кукурузы холодного дождя, таяния снега или продолжительных температур почвы ниже 50 градусов по Фаренгейту может привести к симптомам, варьирующимся от неспособности прорасти до гибели проросших сеянцев. Кроме того, пораженные таким образом семена и саженцы часто поражаются грибами и в конечном итоге загнивают.
Необычный рост, выходящий из-под земли — Когда дневные высокие температуры достигают 60 или выше, а низкие ночные температуры падают до 40 градусов, колеоптильный побег может скручиваться и расти в неправильном направлении, оболочка колеоптила. может разорваться, и растение может вырасти под землей, корень или побег могут внезапно перестать расти, или могут возникнуть их комбинации.Считается, что это связано с производством веществ роста (ауксинов или гормонов) в течение теплого дня, которые не могут должным образом метаболизироваться во время ночного холода.
Leafing Out Underground — Это может быть вызвано уплотнением поверхности почвы, комковатым семенным ложем, слишком глубокой посадкой (редко) или действием гербицидов (особенно химического состава ацетанилида). Комковатые почвы позволяют колеоптилю обнаруживать свет и распускать лист до того, как побеги и листья очистятся от препятствий в виде комков почвы.
Нет семян — Либо сеялка не работала должным образом, либо что-то удалило семена. Если сеялка не работает должным образом, это должно происходить на большей части поля или может быть ограничено определенными рядами. Птицы могут есть семена. Ищите свидетельства активности птиц. Полевки или суслики будут копать и есть семена. Обычно они оставляют «ямки», где выкопали семена. Насекомые могут съесть семена. Насекомые часто оставляют фрагменты семян. Ищите само насекомое.(Примечание: сгнившие семена прилипают к почве, и их очень трудно найти при копании.)
Частичное присутствие семян — Обычно вызывается насекомыми или грызунами. Личинки семенной кукурузы и проволочники — обычные насекомые-вредители. При обнаружении повреждений личинки могут отсутствовать, потому что жизненный цикл очень короткий. Коричневые куколки размером с рисовое зерно свидетельствуют о предыдущей активности личинок. Проблемы с личинками особенно распространены при наличии навоза или разлагающегося растительного материала.Проволочники быстро переходят с растения на растение и могут отсутствовать на исследуемых вами растениях. Обязательно проверьте несколько растений.
Сеянцы останавливают рост / обесцвечивание или искаженный рост корней, всходы — Прохладные условия выращивания могут увеличить вероятность повреждения гербицидами. Просмотрите программу гербицидов и рассмотрите возможность травм такого типа. Симптомы травмы часто одинаковы по полю или проявляются на уплотненных участках, в конечных рядах и возможных перекрытиях опрыскивателя.
Побеги или проростки с коричневыми кончиками, гнили — Pythium и другие патогены могут убить проростки кукурузы, рост которых задерживается из-за прохладных влажных условий. Фунгициды для обработки семян защищают семена и рассаду лишь ограниченное время. Задержка всходов и роста, вызванная прохладными влажными условиями, будет способствовать активности патогенов.
Коричневый, проволочный корень / семенные корни / мезокотиль / побеги — поражение аммиаком — Семена и саженцы кукурузы, посаженные непосредственно над следом ножа безводного аммиака, могут пострадать от свободного аммиака в почве.Это особенно характерно для безводного аммиака, вносимого пружиной, и там, где влажные почвенные условия не позволяют полностью закрыть ножевую дорожку и / или боковые стенки пятен ножевой дорожки и не обеспечивают должного уплотнения. Пораженные проростки часто имеют коричневые, жилистые на вид прикорневые или семенные корни или могут иметь коричневые побеги мезокотиля или колеоптиля. Иногда симптомы проявляются позже, когда почва высыхает и усыхает, что позволяет аммиаку двигаться вверх в почве по следу ножа.
Неравномерный рост — Множество причин — Обратите внимание на вариации глубины посадки, вызванные сложными почвенными условиями.Комковатые почвы. Почвенная корка. Плохой контакт семян с почвой.
Кукуруза из США бросит вызов рекорду экспорта в Китай в 2020-2021 годах: Braun
FORT COLLINS, Colo. (Рейтер). До нового маркетингового года еще полтора месяца, но количество новых урожай кукурузы из США, которая уже была продана в Китай, сделает экспорт в 2020-2021 годах вторым по величине за всю историю экспорта, если будет отгружен полный объем.
ФОТО ФАЙЛА: Замороженная кукуруза замечена на ферме недалеко от Ист-Гранд-Форкс, Миннесота, США., 22 ноября 2019 г. REUTERS / Nicholas Pfosi
Торговая сделка Фазы 1 между Вашингтоном и Пекином по существу требует рекордного экспорта кукурузы и других сельскохозяйственных товаров США в Китай, что очень важно для кукурузы в связи с ростом продаж.
Несмотря на то, что запасы кукурузы в США должны вырасти до 33-летнего максимума, нестабильные отношения между США и Китаем и конкурентоспособность на мировом рынке кукурузы, желаемое влияние сильной торговли кукурузой с Китаем на рынок США не гарантировано.
Министерство сельского хозяйства США подтвердило во вторник, что Китай закупил 1,762 миллиона тонн кукурузы для поставки в 2020-21 маркетинговом году, начинающемся 1 сентября, что является его крупнейшей ежедневной покупкой кукурузы в США за всю историю наблюдений. Это также была четвертая по величине ежедневная продажа кукурузы в любую страну с момента начала рекордов в 1977 году.
В среду Китай купил 132 000 тонн кукурузы в США, в результате чего общие известные продажи в 2020-2021 годах составили около 3,9 миллиона тонн или 154 миллиона бушелей.
То есть самый U.Кукуруза S. Китай когда-либо заказывал на будущий маркетинговый год, и это будет вторым по величине годовым объемом экспорта. Больше всего кукурузы из США, когда-либо поставленной в Китай, составило 5,15 миллиона тонн или 203 миллиона бушелей в 2011-2012 годах. (tmsnrt.rs/3fAaG4a)
Кукурузные быки на протяжении почти двух лет называли неизбежные продажи в Китай возможным катализатором роста цен. Но фьючерсы на Чикаго завершились снижением как в пятницу, так и во вторник, в дни, когда происходили массовые покупки в Китае, что улучшило U.Прогнозы погоды С. заслонили экспортные новости.
Учитывая относительно низкую импортную квоту Китая и исторические поставки кукурузы из США, закупки вряд ли существенно повлияют на прогнозируемые конечные запасы США в размере 2,65 миллиарда бушелей на 2020-2021 годы.
Сделка по Фазе 1 дает Китаю дополнительный стимул покупать американские сельскохозяйственные товары, и это не первый случай, когда правительственная деятельность привела к огромным продажам кукурузы в США.
Рекордная продажа во вторник Китая была самой большой ежедневной продажей U.S. продажа кукурузы в любую страну с 9 января 1991 года, когда Советский Союз купил 3,72 миллиона тонн. Это было через день после того, как Советскому Союзу был предоставлен экспортный кредит в размере 900 миллионов долларов на закупку американских товаров, в соответствии с долгосрочным соглашением по зерну, подписанным в прошлом году.
КОНТЕКСТ
Экспорт кукурузы из США в Китай исторически не оказывал большого влияния на общий объем торговли сельскохозяйственной продукцией между двумя странами. Кукуруза не составляла более 5% от общей годовой стоимости американских сельскохозяйственных товаров для Китая за 25 лет.
Максимальная стоимость кукурузы из США, отгруженной в Китай за календарный год, составила 1,3 миллиарда долларов в 2012 году при средней экспортной цене 300 долларов за тонну. Соединенные Штаты экспортировали 130 062 тонны кукурузы в Китай в мае 2020 года, что является самым большим ежемесячным объемом с апреля 2018 года, а средняя экспортная цена составила 145,20 доллара за тонну.
Сделка по Фазе 1 предполагает, что общая стоимость экспорта сельскохозяйственной продукции из США в Китай в 2020 году должна составить минимум 36,5 миллиардов долларов, чего автоматически будет труднее достичь при более низких ценах.
Соединенные Штаты остаются крупнейшим экспортером кукурузы в мире, но Китай никогда не принимал на себя значительную часть этих усилий. Его самая большая годовая доля от поставок кукурузы в США составляла 13% как в 2011-12, так и в 2012-2013 годах, но этот процент никогда не превышал 6% ни в один другой сезон как минимум за 50 лет.
ОТМЕНА?
Крупные ранние продажи могут увеличить вероятность отмены бронирований в будущем. Китай не производил значимых отмен за 2011-12 и 2012-2013 гг., Последний из которых был пятым по величине объемом U.Кукуруза С. в азиатские страны.
К концу августа 2013 года Китай закупил 3 миллиона тонн кукурузы из США для отгрузки в 2013–2014 годах, что в прошлом было его самым большим объемом продаж в новом маркетинговом году. К декабрю это количество достигло почти 5,9 миллиона тонн, но в следующие восемь месяцев Китай отменил многие из этих продаж.
Экспорт США в Китай в 2013-14 годах составил 2,73 миллиона тонн, что является третьим по величине годовым объемом за всю историю наблюдений.
Отмена рейсов в 2013–2014 годах, вероятно, была вызвана целым рядом факторов, некоторые из которых могут быть менее применимы сегодня.Пекин наращивал свои программы субсидирования и резервирования зерна, а внутренние запасы росли. Некоторые генетически модифицированные сорта кукурузы США также подверглись тщательной проверке, что привело к дополнительным сбоям в торговле.
Китай в то время также стремился диверсифицировать своих поставщиков, и отношения с Аргентиной, Бразилией и Украиной были относительно новыми. По состоянию на январь 2011 года только США, Таиланд и Перу получили разрешение на экспорт кукурузы в Китай.
Китай купил 1.45 миллионов тонн кукурузы в США 20 декабря 1994 года, что стало крупнейшей ежедневной закупкой страны до вторника. Еще одна крупная продажа в размере 550 000 тонн произошла 27 декабря того же года, но более 600 000 тонн были отменены в феврале 1995 года.
В конце 1980-х — начале 1990-х годов Китай был вторым в мире экспортером кукурузы, несмотря на дефицит предложения. в 1994 г. временно свернул свои усилия. Китай оставался экспортером кукурузы примерно до 2008 года, когда правительство ввело поддерживающие цены для обеспечения самообеспеченности.