發(fā)布時(shí)間：2020-10-31 03:16

　　 水稻是重要的糧食作物之一,其產(chǎn)量關(guān)乎到人類(lèi)的生存與健康。培育高產(chǎn)水稻一直是水稻育種研究的重要方向,其中水稻表型性狀的測(cè)量是水稻育種研究中的關(guān)鍵環(huán)節(jié)。水稻表型性狀主要包括粒型性狀參數(shù)和穗型性狀參數(shù),其中前者包括谷粒數(shù)、谷粒面積、粒長(zhǎng)、粒寬等,后者包括穗長(zhǎng)、一次枝梗長(zhǎng)度、在穗谷粒數(shù)等。傳統(tǒng)的表型性狀獲取方法主要采用人工測(cè)量,勞動(dòng)量大、效率低下、測(cè)量精度低。利用圖像處理技術(shù),可以提高測(cè)量效率和精度,易于實(shí)現(xiàn)自動(dòng)化。本研究基于圖像處理技術(shù),設(shè)計(jì)了一種粒穗一體化性狀測(cè)量平臺(tái),將粒型性狀與穗型性狀的測(cè)量集成到一個(gè)平臺(tái),可實(shí)現(xiàn)大多數(shù)粒型和穗型性狀參數(shù)的精確測(cè)量。對(duì)于穗型性狀參數(shù)中的在穗谷粒數(shù),由于穗株谷粒之間復(fù)雜的粘連和遮擋情況,傳統(tǒng)圖像處理方法難以進(jìn)行精確測(cè)量。對(duì)此,本研究提出基于深度學(xué)習(xí)的在穗谷粒數(shù)預(yù)測(cè)方法,利用全卷積神經(jīng)網(wǎng)絡(luò),結(jié)合谷粒中心點(diǎn)標(biāo)注方式,在不損壞穗株形態(tài)結(jié)構(gòu)的前提下,實(shí)現(xiàn)了對(duì)完整穗株上的谷粒檢測(cè)和計(jì)數(shù)。在穗谷粒數(shù)測(cè)量誤差達(dá)到3.47%,滿(mǎn)足測(cè)量誤差指標(biāo)。對(duì)于被遮擋的谷粒,傳統(tǒng)圖像處理無(wú)法測(cè)量其性狀參數(shù),通常會(huì)忽略這部分谷粒,對(duì)測(cè)量結(jié)果的完整性造成影響。本研究提出了基于深度學(xué)習(xí)的谷粒性狀還原方法,模擬谷粒遮擋現(xiàn)象,設(shè)計(jì)自動(dòng)標(biāo)注方法生成訓(xùn)練樣本,訓(xùn)練具有圖像還原功能的卷積神經(jīng)網(wǎng)絡(luò),將被遮擋谷粒圖像的殘缺部分還原。還原后的谷粒在形狀和顏色上十分接近普通谷粒,可對(duì)其進(jìn)行粒長(zhǎng)、粒寬、面積等性狀參數(shù)的測(cè)量。通過(guò)實(shí)驗(yàn),對(duì)比了還原圖像與真實(shí)圖像之間的谷粒性狀參數(shù)差異,對(duì)本方法在實(shí)際應(yīng)用中的可行性進(jìn)行了分析。本研究提出的深度學(xué)習(xí)穗株谷粒數(shù)預(yù)測(cè)方法,解決了谷粒粘連和遮擋問(wèn)題。針對(duì)遮擋谷粒性狀參數(shù)無(wú)法測(cè)量的問(wèn)題,本研究提出的深度學(xué)習(xí)谷粒性狀還原方法提供了一種有效的解決方案。
【學(xué)位單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類(lèi)】：S511;TP18;TP391.41
【部分圖文】：

圖 1- 1 手工測(cè)量粒長(zhǎng)的方式[17]Fig.1- 1 Manual measurement of grain length[17]型性狀的傳統(tǒng)人工測(cè)量具有誤差較大，勞動(dòng)強(qiáng)度大，且效率低下，限制，重復(fù)性較差。隨著技術(shù)的發(fā)展，自動(dòng)化控制、機(jī)器視覺(jué)、高用于作物表型特征的提取，自動(dòng)化表型測(cè)量平臺(tái)逐漸取代了傳統(tǒng)手工省大量時(shí)間和人力成本。如比利時(shí)研究團(tuán)隊(duì)開(kāi)發(fā)的“表型性狀工廠植物表型組自動(dòng)檢測(cè)平臺(tái)[19]，澳大利亞的植物表型設(shè)備中心[20]，歐組學(xué)研究平臺(tái) PhenoFab[21]等。這些平臺(tái)通常除了配置常見(jiàn)的可見(jiàn)光可能配置有近紅外、紅外、高光譜、X 射線成像等成像系統(tǒng)，通過(guò)集的圖像進(jìn)行分析計(jì)算，獲取其表型性狀數(shù)據(jù)。其中，圖像處理和量平臺(tái)的關(guān)鍵環(huán)節(jié)，是表型性狀測(cè)量的核心技術(shù)。年來(lái)，以卷積神經(jīng)網(wǎng)絡(luò)為代表的深度學(xué)習(xí)技術(shù)飛速發(fā)展，使機(jī)器視前的進(jìn)步，尤其在圖像分類(lèi)和物體檢測(cè)方向有重大突破，機(jī)器視覺(jué)魯棒性大幅提高[22]。深度學(xué)習(xí)在農(nóng)業(yè)方面的研究和應(yīng)用潛力逐漸被研究者在水果病變識(shí)別[23,24]，苜蓿葉部病害檢測(cè)[25]，玉米籽粒完整

可以測(cè)量粒數(shù)，還可以對(duì)粒長(zhǎng)、粒寬等性狀參數(shù)進(jìn)行測(cè)量。Lingfeng D可見(jiàn)光 CCD 相機(jī)成像與 X-ray 成像結(jié)合獲取雙模式圖像，利用分水嶺谷粒，求出谷�？倲�(shù)量，再通過(guò) X-ray 能反映灌漿程度的特點(diǎn)識(shí)別實(shí)粒從而得出結(jié)實(shí)率[37]，相比于傳統(tǒng)分選機(jī)分離實(shí)癟粒的機(jī)械式方法，這種擺脫電機(jī)，風(fēng)扇等機(jī)械裝置，節(jié)省了設(shè)備空間，但 X-ray 成像會(huì)引入放。華中科技大學(xué)楊萬(wàn)能等人設(shè)計(jì)的全自動(dòng)數(shù)字化水稻考種機(jī)，采用多級(jí)結(jié)合風(fēng)選裝置，分離實(shí)粒與癟粒，再利用圖像處理技術(shù)提取總粒數(shù)、實(shí)率、粒長(zhǎng)、粒寬參數(shù)，整個(gè)過(guò)程實(shí)現(xiàn)全自動(dòng)化[17]。華中科技大學(xué)黃成龍的碾壓式水稻自動(dòng)脫離系統(tǒng)，將穗株上的谷粒自動(dòng)脫離，方便送入數(shù)字種機(jī)測(cè)量參數(shù)，使穗株谷粒數(shù)測(cè)量實(shí)現(xiàn)自動(dòng)化[38]。這些自動(dòng)化的谷粒表備，通常體積比較龐大，不易搬運(yùn)，且造價(jià)昂貴，推廣程度不高。此外究者開(kāi)發(fā)了表型測(cè)量的軟件系統(tǒng)，如日本國(guó)立農(nóng)業(yè)生物資源研究所（Nakanari Tanabata 等人，開(kāi)發(fā)一款可免費(fèi)使用的種子表型測(cè)量軟件 SmartG件使用圖像處理技術(shù)計(jì)算幾個(gè)形狀參數(shù)，包括谷粒的長(zhǎng)度，寬度，面積，但是需要自行配備一套硬件平臺(tái)[39]。

圖 2- 1 一款商業(yè)自動(dòng)化考種機(jī)[38]Fig.2- 1 A commercial automaticseed phenotyping facility[38]2.2 平臺(tái)機(jī)械結(jié)構(gòu)與器件模塊粒穗一體化考種儀主要模塊包括平板電腦、電子稱(chēng)模塊、嵌入式藍(lán)牙控制、頂光燈板、背光燈板、透明托盤(pán)、箱體等。此外粒穗一體化考種儀還同時(shí)一個(gè)風(fēng)選裝置和一個(gè)標(biāo)簽打印機(jī)這兩外部設(shè)備，其中前者用來(lái)分離實(shí)粒與癟粒便測(cè)量實(shí)粒數(shù)與實(shí)粒率這兩個(gè)谷粒性狀參數(shù)，后者用來(lái)即時(shí)將測(cè)量結(jié)果打印紙上，打印得到的標(biāo)簽可以粘到谷粒或穗株收集袋上，方便標(biāo)記。如圖 2-2 ，為粒穗一體化考種儀的實(shí)物圖，其中中間黑色方形箱體的設(shè)備就是粒穗一考種儀，位于圖像右邊的白色物體為風(fēng)選裝置，位于圖像左邊的較小黑色箱標(biāo)簽打印機(jī)。
【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 王細(xì)萍;黃婷;譚文學(xué);吳華瑞;孫闖;;基于卷積網(wǎng)絡(luò)的蘋(píng)果病變圖像識(shí)別方法[J];計(jì)算機(jī)工程;2015年12期

2 李金梅;崔迪;湯翠鳳;阿新祥;余滕瓊;馬小定;張恩來(lái);劉昌文;徐福榮;戴陸園;韓龍植;;兩個(gè)時(shí)期收集的云南水稻農(nóng)家品種表型多樣性比較[J];植物遺傳資源學(xué)報(bào);2015年02期

3 譚文學(xué);趙春江;吳華瑞;高榮華;;基于彈性動(dòng)量深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的果體病理圖像識(shí)別[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2015年01期

4 王祥生;王偉;;基于清晰度的細(xì)胞顯微圖像分割和計(jì)數(shù)方法[J];中國(guó)醫(yī)學(xué)影像學(xué)雜志;2014年10期

5 趙三琴;李毅念;丁為民;呂俊逸;王心怡;;稻穗結(jié)構(gòu)圖像特征與籽粒數(shù)相關(guān)關(guān)系分析[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2014年12期

6 李宏;韋曉蘭;;表型組學(xué):解析基因型-表型關(guān)系的科學(xué)[J];生物技術(shù)通報(bào);2013年07期

7 吳琦;EL冷光產(chǎn)品及應(yīng)用前景綜述[J];科技創(chuàng)業(yè)月刊;2002年01期

相關(guān)博士學(xué)位論文 前3條

1 周博;基于農(nóng)業(yè)可持續(xù)發(fā)展的我國(guó)糧食安全影響因素研究[D];沈陽(yáng)農(nóng)業(yè)大學(xué);2015年

2 黃成龍;多品種水稻數(shù)字化考種關(guān)鍵技術(shù)研究[D];華中科技大學(xué);2014年

3 楊萬(wàn)能;水稻產(chǎn)量相關(guān)性狀參數(shù)自動(dòng)提取的數(shù)字化技術(shù)研究[D];華中科技大學(xué);2011年

本文編號(hào)：2863372