基于深度学习的水稻粒穗复杂性状图像分析方法

发布时间：2020-10-31 03:16

　　 水稻是重要的粮食作物之一,其产量关乎到人类的生存与健康。培育高产水稻一直是水稻育种研究的重要方向,其中水稻表型性状的测量是水稻育种研究中的关键环节。水稻表型性状主要包括粒型性状参数和穗型性状参数,其中前者包括谷粒数、谷粒面积、粒长、粒宽等,后者包括穗长、一次枝梗长度、在穗谷粒数等。传统的表型性状获取方法主要采用人工测量,劳动量大、效率低下、测量精度低。利用图像处理技术,可以提高测量效率和精度,易于实现自动化。本研究基于图像处理技术,设计了一种粒穗一体化性状测量平台,将粒型性状与穗型性状的测量集成到一个平台,可实现大多数粒型和穗型性状参数的精确测量。对于穗型性状参数中的在穗谷粒数,由于穗株谷粒之间复杂的粘连和遮挡情况,传统图像处理方法难以进行精确测量。对此,本研究提出基于深度学习的在穗谷粒数预测方法,利用全卷积神经网络,结合谷粒中心点标注方式,在不损坏穗株形态结构的前提下,实现了对完整穗株上的谷粒检测和计数。在穗谷粒数测量误差达到3.47%,满足测量误差指标。对于被遮挡的谷粒,传统图像处理无法测量其性状参数,通常会忽略这部分谷粒,对测量结果的完整性造成影响。本研究提出了基于深度学习的谷粒性状还原方法,模拟谷粒遮挡现象,设计自动标注方法生成训练样本,训练具有图像还原功能的卷积神经网络,将被遮挡谷粒图像的残缺部分还原。还原后的谷粒在形状和颜色上十分接近普通谷粒,可对其进行粒长、粒宽、面积等性状参数的测量。通过实验,对比了还原图像与真实图像之间的谷粒性状参数差异,对本方法在实际应用中的可行性进行了分析。本研究提出的深度学习穗株谷粒数预测方法,解决了谷粒粘连和遮挡问题。针对遮挡谷粒性状参数无法测量的问题,本研究提出的深度学习谷粒性状还原方法提供了一种有效的解决方案。
【学位单位】：上海交通大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：S511;TP18;TP391.41
【部分图文】：

图 1- 1 手工测量粒长的方式[17]Fig.1- 1 Manual measurement of grain length[17]型性状的传统人工测量具有误差较大，劳动强度大，且效率低下，限制，重复性较差。随着技术的发展，自动化控制、机器视觉、高用于作物表型特征的提取，自动化表型测量平台逐渐取代了传统手工省大量时间和人力成本。如比利时研究团队开发的“表型性状工厂植物表型组自动检测平台[19]，澳大利亚的植物表型设备中心[20]，欧组学研究平台 PhenoFab[21]等。这些平台通常除了配置常见的可见光可能配置有近红外、红外、高光谱、X 射线成像等成像系统，通过集的图像进行分析计算，获取其表型性状数据。其中，图像处理和量平台的关键环节，是表型性状测量的核心技术。年来，以卷积神经网络为代表的深度学习技术飞速发展，使机器视前的进步，尤其在图像分类和物体检测方向有重大突破，机器视觉鲁棒性大幅提高[22]。深度学习在农业方面的研究和应用潜力逐渐被研究者在水果病变识别[23,24]，苜蓿叶部病害检测[25]，玉米籽粒完整

可以测量粒数，还可以对粒长、粒宽等性状参数进行测量。Lingfeng D可见光 CCD 相机成像与 X-ray 成像结合获取双模式图像，利用分水岭谷粒，求出谷粒总数量，再通过 X-ray 能反映灌浆程度的特点识别实粒从而得出结实率[37]，相比于传统分选机分离实瘪粒的机械式方法，这种摆脱电机，风扇等机械装置，节省了设备空间，但 X-ray 成像会引入放。华中科技大学杨万能等人设计的全自动数字化水稻考种机，采用多级结合风选装置，分离实粒与瘪粒，再利用图像处理技术提取总粒数、实率、粒长、粒宽参数，整个过程实现全自动化[17]。华中科技大学黄成龙的碾压式水稻自动脱离系统，将穗株上的谷粒自动脱离，方便送入数字种机测量参数，使穗株谷粒数测量实现自动化[38]。这些自动化的谷粒表备，通常体积比较庞大，不易搬运，且造价昂贵，推广程度不高。此外究者开发了表型测量的软件系统，如日本国立农业生物资源研究所（Nakanari Tanabata 等人，开发一款可免费使用的种子表型测量软件 SmartG件使用图像处理技术计算几个形状参数，包括谷粒的长度，宽度，面积，但是需要自行配备一套硬件平台[39]。

图 2- 1 一款商业自动化考种机[38]Fig.2- 1 A commercial automaticseed phenotyping facility[38]2.2 平台机械结构与器件模块粒穗一体化考种仪主要模块包括平板电脑、电子称模块、嵌入式蓝牙控制、顶光灯板、背光灯板、透明托盘、箱体等。此外粒穗一体化考种仪还同时一个风选装置和一个标签打印机这两外部设备，其中前者用来分离实粒与瘪粒便测量实粒数与实粒率这两个谷粒性状参数，后者用来即时将测量结果打印纸上，打印得到的标签可以粘到谷粒或穗株收集袋上，方便标记。如图 2-2 ，为粒穗一体化考种仪的实物图，其中中间黑色方形箱体的设备就是粒穗一考种仪，位于图像右边的白色物体为风选装置，位于图像左边的较小黑色箱标签打印机。
【参考文献】

相关期刊论文 前7条

1 王细萍;黄婷;谭文学;吴华瑞;孙闯;;基于卷积网络的苹果病变图像识别方法[J];计算机工程;2015年12期

2 李金梅;崔迪;汤翠凤;阿新祥;余滕琼;马小定;张恩来;刘昌文;徐福荣;戴陆园;韩龙植;;两个时期收集的云南水稻农家品种表型多样性比较[J];植物遗传资源学报;2015年02期

3 谭文学;赵春江;吴华瑞;高荣华;;基于弹性动量深度学习神经网络的果体病理图像识别[J];农业机械学报;2015年01期

4 王祥生;王伟;;基于清晰度的细胞显微图像分割和计数方法[J];中国医学影像学杂志;2014年10期

5 赵三琴;李毅念;丁为民;吕俊逸;王心怡;;稻穗结构图像特征与籽粒数相关关系分析[J];农业机械学报;2014年12期

6 李宏;韦晓兰;;表型组学:解析基因型-表型关系的科学[J];生物技术通报;2013年07期

7 吴琦;EL冷光产品及应用前景综述[J];科技创业月刊;2002年01期

相关博士学位论文 前3条

1 周博;基于农业可持续发展的我国粮食安全影响因素研究[D];沈阳农业大学;2015年

2 黄成龙;多品种水稻数字化考种关键技术研究[D];华中科技大学;2014年

3 杨万能;水稻产量相关性状参数自动提取的数字化技术研究[D];华中科技大学;2011年

本文编号：2863372