单粒小麦种子表型精细化获取方法研究与装备研发
发布时间：2021-03-01 06:09
种子的表型特征是种质创新和生物学研究的基础,本文基于近红外光谱检测技术、立体机器视觉、智能信息处理等技术,开展单粒小麦种子内部品质和外部形态表型性状的定量与定性建模方法研究,基于表型信息融合的单粒小麦生活力性状早期识别方法研究,并基于先进传感技术、机电一体化技术、计算机技术等,研制单粒种子表型基础数据精细化、一体化获取平台,以期为小麦种子表型研究提供新思路。论文主要内容与结论如下:（1）在分析适用于单粒小麦光谱检测的机理和分析方法的基础上,针对小麦种子颗粒小,曲面不规则,对光源照射敏感等特点,提出了一种基于全包围光源结构的小麦品质表型光谱检测方法。开展了全包围光源结构的品质表型检测光路分析和结构设计,完成了器件选型、电路设计,以及系统软硬件构建等。测试结果表明,构建的全包围结构的近红外光谱检测系统,可实现对单粒小麦种子实时、在线近红外光谱快速获取,最大波长标准差为0.04nm,最大反射光强变异系数为1.9%,最大吸光度变异系数为0.4%,具有良好的波长重复性和吸光度重复性表现,能够用于单粒小麦品质表型的精细化测量。（2）基于全包围光源结构的光谱检测装置,结合模式识别方法,开展了单粒小麦...
【文章来源】：西北农林科技大学陕西省 211工程院校 985工程院校 教育部直属院校
【文章页数】：145 页
【学位级别】：博士
【部分图文】：
不同层次/尺度作物表型研究示意图（Tardieuetal.2017）
第一章绪论7图1-2不同层次/尺度作物表型研究示意图（Tardieuetal.2017）Fig.1-2SchematicOverviewofPhenotypingPlatformsandacrossDifferentScales(Tardieuetal.2017)国内表型研究的另一个领军人物周济（周济等2018）总结了当今国际植物表型界对表型组学研究进程的共识：为提高现代作物育种的选择速度，需要在完善大规模、高通量表型数据采集环节的自动化和遥感技术的基础上，发展和利用全新的统计方法设计大数据生物试验，使用复杂的数据管理手段对表型数据集进行注释、标准化和存储；基于本体论进行数据的优化整合；引入最新的机器学习和深度学习等人工智能方法对多维表型数据集进行分析；进而萃取可靠的性状特征信息，最终挖掘出有意义的生物学知识，并解决实际的科学问题，所提出的策略如图1-3所示。图1-3作物表型组学研究进程示意图（周济等2018）Fig.1-3Strategyofplantphenomicsresearch(Zhouetal.2018)在表型平台建设方面，从事植物表型组分析技术和设备研发的科研机构和公司表现地十分活跃，德国LemnaTec公司（http://www.lemnatec.com）已形成从低通量到高通量，从实验室到温室再到田间，从细菌到高等植物等全方位的表型组图像采集和分析平台，
(a) 籽粒的扫描图像 (b) 软件识别出的籽粒 (c) 测量的形态参数 (a) Scaned image of seeds (b) Identified seeds by SmartGrain (c) Measured parameters 图 1-5 SmartGrain 平台自动识别图像中的籽粒（Tanabata et al. 2012） Fig.1-5 Strategy of plant phenomics research (Tanabata et al. 2012) 实际中应用中，使用更广泛成熟的是基于相机的机器视觉检测平台，典型平台部件如图 1-6 所示，图像采集单元主要由采样保持板/成像背景板、摄像机、图像采集卡和用于适当照明的光源组成，图像处理和图像分析是这类平台至关重要的部分，前者旨在提高获取图像的质量，后者提供从图像生成定性/定量分析结果的过程。
【参考文献】：
期刊论文
[1]植物表型组学研究平台建设及技术应用[J]. 胡伟娟,凌宏清,傅向东. 遗传. 2019(11)
[2]一种修正证据冲突的D-S改进算法[J]. 吕佳朋,史贤俊,秦玉峰. 电子测量技术. 2019(19)
[3]基于X射线断层扫描的小麦籽粒霉变结构研究[J]. 周颖,惠延波,冯兰芳,闫磊,马晓晓. 中国粮油学报. 2019(07)
[4]基于软X射线与低场核磁检测小麦隐蔽性害虫玉米象[J]. 邵小龙,徐水红,徐文. 中国粮油学报. 2019(07)
[5]基于X射线三维可视化和定量分析小麦籽粒的萌芽[J]. 周颖,惠延波,冯兰芳,闫磊,马晓晓. 河南工业大学学报(自然科学版). 2019(01)
[6]不规则体体积计算三维激光点云切片法[J]. 李斌,魏俊博,马博超,王璐,徐明霞. 测绘学报. 2019(01)
[7]Imaging technologies for plant high-throughput phenotyping:a review[J]. Yong ZHANG,Naiqian ZHANG. Frontiers of Agricultural Science and Engineering. 2018(04)
[8]基于核磁共振的玉米不同籽粒类型单粒质量和含油率分析[J]. 李浩川,曲彦志,杨继伟,崔丽洋,毛熙岚,刘宗华. 农业工程学报. 2018(20)
[9]高通量作物表型监测:育种和精准农业发展的加速器[J]. 郭庆华,杨维才,吴芳芳,庞树鑫,金时超,陈凡,王秀杰. 中国科学院院刊. 2018(09)
[10]小麦生产概况及其发展[J]. 赵广才,常旭虹,王德梅,陶志强,王艳杰,杨玉双,朱英杰. 作物杂志. 2018(04)
博士论文
[1]基于光谱和图像信息融合的哈密瓜成熟度无损检测研究[D]. 孙静涛.石河子大学 2017
[2]农产品无损检测中的模式识别问题研究[D]. 余心杰.浙江大学 2015
[3]小麦内在品质近红外光谱无损检测技术研究[D]. 宦克为.长春理工大学 2014
[4]基于机器视觉的小麦并肩杂与不完善粒动态实时检测研究[D]. 陈丰农.浙江大学 2012
[5]水稻产量相关性状参数自动提取的数字化技术研究[D]. 杨万能.华中科技大学 2011
硕士论文
[1]基于特征判别的多源信息融合方法研究[D]. 张思丝.华北理工大学 2019
[2]漫反射光谱的理论与应用研究[D]. 邱雁.同济大学 2007
本文编号：3057064
【文章来源】：西北农林科技大学陕西省 211工程院校 985工程院校 教育部直属院校
【文章页数】：145 页
【学位级别】：博士
【部分图文】：
不同层次/尺度作物表型研究示意图（Tardieuetal.2017）
第一章绪论7图1-2不同层次/尺度作物表型研究示意图（Tardieuetal.2017）Fig.1-2SchematicOverviewofPhenotypingPlatformsandacrossDifferentScales(Tardieuetal.2017)国内表型研究的另一个领军人物周济（周济等2018）总结了当今国际植物表型界对表型组学研究进程的共识：为提高现代作物育种的选择速度，需要在完善大规模、高通量表型数据采集环节的自动化和遥感技术的基础上，发展和利用全新的统计方法设计大数据生物试验，使用复杂的数据管理手段对表型数据集进行注释、标准化和存储；基于本体论进行数据的优化整合；引入最新的机器学习和深度学习等人工智能方法对多维表型数据集进行分析；进而萃取可靠的性状特征信息，最终挖掘出有意义的生物学知识，并解决实际的科学问题，所提出的策略如图1-3所示。图1-3作物表型组学研究进程示意图（周济等2018）Fig.1-3Strategyofplantphenomicsresearch(Zhouetal.2018)在表型平台建设方面，从事植物表型组分析技术和设备研发的科研机构和公司表现地十分活跃，德国LemnaTec公司（http://www.lemnatec.com）已形成从低通量到高通量，从实验室到温室再到田间，从细菌到高等植物等全方位的表型组图像采集和分析平台，
(a) 籽粒的扫描图像 (b) 软件识别出的籽粒 (c) 测量的形态参数 (a) Scaned image of seeds (b) Identified seeds by SmartGrain (c) Measured parameters 图 1-5 SmartGrain 平台自动识别图像中的籽粒（Tanabata et al. 2012） Fig.1-5 Strategy of plant phenomics research (Tanabata et al. 2012) 实际中应用中，使用更广泛成熟的是基于相机的机器视觉检测平台，典型平台部件如图 1-6 所示，图像采集单元主要由采样保持板/成像背景板、摄像机、图像采集卡和用于适当照明的光源组成，图像处理和图像分析是这类平台至关重要的部分，前者旨在提高获取图像的质量，后者提供从图像生成定性/定量分析结果的过程。
【参考文献】：
期刊论文
[1]植物表型组学研究平台建设及技术应用[J]. 胡伟娟,凌宏清,傅向东. 遗传. 2019(11)
[2]一种修正证据冲突的D-S改进算法[J]. 吕佳朋,史贤俊,秦玉峰. 电子测量技术. 2019(19)
[3]基于X射线断层扫描的小麦籽粒霉变结构研究[J]. 周颖,惠延波,冯兰芳,闫磊,马晓晓. 中国粮油学报. 2019(07)
[4]基于软X射线与低场核磁检测小麦隐蔽性害虫玉米象[J]. 邵小龙,徐水红,徐文. 中国粮油学报. 2019(07)
[5]基于X射线三维可视化和定量分析小麦籽粒的萌芽[J]. 周颖,惠延波,冯兰芳,闫磊,马晓晓. 河南工业大学学报(自然科学版). 2019(01)
[6]不规则体体积计算三维激光点云切片法[J]. 李斌,魏俊博,马博超,王璐,徐明霞. 测绘学报. 2019(01)
[7]Imaging technologies for plant high-throughput phenotyping:a review[J]. Yong ZHANG,Naiqian ZHANG. Frontiers of Agricultural Science and Engineering. 2018(04)
[8]基于核磁共振的玉米不同籽粒类型单粒质量和含油率分析[J]. 李浩川,曲彦志,杨继伟,崔丽洋,毛熙岚,刘宗华. 农业工程学报. 2018(20)
[9]高通量作物表型监测:育种和精准农业发展的加速器[J]. 郭庆华,杨维才,吴芳芳,庞树鑫,金时超,陈凡,王秀杰. 中国科学院院刊. 2018(09)
[10]小麦生产概况及其发展[J]. 赵广才,常旭虹,王德梅,陶志强,王艳杰,杨玉双,朱英杰. 作物杂志. 2018(04)
博士论文
[1]基于光谱和图像信息融合的哈密瓜成熟度无损检测研究[D]. 孙静涛.石河子大学 2017
[2]农产品无损检测中的模式识别问题研究[D]. 余心杰.浙江大学 2015
[3]小麦内在品质近红外光谱无损检测技术研究[D]. 宦克为.长春理工大学 2014
[4]基于机器视觉的小麦并肩杂与不完善粒动态实时检测研究[D]. 陈丰农.浙江大学 2012
[5]水稻产量相关性状参数自动提取的数字化技术研究[D]. 杨万能.华中科技大学 2011
硕士论文
[1]基于特征判别的多源信息融合方法研究[D]. 张思丝.华北理工大学 2019
[2]漫反射光谱的理论与应用研究[D]. 邱雁.同济大学 2007
本文编号：3057064
本文链接：https://www.wllwen.com/nykjlw/nzwlw/3057064.html
最近更新
教材专著
