小麦麦穗几何表型测量的精准分割方法研究

[目的]小麦麦穗表型获取涉及麦穗到籽粒不同几何尺度的参数精确测量,本文针对麦穗籽粒图像分割粘连现象,研究达到像素级别的精准分割算法,并基于该方法给出籽粒的基本几何参数。[方法]田间随机采集小麦麦穗,对采集的麦穗标本获取表型信息并采集图像,进行数据增广和标注,构建1个包括深度残差网络(deep residual network,Res Net)、区域建议网络(region proposal networks,RPN)和全卷积网络(fully convolutional networks,FCN)的实例分割算法Mask R-CNN,对训练集图片进行迭代训练获得模型。[结果]测试集测量结果表明,在测试麦粒上获得的籽粒像素测量平均精度(averageprecision,AP)值为0.85,F_1(F_1-measure)值为0. 830,对麦穗长度测量穗长的平均绝对误差为3. 30 mm,平均相对误差为3.40%,宽度测量的平均绝对误差为0.72 mm,平均相对误差为4.10%,综合测量误差为3.75%,试验结果显著优于最大类间方差法(OTSU)以及全卷积网络。通过对特征提取网络层数的修改在处理速度上达到4.26 FPS(frames per second),对比FCN处理速度提升了8.5倍。[结论]利用Mask R-CNN分割方法得到1个对整株麦穗和单个籽粒进行目标定位、目标检测和实例分割为一体的端到端、像素级的分割模型,可以对麦穗及部分籽粒进行精确的几何表型测量。     

氮肥用量对不同穗型小麦品种穗部结实特性的影响

[目的]深入了解不同氮素水平下小麦穗部籽粒发育变化规律,为小麦高产施肥技术提供理论依据。[方法]于2005~2006年,以大穗型小麦品种矮早8和多穗型品种周麦18为供试品种,设3个氮素水平,分别为180、2403、00 kg/hm2,研究了2种不同穗型的小麦品种籽粒结实粒数、小穗粒重、小穗单粒重在不同氮素水平下的空间分布特征。[结果]供试品种在3个不同氮肥水平下小穗粒重、结实粒数随穗位的上升均呈先升后降的趋势,中下部小穗粒重、结实粒数的增加幅度明显大于中上部与上部小穗;平均单粒重随氮肥水平的增加先增加后减少,小穗单粒重最大的穗位低于小穗粒重最大的穗位。对于大穗型品种,小穗粒重和结实粒数表现出随氮肥施用量的增加而增加的趋势,而对于多穗型品种,小穗粒重表现出随氮肥施用量的增加呈现出先增后减的趋势,小穗结实粒数的影响呈现出不明显的趋势。增施氮肥对提高大穗型品种小穗粒重、结实粒数的效应更明显。[结论]籽粒在穗部的位置决定了小麦穗部籽粒结实与物质积累的空间分布特征。这些研究结果对于量化小麦穗部籽粒产量的调控途径等具有重要的意义。     

基于改进Bayes抠图算法的麦穗小穗自动计数方法

小麦产量评估需人工获取田间单位面积的麦穗数和麦穗小穗数，往往耗时耗力。为了实现高效、自动地麦穗小穗计数，提出一种基于改进Bayes抠图算法的麦穗小穗自动计数方法。该方法首先利用改进Bayes抠图算法对获取地自然生长条件下的麦穗图像进行抠图，将麦穗从自然背景中分割出来。然后对该图像进行平滑滤波和二值化，运用迭代极限腐蚀运算对二值化图像进行腐蚀处理，去除麦穗图像中的麦芒，分离出麦穗上每个单独的麦穗小穗。再运用面积滤波滤除掉面积过小的区域，对剩余区域的黑洞进行填充，由此每个单独的麦穗小穗形成一个单独的连通区域，最后对连通区域进行标记和计数，完成麦穗小穗的自动计数。使用4个小麦品种的麦穗图像对麦穗上的小穗进行计数验证，结果表明，该方法在识别4个品种田间麦穗单幅图像中小穗数量的平均计数精度达到94.53%，平均相对误差为5.47%，对比已有麦穗小穗自动计数方法，计数精度显著提高，这对于小麦在线产量预估具有重要意义。     

“清旺”富硒植物营养素对春小麦产量构成及籽粒硒含量的影响

[目的]研究"清旺"富硒植物营养素对春小麦(Triticum aestivum Linn.)产量构成及籽粒硒含量的影响,明确"清旺"在小麦上的应用价值。[方法]2010年选取5个宁夏选育小麦品种(系)为宁春50号、CB037、宁春4号、N2038、宁春47号为材料,2011年为宁春50号、N618、宁春4号、N2038、宁春47号。小麦灌浆初期叶面喷施"清旺"富硒植物营养素,每品种设计喷施和未喷施(对照)2种处理。室内考种测试小麦穗长、结实小穗数、穗粒数、穗粒重、千粒重、饱满度、小区产量等。取成熟籽粒250 g寄送宁夏农林科学院农产品质量检测中心测试硒含量。[结果]2010、2011年喷施处理产量比没喷施对照平均增产2.60%,穗粒数平均增加1.52粒,穗粒重平均增加0.09 g,千粒重平均降低0.21 g,说明喷施硒肥对小麦产量具有一定的影响,但增产效果不明显;喷施处理对小麦穗部穗长、结实小穗、不结实小穗影响不大;喷施处理中籽粒硒含量均明显增加,高于对照8倍以上。[结论]通过喷施硒肥提高小麦籽粒硒含量,提高食品中的硒含量是可行的,通过合理安全适宜的叶面喷施硒肥技术,可以达到提高小麦产量和籽粒品质的目的。     

小麦品种抗旱性形态指标比较研究

[目的]为小麦抗旱育种及其抗旱性鉴定提供依据。[方法]以2002～2003及2003～2004年度黄淮冬麦区旱地组抗旱性鉴定的22个参试品种为供试材料,分别对其进行棚内干旱试验和棚外露天试验,并对各品种最高群体、株高、有效穗、穗粒数、千粒重、穗长、小穗数、不育小穗和小穗密集度的水分胁迫敏感因子（Csi）与籽粒抗旱指数进行相关及回归分析。[结果]所分析9个数量性状的Csi均大于0,其中株高和千粒重的平均Csi较高（分别为22.6和20.3）,穗长和不育小穗的平均Csi较低（分别为0.6和1.0）;有效穗、千粒重、小穗数、小穗密集度的CSi与籽粒抗旱指数均达显著相关水平,这4个指标可作为判定小麦品种抗旱性的形态指标。[结论]该研究确定了冬小麦品种的形态抗旱指标。     

不同喷施硒时期和次数对小麦产量及硒含量的影响

[目的]为研究富硒营养液喷施时期和次数对小麦籽粒硒含量及产量的影响。[方法]以高产小麦品种周麦22为材料,设7个喷施富硒营养液处理和1个空白对照,随机区组排列。[结果]叶面喷施富硒营养液能明显提高小麦籽粒的硒含量,硒含量增幅达90.4%~273.9%,并在一定程度上提高小麦产量,产量增幅达0.9%~5.5%。总体上,小麦穗长、小穗数、穗粒数、穗重、千粒重、容重有所增加。[结论]综合考虑小麦籽粒硒含量、高产和效益,推荐在小麦灌浆期并在拔节期或抽穗期通过叶片喷施富硒营养液生产富硒小麦。     

草莓采摘机器人的研究:Ⅱ.基于图像的草莓重心位置和采摘点的确定

成熟草莓果实重心和采摘点的确定是草莓采摘机器人采摘收获作业中的关键问题。采用LRCD (lumi nanceandredcolordifference)方法分割草莓图像。在RGB色彩模型中 ,求得图像中每个像素的色差 ,在灰度图像中显示以色差值为灰度值的色差图像 ,取合适的阈值对该图像二值化 ,得到分割后的草莓图像 ;提取分割后草莓图像的几何特征 ,从而确定草莓的重心位置和采摘点。采用本文所述的机器人视觉系统 (CCD成像像素 75 3× 5 82 ,像素中心距 10 μm× 10 μm)的试验结果表明 ,其采摘点位置误差 <3mm。利用LRCD方法能够很好的将成熟草莓与背景分离 ,通过提取分割后草莓图像的几何信息 ,可确定草莓重心和采摘点的位置。该处理方法适用于从复杂背景中提取红色目标     

基于深度学习的高分辨率麦穗图像检测方法

小麦是重要的粮食作物之一,针对人工田间麦穗计数及产量预测效率低的问题,基于深度学习提出了一种高分辨率的小密集麦穗实时检测方法。对麦穗图像数据集进行图像分割、标注、增强预处理,基于Tensorflow搭建YOLOv4网络模型,调整改进后对其进行迁移学习;与YOLOv3、YOLOv4-tiny、Faster R-CNN训练模型进行对比,对改进模型的实用性与局限性进行分析;重点分析影响麦穗检测模型性能的关键因素。通过图像分割的方式,证明了通过改变图像分辨率确定麦穗所占图像最优像素比,可以提高前景与背景差异,对小密集麦穗有显著效果。通过对改进模型的测试,表明该模型检测精度高,鲁棒性强。不同分辨率、不同品种、不同时期的麦穗图像均类平均精度（mAP）为93.7%,单张图片的检测速度为52帧·s^-1,满足了麦穗的高精度实时检测。该研究结果为田间麦穗计数以及产量预测提供技术支持。     

小麦穗与小穗及籽粒差异的解剖结构和生理原因研究

[目的]了解小麦穗、小穗及籽粒发育的不均衡性与维管束系统和有机养分在器官中的分配关系。[方法]在小麦抽穗前,取主茎、一蘖和二蘖的穗下第1、第2节间,主茎穗的上、中、下不同部位的小穗作样品,测量维管束和韧皮部的面积,测定可溶性糖和氨基酸含量。[结果]小麦穗下第1、第2节间直径、基本组织面积、维管束数目、维管束面积及韧皮部面积均以主茎为最大,一蘖次之,二蘖最小。穗中不同部位小穗的穗轴中的维管束分布有差异;同一小穗中通向各小花的维管束数目和面积也不同。在穗的发育过程中,植株及穗部器官中的可溶性糖和氨基酸的含量在不断变化,分配也不平衡。[结论]小麦穗、小穗及籽粒发育的不均衡性和进入其中维管束分布的不平衡性密切相关。"源"与"库"的关系及维管束系统的共同作用导致了小麦各产量因素的不均衡发育。穗器官形成的不均衡性与养分供应差异有密切关系。     

玉米籽粒大小特征检测方法研究

提出一种自动获取玉米籽粒大小特征和总粒数的方法:通过振动给料机实现玉米籽粒快速喂料,利用输送带和线阵相机的无偏差匹配,准确获取玉米籽粒图像,对籽粒图像进行二值化、除杂、筛选、粘连籽粒分割等处理,测量玉米籽粒的粒长、粒宽和籽粒总粒数。研究了图像处理过程中不同阈值、不同粘连籽粒处理方法对测量结果的影响。对100个样品进行的试验结果表明:阈值数设定为24、采用平均面积法时,测量的误差最小,测量结果与人工测量值相比较,玉米籽粒总粒数、粒长、粒宽的相关系数分别为0.999 3、0.900 0、0.930 0,平均相对误差分别为0.26%、3.85%、3.63%。