基于图像处理的小麦条锈病菌夏孢子模拟捕捉的自动计数

利用孢子捕捉器进行气传植物病原真菌孢子捕捉,实现田间病原真菌孢子数量的监测,对于气传植物真菌病害的预测预报和防治决策具有重要意义。目前对捕捉到的孢子多采用传统显微镜孢子计数方法,由于孢子个体小、数量大,利用这种计数方法费时费力,易造成较大计数误差。为了获得一种孢子捕捉器捕捉孢子的自动计数方法,提高计数的准确性和工作效率,本研究利用透明胶带、凡士林玻片和Eppendorf离心管3种方法模拟捕捉小麦条锈病菌夏孢子,利用显微镜照相技术获得孢子图像,在MATLAB软件环境下,对图像进行基于最近邻插值法的缩放处理、基于K-means聚类算法的分割处理、形态学操作修饰和分水岭分割等一系列的处理,实现夏孢子的自动计数和标记。结果表明,3种模拟方法获得的孢子图像经过处理后,均可获得较好的孢子计数结果。透明胶带、凡士林玻片、Eppendorf离心管模拟捕捉条锈病菌夏孢子的平均计数准确率最低分别为98.5%、98.7%、99.9%,Eppendorf离心管模拟捕捉条锈病菌夏孢子和小麦白粉病菌分生孢子的平均计数准确率为99.8%。本研究为实现田间利用孢子捕捉器捕捉孢子的自动计数提供了一种简便、快捷、准确、高效的方法。     

稻瘟病菌(Pyricularia oryzae)分生孢子快速诱发方法

把经19～21天培养的含稻瘟病菌大麦粒干燥后保存,当需稻瘟病菌孢子时,取含菌干麦粒在26℃下浸泡6～12小时,甩干水后保湿2～3天,即能有效地获得大量孢子。试验还表明:含菌干麦粒保存15个月仍能较好地产生孢子。     

稻瘟病菌突变菌株的分子鉴定

摘要：利用Rep-PCR的两对引物Pot2-1/Pot2-2和PMC1-2/PMC1-3、 177条RAPD引物和MGR586为探针的3种RFLP 分子技术对温室的9个和自然病圃上的5个致病性突变菌株进行分析。3种技术鉴定了温室9个菌株与其起始菌株的DNA指纹基本一致，检测到7个菌株DNA条带缺失1~3条，2个菌株没有变化；分析了病圃上的侵染携带抗病基因Pi-1和Pi-2的5个突变株的起源，依据DNA指纹和致病类型证明后者起源于具有无毒基因Avr-1的菌株，排除了外来菌株的漂移作用，证实了突变是稻瘟病菌(Magnaporthe grisea )进化的主要动力。     

两株抗苯菌灵稻瘟病菌突变体的若干特性

用由稻瘟病菌gp d基因启动子和终止子序列控制的、以粗糙脉孢菌的微管蛋白β-tubu lin(Bm 1)突变基因为选择标记的表达载体,转化稻瘟病菌0742野生型菌株,获得了两株具有苯菌灵抗性的菌株M 1和M 2。但Sou thern杂交表明,这两个菌株并不是由于质粒转化而获得苯菌灵抗性。对稻瘟病菌0742野生型及突变体M 1、M 2的β-tubu lin基因的序列比对分析表明,突变体M 1在内源β-tubu lin基因的第56、178、1704位置上发生了点突变,M 2在第56、899、1040、1389、1704位置上发生了点突变,导致M 1的352位氨基酸由苏氨酸变成了丙氨酸,M 2的107、154、270、352位氨基酸分别由苏氨酸、赖氨酸、苯丙氨酸、苏氨酸变为丙氨酸、谷氨酸、丝氨酸、丙氨酸。计算机分析显示M 1和M 2突变体β-tubu lin基因编码的蛋白质疏水性发生了微弱改变,结构域没有受到影响。该发现为开发新的稻瘟病菌遗传选择标记提供依据。     

基于改进Graph Cut算法的生猪图像分割方法

生猪图像分割为生猪行为特征提取、参数测量、图像分析、模式识别等提供易于理解和分析的图像表示,准确有效的生猪图像分割是生猪行为理解和分析的基础.针对传统Graph Cut算法分割精度差、分割效率低及不能准确分割特定目标的问题,该文结合交互分水岭算法,提出基于改进Graph Cut算法的生猪图像分割方法.采用交互分水岭算法对图像进行区域划分,划分的各个区域块看作超像素,用超像素替代传统加权图中的像素点,构造新的网络图替代传统加权图,重新构造能量函数以完成前景背景的有效分割.试验结果表明:该方法峰值信噪比平均范围为[30,40],结构相似度平均范围为[0.9,1],两种评价准则的结果与主观评价一致,图像分割质量、精度得到明显提升;平均耗时缩短到传统GraphCut算法的33.7％,提高了分割效率;在复杂背景、噪声干扰、光照强度弱等条件下可以快速分割出特定目标生猪,具有较高鲁棒性.     

稻瘟病菌发育cDNA文库构建与表达序列标签分析*

利用稻瘟病菌(Magnaporthegriesa)连续6个发育时期的材料构建了一个混合cDNA文库。文库滴度,重组率和插入片段长度等质量分析表明,构建的文库包含完整的稻瘟病菌基因,可用于病菌基因表达分析。利用该文库获得了7456条5′端表达序列标签(ESTs)(GenBank收录号:(CK909944￣CK913666和CK928583￣CK932582),生物信息分析表明:EST序列拼接出2975个假定独立转录本(TUTs),冗余度为60.1%;从cDNA文库中筛选出大量的低丰度表达基因,约占TUT总数的79.8%,说明在文库中基因组成类型的复杂性较高;在所有TUTs中,功能未知基因约占85.5%,编码ECM33蛋白和疏水蛋白等病菌致病相关的注释基因高丰度表达,进一步表明该cDNA文库反映了病菌侵染和发育过程中基因表达的状况。     

基于形态学图像处理的重叠葡萄果径无损测量

葡萄果实尺寸变化能用来评价葡萄生长及诊断植株水分亏损状况。为实现重叠葡萄果实尺寸的非接触和精确测量,该文提出基于数学形态学的重叠葡萄果实直径测量方法,该方法首先通过内外对象标记消除图像中存在的伪极小值点,再对去除伪极小值点后图像进行分水岭变换得到目标果实的精准轮廓,从而依据目标果实区域计算果实当量直径。试验和现场应用表明,该方法具有好的定位精度,能为葡萄果实直径测量提供精确的轮廓信息;测量系统具有非接触和高精度等优点,测量的重复精度可达±9 μm,为葡萄生长规律研究及葡萄缺水诊断提供了参考。     

稻瘟病菌一个假定苯基丙酮单加氧酶基因(MoPAM01)的功能分析

对稻瘟病菌定殖过程中致病相关基因的功能研究有助于进一步揭示稻瘟病菌的致病机理.本研究通过生物信息学和分子遗传学方法对稻瘟病菌假定苯基丙酮单加氧酶基因(MoPAM01)的功能进行了分析.结果显示,MoPAM 01编码一个假定的苯基丙酮单加氧酶,系统进化分析表明,它与同属丝状真菌的轮枝孢菌对应蛋白的关系最为接近.MoPAM01基因在病菌侵染过程中被诱导表达,其缺失突变体的产孢量减少,但生长速度和致病性与野生型相比没有显著差异(P＜0.01).表明该基因参与了稻瘟病菌的产孢过程.由于稻瘟病菌数据库中存在另外5个可能功能冗余的苯基丙酮单加氧酶基因,致使该基因与病菌营养生长和致病性的关系尚无法明确.本研究为进一步揭示MoPAM01的生物学功能提供了基础数据.     

疏水表面诱导稻瘟病菌侵染结构发育过程的基因表达谱分析

本文在制备完成高通量稻瘟病菌cDNA阵列的基础上，平行检测孢子受疏水性表面诱导0、2、8、20和30 h时间点的基因表达谱。结果显示：在附着胞形成的不同阶段，均存在大量的差异表达基因，显示出这一过程中基因表达网络的复杂性。其中，附着胞在成熟阶段的差异表达基因数要明显高于其诱导和形成阶段，表现在8 h、20 h时间点相近的基因表达谱至30 h时间点发生剧烈变化。这种动态的基因表达谱的分析可以为稻瘟病菌致病的分子机理研究提供有意义的信息。     

水稻受稻瘟病菌诱导的转座类似蛋白新基因RIM2的分离与鉴定

以近等基因系H7R和H7S为材料，运用差别显示（DD－PCR）技术获得RMal9片段。用此片段为探针筛选cDNA文库，获得3944bp全长基因RIM2。Northern杂交华结果显示该基因在水稻抗感品系中均受稻瘟病菌的强列诱导。RIM2 ORF编码653个氨基酸，其序列与多种植物转座类似蛋白有32％－55％的同源性，其5′端约800bp与Xa21基因家庭Al，C的非编码区有82％的序列同源性。Southern杂交表明RIM2多拷贝存在与水稻基因组中。RIM2为一新的受病菌诱导的早期反应基因。     

基于高光谱成像的水稻穗瘟病害程度分级方法

为了快速、准确地进行水稻穗瘟病害程度分级,以实现水稻品种抗性评价或精准的田间化学防治,该研究提出了一种光谱词袋(bag of spectrum words,Bo SW)模型分析方法,分析稻穗的高光谱图像,自动评判穗瘟病害程度。首先,稠密规整地将高光谱图像分割成小立方格,计算每个立方格像素的平均全波段包络矢量,用K-Means算法聚类形成典型光谱包络词典。词典中光谱包络"词"(word)用作高光谱图像表达的"基",直方图统计各光谱"词"在高光谱图像样本中的出现频度,形成光谱图像的词袋表达。采用Hyper SIS-VNIR-QE光谱成像仪获取田间采集的170株稻穗样本高光谱图像,用Bo SW方法生成其词袋表达;植保专家根据病害程度类别确定光谱图像样本标签。随机选择2/3"词袋表达-病害程度等级标签"数据对构成训练集,采用卡方-支持矢量机(chi-square support vector machine,Chi-SVM)分类算法建立穗瘟病害程度分级模型。余下的1/3样本构成测试集,测试穗瘟病害等级模型的预测性能,分类识别精度为94.72%,高于主成分分析(principle component analysis,PCA)、敏感波段选择等传统光谱分析方法,其识别精度分别为83.83%和79.83%。该研究提高了穗瘟病分级的自动化程度和准确率,也可为其他病害分级检测提供参考。     

基于图像识别的黄粒米自动检测研究

针对现行稻米质量评定中黄粒米指标的检测方法采用人工方式完成，在市场交易中，很难得到有效准确地执行的问题，研究开发了一套稻米品质评价系统。该系统根据RGB色度学原理，利用计算机图像识别技术，可以对稻米中的黄粒米进行自动检测。在对群体米样的色度值分布进行试验研究的基础上，确定了从样品中进行黄粒米分割的最佳色度阈值。本系统可计算黄粒米的粒数及黄粒米粒率。研究结果表明，利用图像处理技术自动识别黄粒米是行之有效的方法。     

基于二分法的鸡蛋图像边缘快速检测方法

机器视觉技术广泛应用于鸡蛋感官品质无损检测研究中,快速得到鸡蛋图像边缘有助于高效识别鸡蛋的几何特征参数。借鉴计算机二分法快速解方程的算法,提出用二分法快速检测图像边缘,把对图像的整体研究转换到具体的行图像来研究,利用行图像信息构建了满足二分法求解条件的方程,并把对边缘的检测构造成对方程的求解问题,从而建立了二分法求解鸡蛋图像边缘的理论基础,最后在应用部分给出了详细的程序实现步骤。试验结果表明：该方法可以检测鸡蛋图像边缘,检测效率提高了约20倍,大大加快了检测速度,可为鸡蛋自动化检测提供更高的效率。     

改进RetinaNet的水稻冠层害虫为害状自动检测模型

中国现行的水稻冠层害虫为害状田间调查方法需要测报人员下田目测为害状发生情况,此种人工调查方法存在客观性差、效率低与劳动强度大等问题。近几年,诸多学者开始利用深度学习方法来识别植物病虫为害状,但大多针对单株或单个叶片上病虫害种类进行识别研究。该研究采集了水稻冠层多丛植株上稻纵卷叶螟和二化螟为害状图像,提出一种改进RetinaNet的水稻冠层害虫为害状自动检测模型。模型中采用ResNeXt101作为特征提取网络,组归一化(Group Normalization,GN)作为归一化方法,改进了特征金字塔网络(Feature Pyramid Network,FPN)结构。改进后的RetinaNet模型对2种害虫为害状区域检测的平均精度均值达到93.76%,为实现水稻害虫为害状智能监测提供了理论依据和技术支持。     

基于Horn-Schunck光流法的多目标反刍奶牛嘴部自动监测

奶牛反刍行为的智能监测对于奶牛健康及提升现代养殖业的水平具有重要意义。奶牛嘴部区域的自动检测是奶牛反刍行为智能监测的关键,该文提出一种基于Horn-Schunck光流法的多目标奶牛嘴部区域自动检测方法。利用Horn-Schunck光流法模型求取奶牛反刍视频中各时间序列图像的光流场,将各帧序列图像中运动较大的光流数据进行叠加,获取奶牛反刍时的候选嘴部区域,最后运用奶牛嘴部区域检测模型实现反刍奶牛嘴部区域的检测。为了验证算法的有效性,利用不同环境下获取的12段视频进行验证,选取的12段视频的每段时长10 s,每段视频帧数在250~280帧之间,结果表明,对于多目标奶牛,12段视频中有8段视频可以成功检测到反刍奶牛的嘴部区域;根据所定义的真实充盈率指标与检测充盈率指标,分别统计了8段成功检测反刍奶牛嘴部区域的视频检测结果,试验表明,8段视频中最大真实充盈率为96.76%,最小真实充盈率为25.36%,总体平均真实充盈率为63.91%;最大检测充盈率为98.51%,最小检测充盈率为43.80%,总体平均检测充盈率为70.06%。研究结果表明,将Horn-Schunck光流法应用于多目标奶牛嘴部区域的自动检测是可行的,该研究可为奶牛反刍行为的智能监测提供参考。     

基于高光谱图像的稻瘟病抗氧化酶值早期预测

水稻稻瘟病是危害水稻种植的真菌病害,早期预测病害源头是防治稻瘟病的有效手段。在病害症状显证之前实现早期预测,能从源头上更好地遏制病害,阻止分生孢子的大量繁殖,达到稻瘟病早期防治的目的。该文通过连续分时段测定水稻稻瘟病潜育期稻苗的高光谱图像和相对应的稻苗抗氧化物酶SOD（superoxide dismutase, SOD）酶值,利用高光谱图像处理技术结合化学计量学方法,建立稻瘟病潜育期内稻苗冠层高光谱图像与抗氧化酶SOD酶活之间的关联预测模型。结果表明,基于全光谱信息建立的SOD酶值预测模型,模型具有较好的预测效果,校正集相关系数RC=0.9921,校正集均方根误差RMSEC=5.135 U/g;预测集相关系数RP=0.9274,预测集均方根误差RESEP=8.634 U/g。出于建立更为广泛应用的稳定的多光谱成像检测系统的需要,基于选定的6个特征波长526、550、672、697、738和747 nm建立了简化的SOD酶值预测模型,该模型的RC=0.6945,RMSEC=17.92 U/g;RP=0.5488,RESEP=22.0085 U/g。研究表明,在水稻稻瘟病潜育期内,通过高光谱图像反演相应的SOD酶活性信息,推断水稻稻瘟病病害胁迫程度信息是可行的。     

一种基于主动轮廓模型的连接米粒图像分割算法

针对图像中连接米粒分割困难的问题,提出了一种基于主动轮廓模型的分割算法。首先,对籽粒二值图像的欧氏距离变换进行局部极小值检测,并通过形态学膨胀算子合并局部极小值点,在每个籽粒内部只产生一个区域。其次,以这些区域的边界作为初始曲线,在主动轮廓模型的指导下,曲线向籽粒的边界演化,最终将图像中各个米粒分割。试验结果表明,对圆江米、粳米、长江米和黑米4个品种的米粒,基于主动轮廓模型的连接米粒图像分割算法的分割正确率分别达到93.4%、92.4%、88.0%和90.4%,综合准确率为91.05%,比基于分水岭的方法提高了26.7%。因此,基于主动轮廓模型的算法为分割连接米粒图像提供了一种有效途径。     

采用边缘曲率进行图像分割的高密度鱼苗计数方法

鱼苗计数是水产养殖中的一个重要课题,在养殖、运输、销售等环节中均需对鱼苗进行定量计数。传统的估算计数方法由于其误差大、效率低等缺陷,已无法满足目前的鱼苗计数需求。为解决高密度、大批量的鱼苗准确计数难题,该研究通过自行搭建的图像采集装置,获取体长1～3 cm的鲢鱼苗在0.25、0.33、0.42、0.50、0.58和0.67尾/cm²等6组不同平面密度下的运动视频,每组鱼苗运动视频共截取3 000帧图像,对所有图像进行预处理,获取鱼苗的二值图像,并提取出图像中的单个连通域及其边缘图像。对含有单尾鱼苗的单个连通域采用直接计数的方法,对含有多尾鱼苗的单个连通域采用先分割后计数的方法。在分割连通域时,一方面计算连通域边缘各处的曲率特征,并标记边缘中的凹点群位置作为预分割位置;另一方面结合连通域的骨架图,根据交叉型、联结型和单凹点群型共3种不同鱼苗重叠类型的形状特征,在连通域中挑选合适的分割位置划取分割线。对鱼苗二值图像中的所有连通域进行依次处理,最后将图像中的连通域总数量作为鱼苗的数量。对18 000张鱼苗图像的计数结果表明,在鱼苗平面密度低于0.58尾/cm^2...