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。     

基于实例分割的柚子姿态识别与定位研究

采用Mask R-CNN和YOLOv3算法对复杂背景场景下的柚子进行目标识别和分割,通过微调方法训练了2个实例分割模型,并应用于柚子相关目标的识别和分割.结果表明,YOLOv3模型的帧速率为18～20 FPS,Mask R-CNN模型的帧速率为0.5～2 FPS,YOLOv3模型的目标检出率比Mask R-CNN模型少...     

面向作物表型分析的大豆植株叶片语义重建

为解决三维扫描仪、多视图数据获取的三维点云因缺少语义信息导致难以从点云上判别植株器官部位问题,提出一种二维先验语义嵌入的大豆植株叶片三维语义建模方法：首先,基于Mask R-CNN模型对大豆叶片进行语义分割;然后,对分割结果和多视图数据进行立体重建融合学习,实现大豆植株叶片二维语义到三维叶片点云迁移,获得植株叶片点云语义信息,进而建立植株叶片三维语义模型。通过多组盆栽大豆植株试验对该模型进行验证,提取叶长和叶宽与人工实测数据进行对比分析,叶长和叶宽均方误差分别为2.53和1.52 mm,决定系数分别为0.97和0.89。结果表明,该方法能够便捷、精准地构建植株叶片三维语义模型。     

2005年内蒙古自治区农作物审定新品种(三)

品种名称：通科6号 申请单位：通辽市农科院 性状描述： 幼苗：幼苗叶鞘浅紫色。 植株：成株株型半紧凑，株高296厘米，穗位117厘米，茎秆韧性强，穗上叶与茎秆夹角小。叶片宽度中等，叶色深绿，叶缘大波曲，穗上叶7片。总叶片数20～21片。[编者按]     

玉米主要株型性状与产量的相关及通径分析

对玉米主要株型性状与产量间进行相关及通径分析,结果表明,穗上位叶长、株高在影响产量的诸多因素中占了主要地位;其次是穗位高、穗上位叶角、穗上位叶宽。其中穗上位叶长与产量的相关系数最大、r=0.4818,而株高对产量的直接通径系数最大、P=0.365。因此,育种时株型性状的选择应该以穗上位叶长和株高为主,同时兼顾穗位高、叶片数等与产量的关系;实现单株产量的较大幅度增长。     

小麦若干植株性状与产量性状相关性的初步研究

1981年和1982年结合我院小麦杂交育种试验,对40个遗传型稳定的品种(系)、15个F_1和12个F_2单交组合的若干植株性状,诸如株高、穗下节长、颈长、旗叶和倒二叶的长、宽、叶面积、α夹角,Lf值、叶向值及其与产量性状,包括每穗粒数、千粒重、穗粒重的相关性和遗传特点进行了研究,并结合我省小麦生育特点和生态条件,对小麦杂种后代若干性状的选育进行了讨论。1、株高与千粒重表现非常密切的相关关系;与每穗粒数的相关性因取材不同而有很大差异,表现有正相关,弱相关和负相关不等;与穗粒重的相关系数均为显著正相关;与每株穗数表现了弱的正相关;根据我省小麦“两长一短”的生育特点,结合本研究结果,我们认为,我省小麦高产育种应把提高穗粒数作为主攻方向,而增加每穗粒数的关键是提高每穗小穗数。2、穗下节长度和颈长与产量性状的相关性和株高与产量性状的相关性完全一致;穗下节长、颈长和株高呈极显著的正相关,在育种实践中,把株高作为穗下节长和颈长的间接选择指标是切实可行的。3、旗叶和倒二叶各性状(α夹角、Lf值、叶向值、叶长、宽、面积)的广义遗传力(h~2％)在组合间表现不同,旗叶各性状的遗传力大于倒二叶;F_1叶部各性状的表现与双亲平均值(mp)具有密切的相关关系。这就为亲本选配和后代选择提供了理论依据。4、旗叶和倒二叶各性状与产量性状之间的相关系数因性状组合不同而有很大差异,旗叶各性状比倒二叶各性状与产量性状的相关性更为密切。在育种实践中,要注意选择旗叶叶面积适当大,且形态结构合理的品种,对倒二叶各性状的选择也不可忽视。5、从叶长、宽与穗粒数、千粒重的偏相关分析中得知,当叶面积一定时,旗叶长与穗粒数、旗叶宽与千粒重均呈极显著的正相关;旗叶长与千粒重、旗叶宽与穗粒数也呈显著正相关。这就说明选育大穗大粒型品种,必须有适当大的叶片,小叶窄叶对形成大穗大粒不利。     

基于图像处理技术的小麦形态检测方法研究

形态特征是作物的肢体语言,对形态特征的研究在育种工作、生长状态分析、病害判断等方面都有着重要的意义。文章通过对图像分割和骨架提取算法进行优化改进提取出小麦植株骨架,采用最小矩形法计算小麦株高、用像素查找法计算叶长、用Hough变换计算叶基角和开张角,检测精度均达到90%以上,从而实现了面向农学小麦育种和管理专家的高效检测系统。     

26个油棕新种质苗期主要农艺性状评价

对26个油棕新质RYL14～RYL40幼苗期间的主要农艺性状株高、冠幅、叶片数、叶宽、叶长、叶厚度等进行13个月的连续观测,农艺性状表现评价结果表明:26个油棕新品种在幼苗期、苗圃生长期对我国热带北缘地区具有良好的生态适应性,与国外相比生长表现基本一致,且无明显病虫害。     

抗旱高产小麦新品种“临旱6号”

“临旱6号”系山西省农科院小麦研究所旱地育种室育成的抗旱、高产小麦新品种，2006年9月通过国家品种审定委员会审定（审定号：国审麦2006021）。特征特性冬性、多穗型中熟品种。幼苗匍匐。分蘖力强，苗期叶片细长，拔节迟，两极分化慢。株高76厘米左右，株型较松散，茎秆蜡质，成株后叶片宽大，     

滇杨优树无性系苗期叶片性状变异分析

从5个产地收集滇杨优树52株,经扦插繁殖无性系化,对其1 a生苗木的叶长/叶宽、叶柄长/叶长、脉左宽/叶宽、宽基距/叶长、叶片厚及叶尖角等叶片性状进行了调查和变异性分析.结果表明:无性系间6个叶片性状的变异系数为2.4～24.3,且差异达到显著水平,表明滇杨优树无性系叶片性状的遗传变异较丰富;主成分分析结果表明,滇杨优树无性系叶片性状变异主要体现在叶长与叶宽性状,其次为叶最宽处在叶片的位置;基于欧氏距离聚类的结果将滇杨52株优树在1.5阈值处聚为4类,且优树无性系的表型变异与其地理来源无关联.