基于自定义聚类的水稻剑叶夹角测量

针对水稻样本图像中主茎被遮挡,现有算法难以识别剑叶节点、散岔稻穗主轴问题,提出了基于机器视觉的剑叶节点搜索算法,通过自定义聚类生成稻穗与剑叶类中心,识别判定散岔稻穗轴线,最终得到穗叶夹角.其中,提出的剑叶节点搜索算法对剑叶节点的模糊定位进行量化,经过实验验证,具有较好的鲁棒性和准确性;自定义的K-means方法基于样本统计信息,解决了散岔穗叶夹角测量问题.实验表明,该算法误差为1.89%,与现有算法相比,局限性低,鲁棒性强,更准确高效.

水培作物根系表型高通量分析平台设计与控制

根系的表型测量工作作为考察农作物表型性状和育种水平的首要环节,一直依赖手工标记测量或者采用高精度CT仪器进行检测。手工测量和记录易出错且效率低,而CT仪器价格高昂、结构复杂,工作环境苛刻,不便于普通科研机构的日常使用。为了解决根系表型的测量问题,采用了图像处理技术,结合自动化物流系统,针对作物根系表型测量设计和制作了一种水培作物根系表型高通量自动分析平台。该分析平台可实现对作物植株全自动化的运输、可见光成像、图像存储和分析等操作。使用自动化物流和成像分析系统降低了测量人员的工作强度,且可见光成像成本低廉,对植物和工作人员无辐射伤害,利于在普通科研机构中推广和使用。