玉米高通量自动考种装置设计与试验

考种是玉米育种的重要环节,针对现有考种方法分别进行玉米果穗或玉米籽粒考种参数测量,难以满足玉米商业化育种过程大量样本自动考种需求的现状,该文设计了一种玉米高通量自动考种装置,主要包括玉米果穗考种单元、自动脱粒单元、玉米籽粒考种单元、后处理单元及系统控制单元,可实现玉米果穗考种、自动脱粒、籽粒考种、籽粒提升、籽粒封装、标签打印等全过程的自动化。依据设计方案进行原理样机试制及试验,结果表明:该装置可实现玉米穗质量、果穗长宽、穗行数、行粒数、秃尖区域、籽粒厚度、籽粒长、籽粒宽、穗粒数等考种参数的实时测量,且对果穗长、宽的平均测量精度分别为99.13%,99.25%、对籽粒数量的平均测量精度为99.39%。样机对单个玉米考种时耗时约为27.2 s,连续考种作业时处理速度达4穗/min。该研究为玉米高通量自动考种装备的实现提供了参考。

基于OpenCV的大豆籽粒多表型参数获取算法

大豆籽粒的表型参数获取对大豆育种具有重要的作用。现有的深度学习算法获取的大豆籽粒表型性状较少,且识别表型的神经网络模型训练成本高。该研究基于OpenCV图像处理库,提出了一种提取大豆籽粒多表型参数的算法,从大豆图像中一次性获取籽粒的多种表型性状参数,同时能识别大豆的优劣品质。将每个待测大豆单株的所有籽粒拍成一张图像,首先对大豆籽粒图像进行二值化、去噪等预处理,然后采用分水岭算法和改进的目标分割算法提取图像中的大豆籽粒轮廓。根据大豆籽粒的轮廓信息,调用OpenCV图像处理函数计算大豆籽粒的个数、长轴长度、短轴长度、面积、周长等多个表型性状参数。引入圆形度识别残缺大豆籽粒,使用RGB阈值判断识别病变大豆籽粒。测试结果表明,采用该文算法计算的颗粒总数识别率为98.4%,大豆籽粒正确识别率为95.2%,破损大豆和病变大豆的识别率分别为91.25%和88.94%,籽粒的长轴长度与短轴长度的测量精度分别为96.8%、95.8%;引入多进程并行计算,该算法处理215张图片时间为248.9 s,相对于单进程计算缩短了约2/3,实现了低成本高通量的高精度大豆籽粒多表型性状参数的自动获取,为大豆籽粒自动化考种提供有效的处理方法。