玉米穗粒重与果穗三维几何特征关系的定量研究

【目的】从穗粒重与果穗三维几何关系的角度探索籽粒产量的制约因素,寻找进一步提高玉米产量的途径。【方法】利用图像处理技术采集了10个品种的果穗几何特征,分析了穗粒重对果穗几何特征组合的回归,以及穗粒重与穗大小特征的相关性。矩形度定义为果穗面积占其外接矩形面积的比例,分别与穗长+穗粗、穗面积、穗体积组合建立回归方程。【结果】上述3种组合方程,分别解释了品种间籽粒产量总变异的77.7%、70%和78.7%,矩形度的贡献大于或者约等于穗大小几何特征。同样结构的回归方程在矫正品种产量后,解释了环境间籽粒产量总变异的81.3%—82.0%,矩形度的贡献小于穗大小几何特征。穗大小对籽粒产量的简单决定系数为:在品种间,三种维数的大小特征都不显著;在环境间,穗长、穗粗、穗面积、穗体积分别为0.387、0.167、0.590、0.571。【结论】穗大小单一特征的重要性次序为:穗体积>穗面积>穗长、穗粗,穗矩形度是反映穗形态的一个重要性状,与穗大小特征相组合,能够高精度预测穗粒重。

花生籽仁感官品质鉴定中的计算机色选机制研究

花生籽仁的品质鉴定是花生外贸加工和质量检验的重要内容。为了验证基于颜色特征的品质分级的可行性,数码相机微距获取了6大类品质(标准、揉伤、切伤、霉变、发芽、杂质)花生籽仁图像192幅,建立和检验了12个颜色特征及其组合组成的15个特征的识别模型。发现两个及两个以上颜色分量特征的识别率已达到90%以上,采用三个颜色分量基本达到了实用的要求。机器视觉检测具有成本和速度上的优势,能够用于花生籽仁的品质鉴定,G1、R1、R2组合模型最佳,分辨率达到了实用的要求。经改进技术识别率可进一步提高。

玉米果穗图像单一特征的品种鉴别力评价

寻找新的果穗性状并评价它们单独鉴别品种的能力,是玉米新品种特异性、一致性和稳定性(DUS)测试研究的重要内容。采集了4个品种各50个果穗的RGB图像,用图像处理法提取了4大类形态特征共计145个性状,逐一性状对品种进行判别分析,以性状的品种识别率表示性状鉴别品种的能力大小。单一性状的品种识别率变化在0.244～0.634之间,在前17个高鉴别力性状中,果穗长宽比等具有与指南性状同等的甚至更高的品种区分能力。单一性状的广义遗传力一般都小于0.66,且与鉴别力高度一致(y=0.29+0.44x,r=0.897,P<0.01)。总体上,四大属性的鉴别力从大到小依次为形状类>纹理类>颜色类>大小类。从受试的145个特征中筛选出许多具有较高品种鉴别能力的性状,可望应用于玉米新品种DUS测试工作。

基于籽粒RGB图像独立分量的玉米胚部特征检测

玉米胚部特征是重要的农艺性状之一,目前主要通过手工方法进行测量。为实现通过机器视觉图像处理的方法进行玉米胚部特征的自动检测,提出一种基于独立分量分析ICA的玉米胚部测量方法,并建立了检测模型。首先对玉米籽粒的RGB图像进行ICA分析,发现具有最大熵的独立分量IC代表着胚部与籽粒其他部分的对比。根据此IC能够实现玉米胚部的准确分割。然后,提取了玉米胚部面积等9个特征。和手工检测结果相比,面积误差为0.7%,决定系数达0.984,其他8个特征的误差总体也都在2%以下。与前人的基于颜色模型区域生长的检测结果比较,检测准确度有明显提高。表明采用基于ICA的方法检测的结果准确可靠,能够用于玉米胚部的自动检测。

玉米图像处理技术及其评价初探

研究玉米籽粒、幼苗、成株、果穗的图像处理技术,初步建立了40余性状的测定技术体系。与常规方法相比,图像处理在速度与效率、准确与客观、深度与广度上优势明显,易于智能化和自动化,将在玉米栽培领域发挥越来越重要的作用。

多类支持向量机在玉米品种识别中的应用

为了验证采用机器视觉以及图像处理方法对玉米品种进行自动识别的可行性,研究了一种基于玉米外观特征和多变量支持向量机(SVM)分类算法的玉米品种识别方法。采用数码相机获得了11个品种每个品种50粒共550幅图像,然后对各品种对应的籽粒群体图像提取每个籽粒的形态特征8个、颜色特征12个、纹理特征13个,共33个特征参数,并分别定义11个玉米品种的二进制编码作为网络的输出,建立特征参数与玉米品种之间的SVM识别模型。试验结果表明,该方法对11个品种550个籽粒的品种检出率为100%。在同样的情况下比较了基于BP神经网络(ANN)的识别性能,较ANN94.3%的识别率,采用SVM的识别效果有了较大的提高,得到了较好的识别效果。

计数玉米穗行数的机器视觉研究

评价通过机器视觉的方法进行穗行数自动检测的可行性,提出一种基于边界标记和离散曲率的边缘算法确定行数,建立了检测模型。在扫描78幅不同玉米品种的果穗横断面图像的基础上进行检验。结果表明:试样玉米的穗行数为12～18行,检测的绝对误差为0.103行,相对误差率为0.66%,零误差率达到90%以上。实验证明检测算法真实可靠,机器视觉具有成本和速度上的优势,能够用于玉米穗行数的自动检测。