基于可见光/X-ray双模式成像的稻穗产量性状无损解析

结题报告

项目介绍

AI项目解读

基本信息

批准号：
31600287
项目类别：
青年科学基金项目
资助金额：
20.0万
负责人：
黄成龙
依托单位：
华中农业大学
学科分类：
C0210.植物学研究的新技术、新方法
结题年份：
2019
批准年份：
2016
项目状态：
已结题
起止时间：
2017-01-01 至2019-12-31

项目参与者：
梁秀英；介邓飞；郑静山；刘潇；
关键词：
产量性状非损伤检测器官水稻稻穗图像分析

项目摘要

Rice panicle yield-related traits have great significance to the study of growing development, genetic breeding, and functional gene research. However, the traditional method need to thresh the panicle and separate the filled spikelet from the unfilled spikelet, which are inaccurate and time-consuming. Therefore this research proposes a nondestructive measuring method without threshing and spikelet separation, in order to obtain the rice panicle yield traits accurately and fast. The imaging modalities based on visible light and X-ray, are adopted in this study, which are used to acquire the color image and X-ray transmission image of rice panicle synchronously. Then the color image is analyzed to extract the area of each spikelet and panicle branching skeleton, and the X-ray image is also processed to extract the area of each grain kernel and panicle neck feature. After that, the image registration is applied to build the feature fusion image, by which the filled spikelet and unfilled spikelet are distinguished. Finally, the mathematical characterization of rice panicle yield-related traits are set up, to extract the panicle yield-related traits. In conclusion, the development of this study will provide a new method for the panicle yield traits acquisition, which will probably promote the development of rice research.

稻穗产量性状对水稻生长发育、遗传育种及功能基因解析研究具有重要意义，而传统的有损获取方式存在脱粒误差大、实粒瘪粒区分难的缺点。因此本项目针对稻穗产量性状无损解析展开研究，旨在不脱粒，不分离实粒、瘪粒的情况下，快速、准确获取稻穗产量性状如有效穗、穗粒数、结实率、千粒重、一次枝梗数、二次枝梗数、及着粒密度。本项目提出采用可见光、X-ray双模式成像方式，同步获取稻穗的可见光彩色图像和X-ray透射图像，利用可见光图像产量特征解析技术如椭圆检测、分水岭分割、并行细化处理算法获取单颗穗粒区域、稻穗分支骨架，利用X-ray图像解析技术获取单颗米粒区域、穗颈节区域图像特征，再将两幅图像特征进行配准融合，基于穗粒轮廓及内部米粒特征解决实粒、瘪粒的区分问题，并建立稻穗产量性状的数学表征，实现稻穗产量性状的无损提取。本研究工作将为水稻产量性状获取提供一种创新的途径，并可能促进水稻研究的进一步发展。

结项摘要

稻穗产量性状对水稻生长发育、遗传育种及功能基因解析研究具有重要意义，而传统的有损获取方式存在脱粒误差大、实粒瘪粒区分难的缺点。本项目针对稻穗产量性状无损解析展开研究，实现了不脱粒，不分离实粒、瘪粒的情况下，快速、准确获取稻穗产量性状（有效穗、穗粒数、结实率、千粒重、一次枝梗数、二次枝梗数、着粒密度）。本项目的主要研究内容包括，构建可见光、X-ray双模式成像系统获取稻穗的可见光彩色图像和X-ray透射图像，基于可见光图像的稻穗产量特征解析研究（椭圆检测、分水岭分割、并行细化处理）获取单颗穗粒区域、稻穗分支骨架，基于X-ray图像的稻穗产量性状解析研究获取单颗米粒区域、穗颈节区域图像特征，再将两幅图像特征进行配准融合，基于穗粒轮廓及内部米粒特征解决实粒、瘪粒的区分问题，并建立稻穗产量性状的数学表征，实现稻穗产量性状的无损提取。对100株稻穗图像做测试，结果表明米粒长、宽平均测量误差MAPE分别为2.14%、3.45%。同时采用K-means和高斯混合模型聚类（GMM）算法，识别出米粒对应的谷粒区域，基于二者面积的比值得到稻穗谷粒饱满度的定量测量结果，基于该结果可以准确识别稻穗中的实粒和瘪粒。此外本项目对533份水稻种质资源稻穗，采用深度学习目标检测算法进行建模，结果表明基于该模型可以用于复杂场景（混入杂质、黏连、稻穗原位）上穗粒的准确性状解析，以及一次枝梗、二次枝梗的高精度识别。本研究工作为水稻产量性状获取提供一种全新的途径，直接推动水稻研究的发展。