申请/专利权人：南京农业大学

申请日：2023-12-30

公开（公告）日：2024-05-17

公开（公告）号：CN118052767A

主分类号：G06T7/00

分类号：G06T7/00;G06V10/764;G06T7/62;G06V10/42

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.06.04#实质审查的生效;2024.05.17#公开

摘要：现有小麦籽粒性状参数获取需要脱粒后测试，测试程序繁杂、费时费力，本发明提出了通过麦穗颖壳表型参数测试小麦在穗籽粒表型参数的方法；该方法采集小麦穗部两面正视图像，构建小麦穗部图像数据集，构建以ResNet和FNP为特征提取网络并引入坐标注意力CA模块、聚合模块和半卷积模块的基于改进MaskR‑CNN网络的麦穗颖壳分割模型，实现了麦穗图像中颖壳的准确识别、定位、分割和籽粒计数；利用形态学处理方法提取麦穗颖壳的5个表型参数，建立麦穗颖壳表型参数与籽粒表型参数之间的线性相关关系，并得到粒长、粒厚、面积、周长、长径比的拟合关系式；经对籽粒数和相关关系式验证，籽粒数、粒长、粒厚、面积、周长和长径比这6个表型参数的预测数据与实际数据之间的均方根误差和平均相对误差与脱粒后测试相当；本发明提出了通过图像方法获取麦穗颖壳表型参数就可以精确预测小麦在穗籽粒的表型参数，为快速简便提取小麦籽粒表型参数提供了新的方法。

主权项：1.一种小麦在穗籽粒表型参数测试方法，其特征在于，该方法包括步骤：S1.构建小麦穗部图像数据集：采集小麦穗部两侧正视图像，对小麦穗部正视图像进行高斯滤波、椒盐噪声、垂直翻转等数据增强技术构建原始小麦穗部图像样本数据集，并把数据集分成训练集、测试机和验证集；随后采用Labelme中的多边形标注工具，标注小麦穗部颖壳轮廓；S2.构建基于改进的MaskR-CNN小麦麦穗颖壳分割模型：改进的MaskR-CNN麦穗颖壳分割模型架构主要由改进的特征提取网络Backbone、区域建议网络RPN、感兴趣对齐层ROI、预测层和形态学处理五部分组成，利用小麦穗部颖壳训练集数据训练改进的MaskR-CNN小麦麦穗颖壳分割模型；S3.小麦穗部籽粒计数：利用改进的MaskR-CNN小麦麦穗颖壳分割模型对验证集小麦穗部图像中颖壳准确识别、定位、分割，分割后对麦穗颖壳掩膜计数即可获得小麦麦穗的预测籽粒数；S4.小麦麦穗颖壳和籽粒表型参数测试方法：利用形态学处理方法获取小麦麦穗颖壳表型参数，麦穗颖壳分割后的掩模图在外形上类似椭圆，拟合椭圆，计算出椭圆的长轴、短轴、面积、周长、长径比，并用其表示麦穗颖壳的5个表型参数颖壳长度、厚度、面积、周长和长径比；人工测量麦穗籽粒数量和麦穗颖壳内对应籽粒的表型参数籽粒长度、厚度，长径比由长度与厚度计算得出，利用单粒籽粒图像获取籽粒面积与周长；S5.建立小麦麦穗颖壳表型参数与籽粒表型参数之间的相关关系式：利用最小二乘法建立颖壳表型参数与籽粒表型参数相关性模型，颖壳表型参数长度、厚度、面积、周长、长径比与籽粒表型参数长度、厚度、面积、周长、长径比的线性相关性模型关系式分别为：y＝0.7258x、y＝0.5166x、y＝0.3748x、y＝0.6756x、y＝1.4085x，拟合决定系数分别为：0.89、0.95、0.97、0.93、0.85，表明颖壳表型与籽粒实际表型之间具有显著的线性相关关系，通过麦穗颖壳表型参数预测籽粒表型参数是可行的。

全文数据：

权利要求：

百度查询： 南京农业大学 小麦在穗籽粒表型参数测试方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD