CN102589441A - 盆栽水稻表型参数的全自动无损测量系统及测量方法 - Google Patents

盆栽水稻表型参数的全自动无损测量系统及测量方法 Download PDF

Info

Publication number
CN102589441A
CN102589441A CN2012100069243A CN201210006924A CN102589441A CN 102589441 A CN102589441 A CN 102589441A CN 2012100069243 A CN2012100069243 A CN 2012100069243A CN 201210006924 A CN201210006924 A CN 201210006924A CN 102589441 A CN102589441 A CN 102589441A
Authority
CN
China
Prior art keywords
pipeline
rice
detection zone
input
electrically operated
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN2012100069243A
Other languages
English (en)
Inventor
刘谦
骆清铭
杨万能
段凌凤
黄成龙
方伟
蒋霓
冯慧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN2012100069243A priority Critical patent/CN102589441A/zh
Publication of CN102589441A publication Critical patent/CN102589441A/zh
Pending legal-status Critical Current

Links

Abstract

本发明涉及一种盆栽水稻表型参数全自动无损高通量的测量系统及测量方法,本发明由可编程控制器控制,输送线输送盆栽水稻,采用X射线成像系统拍摄水稻断层图像,三维可见光成像系统拍摄可见光图像,由工作站对所得图像进行处理,得到水稻各项参数。本发明首次提出并实现X射线断层扫描成像测定水稻分蘖数的新方法,将提取各个参数集成到一套系统中,成功建立第一套全自动、高通量、多参数和高精度的盆栽水稻表型参数自动提取系统。

Description

盆栽水稻表型参数的全自动无损测量系统及测量方法
技术领域
[0001] 本发明涉及属于机器视觉检测技术,尤其涉及到一种盆栽水稻表型参数的测量系统及测量方法。
背景技术
[0002] 当今农业工程学科中,农作物育种是热点研究领域之一,而研究农作物的育种离不开对农作物全生育期各种表型参数的测量和分析。在对表型分析的同时,联系植物的生长发育、遗传变异、环境等各方面情况,可以对农作物的育种提供有价值的信息,同时为促进改良株型和改善管理提供强大的工具。
[0003] 水稻是世界主要粮食作物之一,据2009年世界粮食峰会关于食品安全的报告,到 2050年,需要增长70%的粮食以满足人口的增长。中国是世界上最大的水稻消费国,对水稻的需求显得尤为重要。
[0004] 研究水稻的生长信息时,表型数据是极为重要的。水稻的生长发育、生理变化、遗传变异等过程都会引起表型性状的改变。水稻的表型性状很大程度上决定了品种的地区和季节适应性,是筛选和培育新品种的重要参考标准。水稻表型数据的数字化自动测量系统可以高通量提取水稻的表型参数数据,从而快速筛选出有价值的基因,进而加快遗传改良鉴定的速度,这将极大的促进水稻功能基因组学的发展。
[0005] 因此,在水稻的遗传育种研究中,获取和分析表型性状参数是不可或缺的,如何准确、快速、无损的获取这些表型参数一直是农业研究中的一个难题。目前,这些表型参数的获取主要依靠人工测量,测量效率低、可重复性差、主观误差大,数据质量参差不齐,以致对后续分析产生影响。人工测量的这些缺点使得测量性状参数时只能采取抽样的方式,无法实现大批量的测量,因此也就无法对单株水稻样本进行连续跟踪观测,远不能满足现代育种的要求。开展盆栽水稻表型参数的自动化获取和分析平台,可降低现代育种成本,减少育种周期,在水稻育种研究领域有极大的应用前景和经济效益。
[0006] 在此背景前提下,国外已经有一些比较成熟的产品,如德国的Lemnatec公司设计了一套玉米表型参数测量系统,而国内尚未发现此类产品。为了给国内甚至世界水稻育种平台提供快速检测手段,本发明设计和制作一个全自动高通量无损检测盆栽水稻表型参数的系统。从系统的美观和稳定性考虑,本系统输送线设计由不锈钢构成,控制部分使用可编程逻辑控制器件,测量部分使用可见光成像系统和X-射线成像系统构成。
发明内容
[0007] 本发明所要解决的技术问题是提供一种盆栽水稻表型参数的全自动无损测量系统及其测量方法,该系统能够自动测量盆栽水稻的表型参数,包括株高、分蘖和生物量。
[0008] 本发明提供的一种盆栽水稻表型参数的全自动无损测量系统,其特征在于,包括 X射线源、X射线探测器、顶视相机、侧视相机、光源、输入端接近开关、检测区对射式光电开关、检测区接近开关,旋转台、盆栽水稻小车、输入端电动门、输出端电动门、输入端输送线、检测区输送线、输出端输送线、铅房、可编程控制器和工作站;
[0009] 所述X射线源与所述X射线探测器分别安装于检测区输送线的两侧,所述顶视相机固定在所述铅房顶部,所述测试相机固定安装于检测区输送线一侧,所述旋转台安装在检测区输送线上,所述输入端电动门和输出端电动门安装在铅房两侧,所述工作站分别与 X射线探测器、顶视相机、侧视相机和可编程控制器相连,所述可编程控制器分别与X射线源、光源、输入端接近开关、检测区对射式光电开关、检测区接近开关、旋转台、输入端电动门、输出端电动门、输入端输送线、检测区输送线、和输出端输送线相连;所述盆栽水稻小车用于固定盆栽水稻使其在输入端输送线、检测区输送线、输出端输送线上运行平稳,所述光源用于为成像提供充足的照明。
[0010] 所述检测区输送线上还安装升降台,所述旋转台安装在升降台上,所述升降台用于将盆栽水稻和电动旋转台顶升至上位,便于所述X射线源、侧视相机的扫描、拍摄,所述可编程控制器相连所述升降台。
[0011] 所述盆栽水稻表型参数的全自动无损测量系统的测量方法,其特征在于,包括以下步骤:
[0012] 步骤i、打开工作站和可编程控制器;
[0013] 步骤ii、所述输入端输送线输送带小车的盆栽水稻,所述输入端接近开关检测到小车,所述输入端电动门打开;
[0014] 步骤iii、盆栽水稻通过所述输入端电动门,经检测区输送线输送,所述检测区对射式光电开关检测到水稻花盆,检测区接近开关感应到小车,所述输入端电动门关闭,所述输入端输送线停止,所述检测区输送线停止,所述小车落在所述旋转台上;
[0015] 步骤iv、所述旋转台带动盆栽水稻旋转,同时,顶视相机拍摄盆栽水稻的顶视图片,侧视相机每隔一定角度拍一张图片,得到若干张侧视图像;X射线成像系统对水稻进行断层扫描,每隔一定角度获取该方向的投影值,共得到若干个方向的投影正弦图;
[0016] 步骤V、拍摄完之后,所述旋转台停止旋转,所述输出端电动门打开,所述输入端输送线和所述检测区输送线启动送走盆栽水稻并将下一盆水稻植株送到检测区,延时一段时间后所述输出端电动门关闭;
[0017] 步骤vi、所述工作站接收到数据,进行数字图像处理和分析后,得到水稻的表型参数包括株高、分蘖和生物量。
[0018] 所述步骤iv中,在旋转台开始旋转之前,由升降台顶升盆栽水稻至上位;所述步骤iv中,所述旋转台停止旋转后,所述升降台下降。
[0019] 所述步骤iv的数字图像处理和分析株高,包括以下步骤:(5_a)中值滤波:将植株图像进行中值滤波去除噪声;(5-b) 二值化:将中值滤波后的图像转化为二值图,这一步骤将绿色部分提取出来,判断条件是RG两色分量的相对大小,R偏大为黄色,G偏大为绿色;(5-c)去除小区域:设定面积阈值,去掉连通区域面积在阈值以下的小区域;(5-d)搜索叶尖点:对二值图进行逐像素扫描,按一定的准则搜索所有叶尖点;(5-e)提取轮廓:为每一个叶尖点搜索轮廓,从其附近的背景点开始搜索轮廓,直到找不到下一个轮廓点为止; (5-f)计算叶尖点高度:从叶尖点开始搜索叶片外围轮廓,计算每个叶尖点高度,将所有叶尖点高度中的最大值作为该角度下的水稻株高值。(5-g)比较所有角度下得到的水稻株高值,取最大值作为当前水稻的株高。[0020] 所述步骤iv的数字图像处理和分析生物量,包括以下步骤:(6_a)目标物体分割; (5-b)面积统计:对经过上述处理后的图像,进行面积统计,得到植株一个角度下的投影面积;(5-c)对所有顶视图像和侧视图像进行分割后,采用侧视平均绿叶像素面积和顶视绿
叶像素面积双变量的二元回归法计算生物量像素值,即评=」Aside m_2xAtop,In(Fff)=
aln(PV) +b, PV :植株体积,Fff :植株鲜重,即文中的生物量,实验证明系统用此方法提取生物量参数较Lemnatec的方法具有更高的相关性。
[0021] 所述步骤iv的数字图像处理和分析分蘖数,包括以下步骤:(7_a)卷积滤波逆投影,将得到的各个方向的投影正弦图,以投影正弦图为起点,直接在空域中进行修正,即将投影正弦图与一个事先设计好的卷积函数进行卷积运算,然后将卷积结果作反投影,得到分蘖断层重建图;(7-b)中值滤波:对重建出的图像进行中值滤波去除噪声;(7-c)最大熵自动阈值二值化:将中值滤波后的图像转化为二值图;(7-d)腐蚀:将粘连在一起的区域分开;(7-e)填充:填充区域内的小孔;(7-f)去除小区域:设定面积阈值,去掉联通区域面积在阈值以下的小区域;(7-g)区域计数:对经过上述处理后的图像,进行连通区域的计数, 最终得到分蘖数。
[0022] 本发明由预设的可编程控制器和计算机程序控制,采用X射线成像系统拍摄水稻的断层图像,通过数字图像处理和分析技术得到分蘖数;可见光成像系统拍摄可见光图像, 通过数字图像处理和分析技术得到株高及生物量。
[0023] 本发明在利用工业控制技术的基础上整合三维可见光成像,X射线断层扫描成像, 国际上首次实现基于X射线断层扫描技术的分蘖数在体无损提取,且将提取各个参数集成到一套系统中,成功建立第一套全自动、高通量、多参数、无损和高精度的盆栽水稻表型参数自动提取系统。
附图说明 [0024] 下面结合附图和具体实施方式对本发明的技术方案作进一步具体说明。[0025] 图I为本发明盆栽水稻表型参数自动测量系统的侧视示意图。[0026] 图2为本发明盆栽水稻表型参数自动测量系统的顶视示意图。[0027] 图3为本发明盆栽水稻表型参数自动测量系统的工作流程图。[0028] 图4为目标物体分割程序框图。[0029] 图5为株高测量的程序框图。[0030] 图6为生物量测量的示意图。[0031] 图7为分蘖测量的程序框图。[0032] 图8为株高系统测量值(X)与人工测量值(Y)散点图。[0033] 图9为生物量系统两次重复测量结果散点图。[0034] 图10为分蘖数系统测量值(X)与人工测量值(Y)散点图。
具体实施方式
[0035] 本发明提供的盆栽水稻表型参数全自动高通量的测量系统,包括X射线源I、X射线源支架2、X射线探测器3、X射线探测器支架4、顶视相机5、侧视相机6、侧视相机支架7、光源8、输入端接近开关9、检测区对射式光电开关10、检测区接近开关11,电动旋转台12、 电动升降台13、盆栽水稻小车14、输入端电动门15、输出端电动门16、输入端输送线17、检测区输送线18、输出端输送线19、铅房20、可编程控制器21和工作站22。X射线源I固定在X射线源支架2上,X射线探测器3固定在X射线探测器支架4上,顶视相机固定在铅房 20顶部测试相机6固定在测试相机支架上7,电动旋转台12安装在电动升降台13上,输入端电动门15和输出端电动门16安装在铅房20两侧,电动门是盆栽水稻进出铅房20的通道,铅房20和电动门的主要作用是防止辐射,形成暗室,排除环境光的干扰,形成一个稳定的光照环境,工作站22分别与X射线探测器3、顶视相机5、侧视相机6、和控制器21相连, 控制器21分别与X射线源I、光源8、输入端接近开关9、检测区对射式光电开关10、检测区接近开关11电动旋转台12、电动升降台14、输入端电动门15、输出端电动门16、输入端输送线17、检测区输送线18、和输出端输送线19相连。小车14用于固定盆栽水稻使其在输送线上运行平稳,电动升降台13用于将盆栽水稻和电动旋转台12顶升置上位,电动旋转台 12用来带动盆栽水稻旋转,盆栽水稻由输入端输送线17通过检测区输送线18送至检测区域(电动旋转台所在位置),检测完之后再由检测区输送线18送至输出端输送线19,顶视相机5置于检测区域正上方,侧视相机6和X射线源I置于检测区域一侧的不同高度,X射线探测器2置于检测区域稻另一侧,光源8置于检测区域两侧,以便为成像提供充足的照明。检测模块包括两套成像系统:可见光成像系统及X射线成像系统。其中,可见光成像系统主要包括顶视相机5、侧视相机6、光源8,用于测量株高及生物量;X射线成像系统主要包括X射线源I及X射线探测器3,用于测量分蘖。
[0036] 其中,包括输入端输送线17、检测区输送线18、输出端输送线19、电动旋转台12和电动升降台13构成输送线运输系统,为定做的,输送线采用不锈钢,防腐蚀且耐用。输入端电动门15、输出端电动门16和铅房20构成一个暗室,该暗室提供了一个安全而稳定的成像环境。X射线源I和X射线探测器3构成X射线成像系统,该成像系统采用扇束X射线源, 发出扇形X射线束,与之相对应的X射线探测器也是采用线阵列,X射线成像系统采用线扫描的方式成像。顶视相机5、侧视相机6、光源8构成可见光成像系统。
[0037] 此外本发明中小车14用来固定盆栽水稻让其在输送线上平稳运行,也为订做。通过接近开关来判断小车的位置从而确定盆栽水稻的位置,可以避免水稻叶片的干扰,同时检测区对射式光电开关10可以用于判断操作人员是否将盆栽水稻放入了小车中,若没有放入则不进行检测,保证了系统高效稳定的运行。
[0038] 水稻表型参数全自动无损高通量测量系统的测量方法,按以下步骤进行:(I)打开工作站和控制器;(2)输入端输送线输送带小车的盆栽水稻,输入端接近开关检测到小车,输入端电动门打开。(3)盆栽水稻通过输入端电动门,经检测区输送线输送,检测区对射式光电开关检测到水稻花盆,检测区接近开关感应到小车,输入端电动门关闭,输入端输送线停止,检测区输送线停止。(4)电动升降台上升达到上位后,电动旋转台开始旋转,总共转360°,此间,顶视相机拍摄一张顶视图片,侧视相机每隔12°拍一张图片,共30张侧视图像,同时,X射线成像系统对水稻进行断层扫描,每隔O. 84°获取该方向的投影值,总共取282.24°,共得到336个方向的投影正弦图。(5)拍摄完之后,电动升降台下降,输出端电动门打开,输入端输送线和检测区输送线启动送走盆栽水稻并将下一盆水稻植株送到检测区,延时一段时间后输出端电动门关闭;(3)工作站接收到数据,进行数字图像处理和分析后,得到水稻的表型参数包括株高、分蘖和生物量。
[0039] 数字图像处理和分析包括以下几个方面:(I)株高测量。株高通过分析30张不同角度下拍摄的侧视图像得到。对于每一张侧视图,图像处理算法主要包括目标物体分割和轮廓跟踪两部分。目标物体分割程序框图如图4所示,具体步骤如下:(a)中值滤波:将植株图像进行中值滤波去除噪声;(b) 二值化:将中值滤波后的图像转化为二值图,这一步骤将绿色部分提取出来,判断条件是RG两色分量的相对大小,R偏大为黄色,G偏大为绿色;(c) 去除小区域:设定面积阈值,去掉连通区域面积在阈值以下的小区域。轮廓跟踪程序框图如图4所示,具体步骤如下:(a)搜索叶尖点:对二值图进行逐像素扫描,按一定的准则搜索所有叶尖点;(b)提取轮廓:为每一个叶尖点搜索轮廓,从其附近的背景点开始搜索轮廓,直到找不到下一个轮廓点为止;(c)计算叶尖点高度:从叶尖点开始搜索叶片外围轮廓,计算每个叶尖点高度,将所有叶尖点高度中的最大值作为该角度下的水稻株高值。最后,比较30 个角度下得到的水稻株高值,取最大值作为当前水稻的株高。
[0040] (2)生物量测量。测量算法分为图像处理和建模两部分,图像处理按照以下步骤进行;(a)目标物体分割;(b)面积统计:对经过上述处理后的图像,进行面积统计,得到植株一个角度下的投影面积。计算部分:对I张顶视图像和30张侧视图像进行分割后, 采用侧视平均绿叶像素面积和顶视绿叶像素面积双变量的二元回归法计算生物量像素值
(PV = ^Aside_mean2 XAtop,In (Fff) = aln (PV) +b,PV :植株体积,Fff :植株鲜重,即文中的生物
量),实验证明系统用此方法提取生物量参数较Lemnatec的方法具有更高的相关性,计算示意图图如图5所示。
[0041] (3)分蘖数测量,程序框图见图7,具体提取步骤如下:(a)卷积滤波逆投影:将得到的336个方向的投影正弦图,以投影正弦图为起点,直接在空域中进行修正,即将投影正弦图与一个事先设计好的卷积函数进行卷积运算,然后将卷积结果作反投影,得到分蘖断层重建图;(b)中值滤波:对重建出的图像进行中值滤波去除噪声;(c)最大熵自动阈值二值化:将中值滤波后的图像转化为二值图;(d)腐蚀:将粘连在一起的区域分开;(e)填充: 填充区域内的小孔;(f)去除小区域:设定面积阈值,去掉联通区域面积在阈值以下的小区域;(g)区域计数:对经过上述处理后的图像,进行连通区域的计数,最终得到分蘖数。
[0042] 整个过程中,输送线运输系统、X射线成像系统和可见光成像系统都是连续工作。
[0043]实例:
[0044] I、实验标准材料:处于灌浆时期的盆栽水稻,样品总数2830份
[0045] 人工方法测量方法:人工测量株高的方法是手工收拢叶片、拉直测高,分蘖数的测量方法是分开稻株、逐一计数,十人配合测量,每天工作8小时,一天可以测量280盆左右。 结果见图8、图9和图10。
[0046] 将盆栽水稻放在输入端输送线的小车上,沿图2中大箭头方向运行,按上述方法进行操作。
[0047] 最后得到总的运行时间16小时(每天工作8小时,耗时两天),平均20s/株,人工和系统测量株高的平均绝对误差为19mm,相对误差为2. 4%,人工测量值与系统测量值的相关系数O. 99 ;生物量两次重复测量的相关系数O. 98 ;分蘖数的绝对误差±1.3蘖,分蘖数人工测量结果及系统测量结果的相关系数为O. 99。[0048] 2、实验标准材料:199份处于分蘖时期和198份处于抽穗时期的盆栽水稻。
[0049] 人工测量生物量方法:在盆沿处剪下水稻,放在电子天平上称重。
[0050] 将盆栽水稻放在输入端输送线的小车上,沿图2中大箭头方向运行,按上述方法进行操作。
[0051] 最后得到生物量的平均绝对误差分别为8. 39g和8. 62g,相对误差为13. 21%和
8. 25%,相关系数分别为O. 94和O. 98。
[0052] 最后所应说明的是,以上具体实施方式仅用以说明本发明的技术方案而非限制, 尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。

Claims (7)

1. 一种盆栽水稻表型参数的全自动无损测量系统,其特征在于,包括X射线源、X射线探测器、顶视相机、侧视相机、光源、输入端接近开关、检测区对射式光电开关、检测区接近开关,旋转台、盆栽水稻小车、输入端电动门、输出端电动门、输入端输送线、检测区输送线、 输出端输送线、铅房、可编程控制器和工作站;所述X射线源与所述X射线探测器分别安装于检测区输送线的两侧,所述顶视相机固定在所述铅房顶部,所述测试相机固定安装于检测区输送线一侧,所述旋转台安装在检测区输送线上,所述输入端电动门和输出端电动门安装在铅房两侧,所述工作站分别与X射线探测器、顶视相机、侧视相机和可编程控制器相连,所述可编程控制器分别与X射线源、 光源、输入端接近开关、检测区对射式光电开关、检测区接近开关、旋转台、输入端电动门、 输出端电动门、输入端输送线、检测区输送线、和输出端输送线相连;所述盆栽水稻小车用于固定盆栽水稻使其在输入端输送线、检测区输送线、输出端输送线上运行平稳,所述光源用于为成像提供充足的照明。
2.根据权利要求I所述的盆栽水稻表型参数的全自动无损测量系统,其特征在于,所述检测区输送线上还安装升降台,所述旋转台安装在升降台上,所述升降台用于将盆栽水稻和电动旋转台顶升至上位,便于所述X射线源、侧视相机的扫描、拍摄,所述可编程控制器相连所述升降台。
3.根据权利要求I所述盆栽水稻表型参数的全自动无损测量系统的测量方法,其特征在于,包括以下步骤:步骤i、打开工作站和可编程控制器;步骤ii、所述输入端输送线输送带小车的盆栽水稻,所述输入端接近开关检测到小车, 所述输入端电动门打开;步骤i i i、盆栽水稻通过所述输入端电动门,经检测区输送线输送,所述检测区对射式光电开关检测到水稻花盆,检测区接近开关感应到小车,所述输入端电动门关闭,所述输入端输送线停止,所述检测区输送线停止,所述小车落在所述旋转台上;步骤iv、所述旋转台带动盆栽水稻旋转,同时,顶视相机拍摄盆栽水稻的顶视图片,侧视相机每隔一定角度拍一张图片,得到若干张侧视图像;X射线成像系统对水稻进行断层扫描,每隔一定角度获取该方向的投影值,共得到若干个方向的投影正弦图;步骤V、拍摄完之后,所述旋转台停止旋转,所述输出端电动门打开,所述输入端输送线和所述检测区输送线启动送走盆栽水稻并将下一盆水稻植株送到检测区,延时一段时间后所述输出端电动门关闭;步骤Vi、所述工作站接收到数据,进行数字图像处理和分析后,得到水稻的表型参数包括株闻、分蘖和生物量。
4.根据权利要求3所述盆栽水稻表型参数的全自动无损测量系统的测量方法,其特征在于,所述步骤iv中,在旋转台开始旋转之前,由升降台顶升盆栽水稻至上位;所述步骤iv 中,所述旋转台停止旋转后,所述升降台下降。
5.根据权利要求3或4所述盆栽水稻表型参数的全自动无损测量系统的测量方法, 其特征在于,所述步骤iv的数字图像处理和分析株高,包括以下步骤:(5-a)中值滤波:将植株图像进行中值滤波去除噪声;(5_b) 二值化:将中值滤波后的图像转化为二值图,这一步骤将绿色部分提取出来,判断条件是RG两色分量的相对大小,R偏大为黄色,G偏大为绿色;(5-c)去除小区域:设定面积阈值,去掉连通区域面积在阈值以下的小区域;(5-d)搜索叶尖点:对二值图进行逐像素扫描,按一定的准则搜索所有叶尖点;(5_e)提取轮廓••为每一个叶尖点搜索轮廓,从其附近的背景点开始搜索轮廓,直到找不到下一个轮廓点为止; (5_f)计算叶尖点高度:从叶尖点开始搜索叶片外围轮廓,计算每个叶尖点高度,将所有叶尖点高度中的最大值作为该角度下的水稻株高值。(5-g)比较所有角度下得到的水稻株高值,取最大值作为当前水稻的株高。
6.根据权利要求3或4所述盆栽水稻表型参数的全自动无损测量系统的测量方法,其特征在于,所述步骤iv的数字图像处理和分析生物量,包括以下步骤:(6_a)目标物体分割;(5_b)面积统计:对经过上述处理后的图像,进行面积统计,得到植株一个角度下的投影面积;(5-c)对所有顶视图像和侧视图像进行分割后,采用侧视平均绿叶像素面积和顶视绿叶像素面积双变量的二元回归法计算生物量像素值,即评=」A.-—m_2xAtop,In(Fff)=aln(PV) +b, PV :植株体积,Fff :植株鲜重,即文中的生物量。
7.根据权利要求3或4所述盆栽水稻表型参数的全自动无损测量系统的测量方法,其特征在于,所述步骤iv的数字图像处理和分析分蘖数,包括以下步骤:(7-a)卷积滤波逆投影,将得到的各个方向的投影正弦图,以投影正弦图为起点,直接在空域中进行修正,即将投影正弦图与一个事先设计好的卷积函数进行卷积运算,然后将卷积结果作反投影,得到分蘖断层重建图;(7_b)中值滤波:对重建出的图像进行中值滤波去除噪声;(7-c)最大熵自动阈值二值化:将中值滤波后的图像转化为二值图;(7-d)腐蚀:将粘连在一起的区域分开;(7-e)填充:填充区域内的小孔;(7-f)去除小区域:设定面积阈值,去掉联通区域面积在阈值以下的小区域;(7-g)区域计数:对经过上述处理后的图像,进行连通区域的计数, 最终得到分蘖数。
CN2012100069243A 2012-01-11 2012-01-11 盆栽水稻表型参数的全自动无损测量系统及测量方法 Pending CN102589441A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2012100069243A CN102589441A (zh) 2012-01-11 2012-01-11 盆栽水稻表型参数的全自动无损测量系统及测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2012100069243A CN102589441A (zh) 2012-01-11 2012-01-11 盆栽水稻表型参数的全自动无损测量系统及测量方法

Publications (1)

Publication Number Publication Date
CN102589441A true CN102589441A (zh) 2012-07-18

Family

ID=46478435

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2012100069243A Pending CN102589441A (zh) 2012-01-11 2012-01-11 盆栽水稻表型参数的全自动无损测量系统及测量方法

Country Status (1)

Country Link
CN (1) CN102589441A (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103591887A (zh) * 2013-09-30 2014-02-19 北京林业大学 一种拟南芥区域表型的检测方法
CN103808263A (zh) * 2014-01-20 2014-05-21 北京派得伟业科技发展有限公司 谷粒粒形参数的高通量检测方法
CN104705080A (zh) * 2015-03-20 2015-06-17 温弘成 瓶养植株种植控制方法
CN105043553A (zh) * 2015-06-29 2015-11-11 华中农业大学 单株盆栽水稻温度参数自动测量装置及其测量方法
CN105510362A (zh) * 2015-12-07 2016-04-20 华中农业大学 基于微型ct的水稻分蘖性状无损测量装置及其测量方法
CN105547152A (zh) * 2016-01-06 2016-05-04 上海交通大学 农作物表型田间高通量主动测量装置与方法
CN106767426A (zh) * 2016-11-15 2017-05-31 四川农业大学 水稻株叶型测定方法及其装置
CN107449775A (zh) * 2017-07-13 2017-12-08 北京农业信息技术研究中心 一种植物表型测量装置及方法
CN107720213A (zh) * 2017-09-09 2018-02-23 华中农业大学 一种用于水稻植株高光谱自动成像的双通道自动输送装置及控制方法
CN108132264A (zh) * 2017-12-19 2018-06-08 江苏伊莱尔电力科技有限公司 一种滤波器成品缺陷检测方法法
CN108697055A (zh) * 2015-09-25 2018-10-23 弗劳恩霍夫应用研究促进协会 确定植物的生物量
CN108802031A (zh) * 2018-05-25 2018-11-13 华中农业大学 龙门式小型盆栽植株检测平台
CN109738442A (zh) * 2019-01-05 2019-05-10 华中农业大学 一种基于大视野x射线可见光配准成像的水稻稻穗性状全自动提取系统
CN110089313A (zh) * 2019-04-24 2019-08-06 浙江大学 一种立体式全自动作物在线表型高通量检测平台
CN111693551A (zh) * 2020-07-18 2020-09-22 华中农业大学 一种水稻植株及根系三维性状无损测量装置及方法
CN112461135A (zh) * 2020-10-10 2021-03-09 华南农业大学 一种石斛生长参数无损在线测定装置及其测定方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0627049A (ja) * 1991-11-05 1994-02-04 Natl Res Inst For Metals 高分解能x線ct装置
US6381298B2 (en) * 1999-12-08 2002-04-30 U.S. Philips Corporation Method of combining reconstruction images
CN101021491A (zh) * 2006-12-28 2007-08-22 华南理工大学 基于图像理解的轮毂铸造缺陷自动检测方法及装置
CN101324423A (zh) * 2008-07-31 2008-12-17 华中科技大学 植物株高自动测量装置及方法
CN101324427A (zh) * 2008-07-31 2008-12-17 华中科技大学 绿叶面积自动测量装置及方法
CN101349655A (zh) * 2008-07-18 2009-01-21 华中科技大学 植物分蘖数自动测量装置及方法
CN101712409A (zh) * 2009-10-22 2010-05-26 华中科技大学 一种盆栽植株参数测量自动输送线

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0627049A (ja) * 1991-11-05 1994-02-04 Natl Res Inst For Metals 高分解能x線ct装置
US6381298B2 (en) * 1999-12-08 2002-04-30 U.S. Philips Corporation Method of combining reconstruction images
CN101021491A (zh) * 2006-12-28 2007-08-22 华南理工大学 基于图像理解的轮毂铸造缺陷自动检测方法及装置
CN101349655A (zh) * 2008-07-18 2009-01-21 华中科技大学 植物分蘖数自动测量装置及方法
CN101324423A (zh) * 2008-07-31 2008-12-17 华中科技大学 植物株高自动测量装置及方法
CN101324427A (zh) * 2008-07-31 2008-12-17 华中科技大学 绿叶面积自动测量装置及方法
CN101712409A (zh) * 2009-10-22 2010-05-26 华中科技大学 一种盆栽植株参数测量自动输送线

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
毕昆: "水稻表型若干参数测量系统研究", 《万方学位论文数据库》 *

Cited By (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103591887A (zh) * 2013-09-30 2014-02-19 北京林业大学 一种拟南芥区域表型的检测方法
CN103591887B (zh) * 2013-09-30 2016-06-15 北京林业大学 一种拟南芥区域表型的检测方法
CN103808263B (zh) * 2014-01-20 2016-05-11 北京派得伟业科技发展有限公司 谷粒粒形参数的高通量检测方法
CN103808263A (zh) * 2014-01-20 2014-05-21 北京派得伟业科技发展有限公司 谷粒粒形参数的高通量检测方法
CN104705080A (zh) * 2015-03-20 2015-06-17 温弘成 瓶养植株种植控制方法
CN104705080B (zh) * 2015-03-20 2016-11-30 温弘成 瓶养植株种植控制方法
CN105043553A (zh) * 2015-06-29 2015-11-11 华中农业大学 单株盆栽水稻温度参数自动测量装置及其测量方法
CN105043553B (zh) * 2015-06-29 2018-09-11 华中农业大学 单株盆栽水稻温度参数自动测量装置及其测量方法
US10699406B2 (en) 2015-09-25 2020-06-30 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Determining a plant's biomass
CN108697055A (zh) * 2015-09-25 2018-10-23 弗劳恩霍夫应用研究促进协会 确定植物的生物量
CN108697055B (zh) * 2015-09-25 2021-06-25 弗劳恩霍夫应用研究促进协会 确定植物的生物量
CN105510362A (zh) * 2015-12-07 2016-04-20 华中农业大学 基于微型ct的水稻分蘖性状无损测量装置及其测量方法
CN105510362B (zh) * 2015-12-07 2019-01-08 华中农业大学 基于微型ct的水稻分蘖性状无损测量装置及其测量方法
CN105547152A (zh) * 2016-01-06 2016-05-04 上海交通大学 农作物表型田间高通量主动测量装置与方法
CN106767426A (zh) * 2016-11-15 2017-05-31 四川农业大学 水稻株叶型测定方法及其装置
CN107449775A (zh) * 2017-07-13 2017-12-08 北京农业信息技术研究中心 一种植物表型测量装置及方法
CN107720213B (zh) * 2017-09-09 2020-10-27 华中农业大学 一种用于盆栽水稻高光谱自动成像的双通道自动输送装置及控制方法
CN107720213A (zh) * 2017-09-09 2018-02-23 华中农业大学 一种用于水稻植株高光谱自动成像的双通道自动输送装置及控制方法
CN108132264A (zh) * 2017-12-19 2018-06-08 江苏伊莱尔电力科技有限公司 一种滤波器成品缺陷检测方法法
CN108802031A (zh) * 2018-05-25 2018-11-13 华中农业大学 龙门式小型盆栽植株检测平台
CN109738442A (zh) * 2019-01-05 2019-05-10 华中农业大学 一种基于大视野x射线可见光配准成像的水稻稻穗性状全自动提取系统
CN110089313A (zh) * 2019-04-24 2019-08-06 浙江大学 一种立体式全自动作物在线表型高通量检测平台
CN111693551A (zh) * 2020-07-18 2020-09-22 华中农业大学 一种水稻植株及根系三维性状无损测量装置及方法
CN111693551B (zh) * 2020-07-18 2021-06-22 华中农业大学 一种水稻植株及根系三维性状无损测量装置及方法
CN112461135A (zh) * 2020-10-10 2021-03-09 华南农业大学 一种石斛生长参数无损在线测定装置及其测定方法

Similar Documents

Publication Publication Date Title
CN102589441A (zh) 盆栽水稻表型参数的全自动无损测量系统及测量方法
Srinivasan et al. Terrestrial laser scanning as an effective tool to retrieve tree level height, crown width, and stem diameter
Adu et al. A scanner system for high-resolution quantification of variation in root growth dynamics of Brassica rapa genotypes
CN102384767B (zh) 一种设施作物生长信息无损检测装置和方法
Mollah et al. Digital image analysis to estimate the live weight of broiler
CN103257109A (zh) 畜肉细菌总数检测系统及方法
Maeght et al. Seasonal patterns of fine root production and turnover in a mature rubber tree (Hevea brasiliensis Müll. Arg.) stand-differentiation with soil depth and implications for soil carbon stocks
Zhang et al. A reliable methodology for determining seed viability by using hyperspectral data from two sides of wheat seeds
Čejka et al. Land snails as indicators of soil humidity in Danubian woodland (SW Slovakia)
CN104316473A (zh) 一种基于高光谱图像对鸡种蛋孵化早期胚胎性别鉴定的方法
CN102565061A (zh) 作物生物量无损检测图像采集处理装置及检测方法
CN105043553B (zh) 单株盆栽水稻温度参数自动测量装置及其测量方法
Seielstad et al. Deriving fuel mass by size class in Douglas-fir (Pseudotsuga menziesii) using terrestrial laser scanning
CN104865222A (zh) 一种牡丹种子脂肪酸含量的无损检测方法
Montagnoli et al. Non-destructive phenotypic analysis of early stage tree seedling growth using an automated stereovision imaging method
Alikhanov et al. An indirect approach for egg weight sorting using image processing
Xu et al. Non-destructive detection on the fertility of injected SPF eggs in vaccine manufacture
US20170053168A1 (en) Method and system for the optimization of plant growth
Przybylak et al. Quality evaluation of potato tubers using neural image analysis method
Zou et al. Evaluating two optical methods of woody-to-total area ratio with destructive measurements at five Larix gmelinii Rupr. Forest plots in China
Hunt et al. Estimation in the field of individual perennial ryegrass plant position and dry matter production using a custom‐made high‐throughput image analysis tool
CN104931120A (zh) 一种网箱养鱼的重量检测方法
Li et al. A technique system for the measurement, reconstruction and character extraction of rice plant architecture
CN205749474U (zh) 一种谷物形态与品质分析基础数据一体化获取装置
CN109668857A (zh) 基于近红外高光谱图像技术的茶叶菌落总数检测装置及方法

Legal Events

Date Code Title Description
PB01 Publication
C06 Publication
SE01 Entry into force of request for substantive examination
C10 Entry into substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20120718

C02 Deemed withdrawal of patent application after publication (patent law 2001)