CN112710661A - 一种马铃薯育种监测分析方法及系统 - Google Patents
一种马铃薯育种监测分析方法及系统 Download PDFInfo
- Publication number
- CN112710661A CN112710661A CN202011565230.4A CN202011565230A CN112710661A CN 112710661 A CN112710661 A CN 112710661A CN 202011565230 A CN202011565230 A CN 202011565230A CN 112710661 A CN112710661 A CN 112710661A
- Authority
- CN
- China
- Prior art keywords
- potato
- breeding
- growth
- blocks
- environment data
- 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.)
- Granted
Links
- 235000002595 Solanum tuberosum Nutrition 0.000 title claims abstract description 344
- 244000061456 Solanum tuberosum Species 0.000 title claims abstract description 344
- 238000009395 breeding Methods 0.000 title claims abstract description 154
- 230000001488 breeding effect Effects 0.000 title claims abstract description 154
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000012544 monitoring process Methods 0.000 title claims abstract description 24
- 230000012010 growth Effects 0.000 claims abstract description 126
- 230000001105 regulatory effect Effects 0.000 claims abstract description 52
- 230000035784 germination Effects 0.000 claims abstract description 37
- 230000001276 controlling effect Effects 0.000 claims abstract description 27
- 230000008569 process Effects 0.000 claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 230000002969 morbid Effects 0.000 claims description 41
- 238000005286 illumination Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 6
- 230000028446 budding cell bud growth Effects 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 4
- 238000013480 data collection Methods 0.000 claims 1
- 235000012015 potatoes Nutrition 0.000 abstract description 18
- 230000001575 pathological effect Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 201000010099 disease Diseases 0.000 description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 5
- 241000196324 Embryophyta Species 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005485 electric heating Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 150000003254 radicals Chemical class 0.000 description 2
- 208000011580 syndromic disease Diseases 0.000 description 2
- TWFZGCMQGLPBSX-UHFFFAOYSA-N Carbendazim Natural products C1=CC=C2NC(NC(=O)OC)=NC2=C1 TWFZGCMQGLPBSX-UHFFFAOYSA-N 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- JNPZQRQPIHJYNM-UHFFFAOYSA-N carbendazim Chemical compound C1=C[CH]C2=NC(NC(=O)OC)=NC2=C1 JNPZQRQPIHJYNM-UHFFFAOYSA-N 0.000 description 1
- 239000006013 carbendazim Substances 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000009400 out breeding Methods 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000002791 soaking Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000009385 viral infection Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G22/00—Cultivation of specific crops or plants not otherwise provided for
- A01G22/25—Root crops, e.g. potatoes, yams, beet or wasabi
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0098—Plants or trees
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D27/00—Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00
- G05D27/02—Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00 characterised by the use of electric means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
Abstract
本申请提供一种马铃薯育种监测分析方法及系统，该方法包括如下步骤：采集育种处理过程经过相同预先处理的多个马铃薯育种组中薯块的生长环境数据；根据预先构建的薯块育种指导参数表，对生长环境数据进行调控；分别采集育种处理过程中多个马铃薯育种组中薯块的生长图像；根据采集的生长图像获取不同马铃薯育种组中薯块的生长状态数据；每隔一段育种天数，根据薯块的生长状态数据和预先构建的薯块育种指导参数表中的数据对薯块的发芽情况进行评价，计算不同马铃薯育种组中薯块的发芽优良值。本申请根据马铃薯育种的时间对其生长环境数据进行实时的调控，精确分析薯块的发芽情况，提高分析结果的准确性。
Description
技术领域
本申请涉及监控技术领域，尤其涉及一种马铃薯育种监测分析方法及系统。
背景技术
在马铃薯育种过程中，优良品种往往在开始种植时表现生长健壮、产量高、品质好，但种过几年后，薯块变小、品质变劣，叶片呈花叶，卷叶或皱缩植株畸形、茎杆细弱、产量逐年下降、品种种性出现退化。发病率逐年上升，2至3年内就可达到百分百，一般亩减产30％至50％，致使不少地方需年年调种或更换品种。长期以来，由于病毒感染而导致马铃薯种薯退化，加快马铃薯新品种选育是解决退化和减产问题的主要途径之一。
现有技术中在马铃薯育种过程中存在的缺陷如下：
第一，无法对马铃薯的育种过程中的生长环境数据进行实时的调控，导致马铃薯的育种环境不能处于较佳的状态。
第二，马铃薯的育种过程中通过肉眼观察薯块的发芽情况，没有具体的量化标准，得到的结果并不准确，受主观因素影响较大。
发明内容
本申请的目的在于提供一种马铃薯育种监测分析方法及系统，该方法根据马铃薯育种的时间对其生长环境数据进行实时的调控，精确分析薯块的发芽情况，提高分析结果的准确性。
为达到上述目的，本申请提供一种马铃薯育种监测分析方法，该方法包括如下步骤：采集育种处理过程经过相同预先处理的多个马铃薯育种组中薯块的生长环境数据；根据预先构建的薯块育种指导参数表，对生长环境数据进行调控；分别采集育种处理过程中多个马铃薯育种组中薯块的生长图像；根据采集的生长图像获取不同马铃薯育种组中薯块的生长状态数据；每隔一段育种天数，根据薯块的生长状态数据和预先构建的薯块育种指导参数表中的数据对薯块的发芽情况进行评价，计算不同马铃薯育种组中薯块的发芽优良值。
如上的，其中，一种马铃薯育种监测分析方法还包括如下步骤：根据计算的薯块的发芽优良值，计算不同马铃薯育种组中薯块的总体发芽优良值；标定总体发芽优良值最大的薯种，以进行种植。
如上的，其中，每组马铃薯育种组中的薯块沿同一直线方向放置，垂直于薯芽的生长方向采集薯块的生长图像。
如上的，其中，对生长环境数据进行调控的方法包括：获取当前育种天数；根据预先构建的薯块育种指导参数表，获取当前育种天数对应的生长环境数据控制范围；判断采集的当前生长环境数据是否在当前育种天数对应的生长环境数据控制范围内，若是，则无需对当前生长环境数据进行调控，否则，对当前生长环境数据进行调控，以使得当前生长环境数据符合当前育种天数对应的生长环境数据控制范围。
如上的，其中，对生长环境数据进行调控的方法还包括如下步骤：获取需要调控的生长环境数据类型及需要调控的数值；向需要调控的生长环境数据类型对应的生长环境数据调控装置发送调控指令，调控指令中携带需要需要调控的数值。
如上的，其中，获取不同马铃薯育种组中薯块的生长状态数据的方法包括如下子步骤：根据预先训练的薯芽识别模型，从薯块的生长图像中提取薯芽特征图像；根据薯芽特征图像获取薯芽生长状态数据；根据预先训练的薯芽病态识别模型，获取薯芽特征图像中薯芽的病态数据。
如上的，其中，薯芽生长状态数据包括：薯芽的数量、薯芽茎的直径、薯芽茎的高度、薯芽叶片数量、薯芽叶片面积。
本申请还提供一种马铃薯育种监测分析系统，该系统包括：生长环境数据采集装置，用于采集育种处理过程经过相同预先处理的多个马铃薯育种组中薯块的生长环境数据；生长环境数据调控装置，用于根据预先构建的薯块育种指导参数表，对生长环境数据进行调控；图像采集装置，用于分别采集育种处理过程中多个马铃薯育种组中薯块的生长图像；中央处理器，根据采集的生长图像获取不同马铃薯育种组中薯块的生长状态数据；中央处理器，还用于每隔一段育种天数，根据薯块的生长状态数据和预先构建的薯块育种指导参数表中的数据对薯块的发芽情况进行评价，计算不同马铃薯育种组中薯块的发芽优良值。
如上的，其中，生长环境数据采集装置包括：湿度计，用于采集环境湿度；温度计，用于采集环境温度；光照传感器，用于采集环境光照强度。
如上的，其中，图像采集装置包括多个，多个图像采集装置分别设置在多个马铃薯育种组的一侧，多个图像采集装置分别采集多个马铃薯育种组中薯块的生长图像。
本申请实现的有益效果如下：
(1)本申请根据马铃薯育种的时间对马铃薯的育种过程中的生长环境数据进行实时的调控，使得马铃薯的育种环境处于较佳的状态。
(2)本申请通过采集薯块的发芽图像，根据薯块的发芽图像精确分析薯块的发芽情况，提高分析结果的准确性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本申请实施例的一种马铃薯育种监测分析方法的流程图。
图2为本申请实施例的对生长环境数据进行调控的方法流程图。
图3为本申请实施例的获取薯芽生长状态数据和病态数据的方法流程图。
图4为本申请实施例的一种马铃薯育种监测分析系统的结构示意图。
附图标记：10-生长环境数据采集装置；20-生长环境数据调控装置；30-图像采集装置；40-中央处理器；50-数据库存储器；60-数据显示装置；100-马铃薯育种监测分析系统。
具体实施方式
下面结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
实施例一
如图1所示，本申请提供一种马铃薯育种监测分析方法，该方法包括如下步骤：
S1，对经过相同预先处理的多个马铃薯育种组放置在苗床上进行育种处理。
其中，马铃薯育种组中的薯块的芽眼朝向苗床上方放置，并在薯块上方铺设一层薄沙，每组马铃薯育种组中的薯块沿同一直线方向放置。
每个马铃薯育种组包括相同数量的不同品种马铃薯的薯块，每个薯块具有马铃薯顶部芽眼、侧部芽眼或底部芽眼，且每个马铃薯育种组中具有顶部芽眼、侧部芽眼或底部芽眼的薯块数量相等。
预先处理的方法包括：使用多菌灵溶液对薯块进行浸泡；捞出薯块进行晾干处理。
S2，采集育种处理过程经过相同预先处理的多个马铃薯育种组中薯块的生长环境数据。
生长环境数据包括苗床上的环境湿度、环境温度和照射薯块的光照强度。
其中，用于采集环境湿度的装置为湿度计；用于采集环境温度的装置为温度计；用于采集环境光照强度的装置为光照传感器。
S3，根据预先构建的薯块育种指导参数表，对生长环境数据进行调控。
预先构建的薯块育种指导参数表中包括不同育种天数对应的生长环境数据控制范围。
如图2所示，步骤S3包括如下子步骤：
S310，获取当前育种天数。
S320，根据预先构建的薯块育种指导参数表，获取当前育种天数对应的生长环境数据控制范围。
S330，判断采集的当前生长环境数据是否在当前育种天数对应的生长环境数据控制范围内，若是，则无需对当前生长环境数据进行调控，否则，对当前生长环境数据进行调控，以使得当前生长环境数据符合当前育种天数对应的生长环境数据控制范围。
其中，对生长环境数据进行调控的方法还包括如下步骤：
S340，获取需要调控的生长环境数据类型及需要调控的数值。
需要调控的数值的计算方法为：
其中，Y表示调控的数值；若Y为正数，则需要将该生长环境数据类型对应的数值调大，否则，需要将该生长环境数据类型对应的数值调小；Y1表示该生长环境数据类型对应的控制范围的最小值；Y2表示该生长环境数据类型对应的控制范围的最大值；Y3表示该生长环境数据类型的实际测量值。
S350,向需要调控的生长环境数据类型对应的生长环境数据调控装置发送调控指令，调控指令中携带需要需要调控的数值。
其中，用于调控湿度的调控设备为加湿器；用于调控温度的调控设备为电加热装置；用于调控光照强度的调控设备为照明灯。
S4，分别采集育种处理过程中多个马铃薯育种组中薯块的生长图像。
具体的，从每个马铃薯育种组中薯块的侧方通过图像采集装置分别采集每个马铃薯育种组中薯块在不同育种天数下的生长图像，即垂直于薯芽的生长方向采集薯块的生长图像。每个马铃薯育种组中薯块的生长图像单独采集。
S5，根据采集的生长图像获取不同马铃薯育种组中薯块的生长状态数据。
如图3所示，步骤S5包括如下子步骤：
S510，根据预先训练的薯芽识别模型，从薯块的生长图像中提取薯芽特征图像。
其中，根据预先训练的薯芽识别模型的方法包括如下步骤：
S511，获取训练集合。
训练集合包括薯芽在不同育种天数下的多个生长状态图像。
S512，将薯芽在同一育种天数下的多个生长状态图像输入到基础神经网络模型中进行训练，获取该育种天数下的薯芽子识别模型。
S513，将不同育种天数下的薯芽子识别模型集合在一起，作为薯芽识别模型。
S520，根据薯芽特征图像获取薯芽生长状态数据。
其中，薯芽生长状态数据包括：薯芽的数量、薯芽茎的直径、薯芽茎的高度、薯芽叶片数量、薯芽叶片面积，薯芽茎为薯芽中除去薯芽叶片的部分，薯芽茎具有节和节间，节上生叶，优选的，薯芽茎的直径为茎的第一节(靠近根部的节)的直径。
S530，根据预先训练的薯芽病态识别模型，获取薯芽特征图像中薯芽的病态数据。
其中，获取薯芽特征图像中薯芽的病态数据包括：薯芽病态类型、薯芽的病态面积、不同病态类型薯芽的病态数量，每发现一个病态位置增加一个病态数量的值。
其中，获取薯芽的病态数据时，需要采集薯芽两侧的生长图像，进而提取薯芽两侧的薯芽特征图像，提高获取薯芽病态数据的准确度。
预先训练的薯芽病态识别模型的方法包括：
S531，获取训练集合。
训练集合包括薯芽在不同病态类型下的多个生长状态图像。
S532，将薯芽在同一病态类型下的多个生长状态图像输入到基础神经网络模型中进行训练，获取该病态类型下的薯芽病态子识别模型。
S533，将不同病态类型下的薯芽病态子识别模型集合在一起，作为薯芽病态识别模型。
S6，每隔一段育种天数，根据薯块的生长状态数据和预先构建的薯块育种指导参数表中的数据对薯块的发芽情况进行评价，计算不同马铃薯育种组中薯块的发芽优良值。
一组马铃薯育种组中薯块在某一育种天数下的发芽优良值的计算公式如下:
其中，FT表示薯块在第T个育种天数下的发芽优良值；Q1表示薯芽茎的直径和高度对发芽优良值的影响权重；Q2表示薯芽叶片对发芽优良值的影响权重；Q3表示薯芽的病态数据对发芽优良值的影响权重；Q1、Q2和Q3之和为1；N表示薯芽的数量；Nya表示芽眼的数量；Di表示第i个薯芽茎的直径；Li表示第i个薯芽茎的高度；DTb表示薯块育种指导参数表中第T个育种天数下对应的薯芽茎的标准直径；LTb表示薯块育种指导参数表中第T个育种天数下对应的薯芽茎的标准高度；i表示第i个薯芽；M表示薯芽叶片数量；MTb表示薯块育种指导参数表中第T个育种天数下对应薯芽叶片的标准数量；j表示第j个薯芽叶片；Sj第j个薯芽叶片面积；H薯芽病态类型的总数量；h表示第h个薯芽病态类型；Oh表示第h个薯芽病态类型包含的薯芽的病态数量；Wh表示预设的第h个薯芽病态类型对发芽情况造成的影响值；Zh表示第h个薯芽病态类型包含的所有薯芽的病态总面积。
其中第h个薯芽病态类型包含的所有薯芽的病态总面积Zh的计算公式如下：
其中，d表示第d个薯芽病态区；Gh表示第h个薯芽病态类型中包含的薯芽病态区总数量；Ad表示第d个薯芽病态区的病态面积。
S7，根据计算的薯块的发芽优良值，计算不同马铃薯育种组中薯块的总体发芽优良值。
其中，不同马铃薯育种组中薯块的总体发芽优良值的计算公式为：
其中，F表示一个马铃薯育种组中薯块的总体发芽优良值；K表示计算的发芽优良值的总个数；qk表示计算的第k个发芽优良值对总体发芽优良值的影响权重；其中，所有计算的发芽优良值对总体发芽优良值的影响权重的总和为1；FTk表示计算的第k个在育种天数T下的发芽优良值；FT(k+1)表示计算的第k+1个在育种天数T下的发芽优良值；其中，第k个发芽优良值的育种天数小于第k+1个发芽优良值的育种天数。
S8，标定总体发芽优良值最大的薯种，以进行种植。以提高马铃薯的生产量。
实施例二
如图4所示，本申请提供一种马铃薯育种监测分析系统100，该系统包括：
生长环境数据采集装置10，用于采集育种处理过程经过相同预先处理的多个马铃薯育种组中薯块的生长环境数据。
生长环境数据调控装置20，用于根据预先构建的薯块育种指导参数表，对生长环境数据进行调控。
图像采集装置30，用于分别采集育种处理过程中多个马铃薯育种组中薯块的生长图像。
中央处理器40，根据采集的生长图像获取不同马铃薯育种组中薯块的生长状态数据。
中央处理器40，还用于每隔一段育种天数，根据薯块的生长状态数据和预先构建的薯块育种指导参数表中的数据对薯块的发芽情况进行评价，计算不同马铃薯育种组中薯块的发芽优良值。
一组马铃薯育种组中薯块在某一育种天数下的发芽优良值的计算公式如下:
其中，FT表示薯块在第T个育种天数下的发芽优良值；Q1表示薯芽茎的直径和高度对发芽优良值的影响权重；Q2表示薯芽叶片对发芽优良值的影响权重；Q3表示薯芽的病态数据对发芽优良值的影响权重；Q1、Q2和Q3之和为1；N表示薯芽的数量；Nya表示芽眼的数量；Di表示第i个薯芽茎的直径；Li表示第i个薯芽茎的高度；DTb表示薯块育种指导参数表中第T个育种天数下对应的薯芽茎的标准直径；LTb表示薯块育种指导参数表中第T个育种天数下对应的薯芽茎的标准高度；i表示第i个薯芽；M表示薯芽叶片数量；MTb表示薯块育种指导参数表中第T个育种天数下对应薯芽叶片的标准数量；j表示第j个薯芽叶片；Sj第j个薯芽叶片面积；H薯芽病态类型的总数量；h表示第h个薯芽病态类型；Oh表示第h个薯芽病态类型包含的薯芽的病态数量；Wh表示预设的第h个薯芽病态类型对发芽情况造成的影响值；Zh表示第h个薯芽病态类型包含的所有薯芽的病态总面积。
其中第h个薯芽病态类型包含的所有薯芽的病态总面积Zh的计算公式如下：
其中，d表示第d个薯芽病态区；Gh表示第h个薯芽病态类型中包含的薯芽病态区总数量；Ad表示第d个薯芽病态区的病态面积。
中央处理器40，还用于根据计算的薯块的发芽优良值，计算不同马铃薯育种组中薯块的总体发芽优良值；标定总体发芽优良值最大的薯种，以进行种植。
生长环境数据采集装置10包括：湿度计，用于采集环境湿度。温度计，用于采集环境温度。光照传感器，用于采集环境光照强度。其中，苗床上铺设有沙土，苗床的四周及中间部位均匀安装有多个湿度计、多个温度计和多个光照传感器。
生长环境数据调控装置20包括：加湿器用于调控环境湿度；电加热装置用于调控环境温度；照明灯用于调控环境光照强度。
图像采集装置30包括多个，多个图像采集装置分别设置在多个马铃薯育种组的一侧，多个图像采集装置分别采集多个马铃薯育种组中薯块的生长图像。
一种马铃薯育种监测分析系统100，该系统还包括：
数据库存储器50，用于存储分析后的数据。
数据显示装置60，用于显示马铃薯育种过程中的生长状态数据。
本申请实现的有益效果如下：
(1)本申请根据马铃薯育种的时间对马铃薯的育种过程中的生长环境数据进行实时的调控，使得马铃薯的育种环境处于较佳的状态。
(2)本申请通过采集薯块的发芽图像，根据薯块的发芽图像精确分析薯块的发芽情况，提高分析结果的准确性。
上所述仅为本发明的实施方式而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理的内所做的任何修改、等同替换、改进等，均应包括在本发明的权利要求范围之内。
Claims (10)
1.一种马铃薯育种监测分析方法，其特征在于，该方法包括如下步骤：
采集育种处理过程经过相同预先处理的多个马铃薯育种组中薯块的生长环境数据；
根据预先构建的薯块育种指导参数表，对生长环境数据进行调控；
分别采集育种处理过程中多个马铃薯育种组中薯块的生长图像；
根据采集的生长图像获取不同马铃薯育种组中薯块的生长状态数据；
每隔一段育种天数，根据薯块的生长状态数据和预先构建的薯块育种指导参数表中的数据对薯块的发芽情况进行评价，计算不同马铃薯育种组中薯块的发芽优良值。
2.根据权利要求1所述的马铃薯育种监测分析方法，其特征在于，该方法还包括如下步骤：
根据计算的薯块的发芽优良值，计算不同马铃薯育种组中薯块的总体发芽优良值；
标定总体发芽优良值最大的薯种，以进行种植。
3.根据权利要求1所述的马铃薯育种监测分析方法，其特征在于，每组马铃薯育种组中的薯块沿同一直线方向放置，垂直于薯芽的生长方向采集薯块的生长图像。
4.根据权利要求1所述的马铃薯育种监测分析方法，其特征在于，对生长环境数据进行调控的方法包括：
获取当前育种天数；
根据预先构建的薯块育种指导参数表，获取当前育种天数对应的生长环境数据控制范围；
判断采集的当前生长环境数据是否在当前育种天数对应的生长环境数据控制范围内，若是，则无需对当前生长环境数据进行调控，否则，对当前生长环境数据进行调控，以使得当前生长环境数据符合当前育种天数对应的生长环境数据控制范围。
5.根据权利要求4所述的马铃薯育种监测分析方法，其特征在于，对生长环境数据进行调控的方法还包括如下步骤：
获取需要调控的生长环境数据类型及需要调控的数值；
向需要调控的生长环境数据类型对应的生长环境数据调控装置发送调控指令，调控指令中携带需要需要调控的数值。
6.根据权利要求1所述的马铃薯育种监测分析方法，其特征在于，获取不同马铃薯育种组中薯块的生长状态数据的方法包括如下子步骤：
根据预先训练的薯芽识别模型，从薯块的生长图像中提取薯芽特征图像；
根据薯芽特征图像获取薯芽生长状态数据；
根据预先训练的薯芽病态识别模型，获取薯芽特征图像中薯芽的病态数据。
7.根据权利要求6所述的马铃薯育种监测分析方法，其特征在于，薯芽生长状态数据包括：薯芽的数量、薯芽茎的直径、薯芽茎的长度、薯芽叶片数量、薯芽叶片面积。
8.一种马铃薯育种监测分析系统，执行权利要求1-7之一所述的方法，其特征在于，该系统包括：
生长环境数据采集装置，用于采集育种处理过程经过相同预先处理的多个马铃薯育种组中薯块的生长环境数据；
生长环境数据调控装置，用于根据预先构建的薯块育种指导参数表，对生长环境数据进行调控；
图像采集装置，用于分别采集育种处理过程中多个马铃薯育种组中薯块的生长图像；
中央处理器，根据采集的生长图像获取不同马铃薯育种组中薯块的生长状态数据；
中央处理器，还用于每隔一段育种天数，根据薯块的生长状态数据和预先构建的薯块育种指导参数表中的数据对薯块的发芽情况进行评价，计算不同马铃薯育种组中薯块的发芽优良值。
9.根据权利要求8所述的马铃薯育种监测分析系统，其特征在于，生长环境数据采集装置包括：
湿度计，用于采集环境湿度；
温度计，用于采集环境温度；
光照传感器，用于采集环境光照强度。
10.根据权利要求8所述的马铃薯育种监测分析系统，其特征在于，图像采集装置包括多个，多个图像采集装置分别设置在多个马铃薯育种组的一侧，多个图像采集装置分别采集多个马铃薯育种组中薯块的生长图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011565230.4A CN112710661B (zh) | 2020-12-25 | 2020-12-25 | 一种马铃薯育种监测分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011565230.4A CN112710661B (zh) | 2020-12-25 | 2020-12-25 | 一种马铃薯育种监测分析方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112710661A true CN112710661A (zh) | 2021-04-27 |
| CN112710661B CN112710661B (zh) | 2022-07-22 |
Family
ID=75546606
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011565230.4A Active CN112710661B (zh) | 2020-12-25 | 2020-12-25 | 一种马铃薯育种监测分析方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112710661B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114879585A (zh) * | 2022-07-11 | 2022-08-09 | 黑龙江省农业科学院黑河分院 | 一种面向精准农业的网络化大豆低温育种的智能监控系统 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7074579B1 (en) * | 1998-11-11 | 2006-07-11 | Value Added Wheat Crc Limited | Detection of preharvest sprouting in cereal grains |
| WO2010076954A2 (ko) * | 2008-11-10 | 2010-07-08 | (주) 마이크로프랜츠 | 바이오리액터 배양기에 의한 조직배양 감자종서의 대량생산 및 씨감자 생산방법 |
| CN105300895A (zh) * | 2015-11-05 | 2016-02-03 | 浙江大学 | 一种利用特征点切线夹角预警马铃薯发芽缺陷的方法 |
| CN106645155A (zh) * | 2016-12-29 | 2017-05-10 | 深圳前海弘稼科技有限公司 | 一种基于温室环境的植物生长状态监控方法及装置 |
| US20170223947A1 (en) * | 2014-08-15 | 2017-08-10 | Monsanto Technology Llc | Apparatus and methods for in-field data collection and sampling |
| CN107147685A (zh) * | 2016-10-31 | 2017-09-08 | 河北北方学院 | 一种马铃薯育种数据采集分析仪 |
| CN109596533A (zh) * | 2018-12-18 | 2019-04-09 | 北京航天泰坦科技股份有限公司 | 一种基于无人机高光谱数据的马铃薯种植管理方法 |
| CN109840549A (zh) * | 2019-01-07 | 2019-06-04 | 武汉南博网络科技有限公司 | 一种病虫害识别方法和装置 |
| CN110301184A (zh) * | 2019-07-11 | 2019-10-08 | 仲恺农业工程学院 | 一种作物科学工程化育种信息处理系统及方法 |
| US20190307087A1 (en) * | 2016-07-04 | 2019-10-10 | Rockwool International A/S | Plant growth control system |
| CN110472557A (zh) * | 2019-08-13 | 2019-11-19 | 深圳市睿海智电子科技有限公司 | 一种番茄生长监控的方法及装置 |
| CN111476149A (zh) * | 2020-04-03 | 2020-07-31 | 苏州浪潮智能科技有限公司 | 一种植物培育控制方法和系统 |
| CN111862194A (zh) * | 2020-08-04 | 2020-10-30 | 江苏云脑数据科技有限公司 | 基于计算机视觉的深度学习植物生长模型分析方法及系统 |
-
2020
- 2020-12-25 CN CN202011565230.4A patent/CN112710661B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7074579B1 (en) * | 1998-11-11 | 2006-07-11 | Value Added Wheat Crc Limited | Detection of preharvest sprouting in cereal grains |
| WO2010076954A2 (ko) * | 2008-11-10 | 2010-07-08 | (주) 마이크로프랜츠 | 바이오리액터 배양기에 의한 조직배양 감자종서의 대량생산 및 씨감자 생산방법 |
| US20170223947A1 (en) * | 2014-08-15 | 2017-08-10 | Monsanto Technology Llc | Apparatus and methods for in-field data collection and sampling |
| CN105300895A (zh) * | 2015-11-05 | 2016-02-03 | 浙江大学 | 一种利用特征点切线夹角预警马铃薯发芽缺陷的方法 |
| US20190307087A1 (en) * | 2016-07-04 | 2019-10-10 | Rockwool International A/S | Plant growth control system |
| CN107147685A (zh) * | 2016-10-31 | 2017-09-08 | 河北北方学院 | 一种马铃薯育种数据采集分析仪 |
| CN106645155A (zh) * | 2016-12-29 | 2017-05-10 | 深圳前海弘稼科技有限公司 | 一种基于温室环境的植物生长状态监控方法及装置 |
| CN109596533A (zh) * | 2018-12-18 | 2019-04-09 | 北京航天泰坦科技股份有限公司 | 一种基于无人机高光谱数据的马铃薯种植管理方法 |
| CN109840549A (zh) * | 2019-01-07 | 2019-06-04 | 武汉南博网络科技有限公司 | 一种病虫害识别方法和装置 |
| CN110301184A (zh) * | 2019-07-11 | 2019-10-08 | 仲恺农业工程学院 | 一种作物科学工程化育种信息处理系统及方法 |
| CN110472557A (zh) * | 2019-08-13 | 2019-11-19 | 深圳市睿海智电子科技有限公司 | 一种番茄生长监控的方法及装置 |
| CN111476149A (zh) * | 2020-04-03 | 2020-07-31 | 苏州浪潮智能科技有限公司 | 一种植物培育控制方法和系统 |
| CN111862194A (zh) * | 2020-08-04 | 2020-10-30 | 江苏云脑数据科技有限公司 | 基于计算机视觉的深度学习植物生长模型分析方法及系统 |
Non-Patent Citations (5)
| Title |
|---|
| UMM G.: "Modifications of evaluation index and subordinate funcition formalae to superiority of mulberry silkworn crosses", 《THE JOURNAL OF BASIC& APPLIED ZOOLOGY》 * |
| 张连生: "长白落叶松结实与发芽特性", 《基因组学与应用生物学》 * |
| 朱建峰: "３５个白榆优良家系种子萌发期耐盐碱性评价", 《西北农业学报》 * |
| 李庚等: "基于无线传感网技术的马铃薯晚疫病实时监测系统研究", 《内蒙古教育》 * |
| 祁利潘: "影响马铃薯与枸杞嫁接成活率及生长速率因子的探究", 《河北北方学院学报》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114879585A (zh) * | 2022-07-11 | 2022-08-09 | 黑龙江省农业科学院黑河分院 | 一种面向精准农业的网络化大豆低温育种的智能监控系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112710661B (zh) | 2022-07-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220075344A1 (en) | A method of finding a target environment suitable for growth of a plant variety | |
| CN108346142B (zh) | 一种基于植物光照图像的植物生长状态识别方法 | |
| CN111460990B (zh) | 一种基于大数据的高寒牧区草原虫害监测预警系统及方法 | |
| JP6132269B2 (ja) | 植物育成装置 | |
| CN106718363B (zh) | 一种面向精细农业的灌溉试验方法及其试验平台 | |
| CN109029588A (zh) | 一种基于气候影响的农作物长势预测方法 | |
| JP2019187259A (ja) | 栽培支援方法、栽培支援プログラム、栽培支援装置、および栽培支援システム | |
| CHANG et al. | Quantifying muskmelon fruit attributes with A-TEP-based model and machine vision measurement | |
| CN112710661B (zh) | 一种马铃薯育种监测分析方法及系统 | |
| CN112836623A (zh) | 设施番茄农事决策辅助方法及装置 | |
| CN113791650B (zh) | 一种臭氧浓度的调节方法及系统 | |
| CN109325630B (zh) | 一种基于形态参数的高温胁迫下水稻产量预测方法 | |
| US9107355B2 (en) | Real-time process for targeting trait phenotyping of plant breeding experiments | |
| CN112837267A (zh) | 一种预测转基因玉米抗药性的数字检测方法及系统 | |
| Zhu et al. | Machine learning methods for efficient and automated in situ monitoring of peach flowering phenology | |
| CN115135135A (zh) | 一种植物生长监测系统和方法 | |
| CN103276047A (zh) | 快速鉴定小麦赤霉病抗性的方法 | |
| CN117235322B (zh) | 作物耐盐高产品种筛选方法、装置、电子设备及存储介质 | |
| Xin et al. | Melon Growth Detection Strategy Using Artificial Intellegence in Greenhouse Cultivation | |
| Dinar et al. | Plant growth analysis system: a new approach for greenhouse management and horticultural research | |
| CN110804645B (zh) | 一种评价香蕉镰刀菌枯萎病抗病性的方法 | |
| Lombana-Peña et al. | Statistical model based on climatological variables for the prediction of pest and disease incidence in rose (Rosa spp.) crops | |
| KR20220047005A (ko) | 정밀농업 관리 시스템 | |
| Padilla et al. | Rice Spikelet Yield Determination Using Image Processing | |
| Doerflinger et al. | Adapting the MaluSim apple tree model for the'Gala'cultivar |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20210427 Assignee: Zhangjiakou Changhe Agricultural Development Co.,Ltd. Assignor: HEBEI NORTH University Contract record no.: X2023980049339 Denomination of invention: A monitoring and analysis method and system for potato breeding Granted publication date: 20220722 License type: Common License Record date: 20231130 |
|
| EE01 | Entry into force of recordation of patent licensing contract |