摘要:为了更加高效和准确地获取油菜角果表型参数,在图像处理技术和深度学习算法的基础上,以迎春一号油菜角果为实验材料,综合考虑油菜育种对角果外观表型参数的需求,提出了一种基于机器视觉的油菜角果表型分析方法:利用图像处理技术实现了油菜角果的柄喙长度、果身长度、果身宽度、弦长、弧长、面积等外观表型性状的提取,使用YOLOv5对单角果籽粒进行无损计数。对角果实物及标定物进行测量验证,结果表明,图像分析出的角果表型指标与人工实际测量值无显著性差异(P>0.05),决定系数(r-square, R2)均大于0.96,均方根误差(root mean square error, RMSE)均小于3 mm,平均绝对值误差(mean absolute error, MAE)均小于2.80 mm,平均绝对百分比误差(mean absolute percentage error, MAPE)均不超过4%。标定物直径最大RMSE为0.3 mm, MAE均小于0.28 mm, MAPE均小于2.00%,面积指标最大RMSE为12.09 mm2, MAE均小于11.56 mm2,MAPE均小于5%。YOLOv5识别出的籽粒数与实际值无显著性差异(P>0.05), R2为0.987,RMSE为0.68粒,MAE为0.27粒,MAPE为1%。该研究的油菜角果表型分析方法操作简单、成本较低,能有效地减少人工测量的误差,提高获取表型信息的可靠性和油菜育种工作的效率,为油菜表型信息的定量化分析提供了一定的参考。
文章目录
1 材料与方法
1.1 材料
1.2 图像获取及预处理
1.2.1油菜角果外形参数图像获取
1.2.2油菜角果籽粒图像获取
1.2.3图像预处理
1.3角果表型提取方法
1.3.1果身长
1.3.2柄长及喙长
1.3.3弦长
1.3.4弧长
1.3.5果宽
1.3.6面积
1.3.7籽粒数
1.4测量验证方法及评价指标
1.4.1角果外观表型参数
1.4.2角果籽粒数
1.4.3精度评价
2 结果与分析
2.1角果外观表型参数
2.2角果籽粒数
3 讨论
4 结论