基于图像处理的小麦穗长和小穗数同步测量

被引：14

作者：

路文超 ^{[1
]}

罗斌 ^{[1
,2
]}

潘大宇 ^{[3
,2
]}

赵勇 ^{[1
,2
,4
]}

于春花 ^{[3
,2
,4
]}

王成 ^{[1
,2
]}

机构：

[1] 北京农业智能装备技术研究中心

[2] 农业部农业信息技术重点实验室

[3] 国家农业智能装备工程技术研究中心

[4] 农业智能装备技术北京市重点实验室

来源：

中国农机化学报 | 2016年 / 06期

基金：

北京市自然科学基金;

关键词：

图像处理; 穗长; 小穗数; 同步测量; 形态学处理; 曲线拟合;

D O I：

10.13733/j.jcam.issn.2095-5553.2016.06.46

中图分类号：

S512.1 [小麦];

学科分类号：

0901 ;

摘要：

小麦穗长和小穗数能够直接反映小麦产量,是育种家非常关心的两个穗部形态参数。为快速测量这两个参数,本文提出一种基于图像处理技术的穗长和小穗数同步测量方法,首先采用形态学处理算法去除麦芒得到麦穗主部图像,然后采用拟合麦穗主部中心曲线的方法来计算麦穗长度,最后采用将曲线穿过小穗区域并统计灰度差异的方法计算小穗数。针对4个品种的50个麦穗进行测量试验,以验证算法性能。试验结果表明,本文穗长和小穗数同步提取算法不仅适用于较直立的麦穗,而且适用于弯曲的麦穗;和人工用直尺沿穗身测量穗长的方法相比,本文穗长提取算法测量结果的平均绝对误差为0.47cm,相对误差为3.95%;和人眼计数测量小穗数的方法相比,本文小穗数提取算法测量结果的平均绝对误差为1.6(≈2),相对误差为7.89%,能有效同步测量穗长和小穗数。

引用

页码：210 / 215

页数：6

共 21 条

[1] 基于图像处理和神经网络的小麦不完善粒识别方法研究 [J].