基于稻穗几何形态模式识别的在穗籽粒数估测

被引：4

作者：

马志宏

贡亮

林可

毛雨晗

吴伟

刘成良

机构：

[1] 上海交通大学机械与动力工程学院

来源：

上海交通大学学报 | 2019年 / 53卷 / 02期

关键词：

稻穗; 一次枝梗; 形态学特征; 支持向量机;

D O I：

10.16183/j.cnki.jsjtu.2019.02.016

中图分类号：

TP391.41 []; S511 [稻];

学科分类号：

080203 ; 0901 ;

摘要：

基于稻穗几何形态特征和在穗籽粒数二者之间的映射关系,提出基于稻穗图像形态学特征机器学习的在穗籽粒测量新方法.首先,利用图像处理方法提取一次枝梗的面积、骨架长度、周长、骨架距离均值等形态特征.其次,针对一次枝梗识别,提出基于局部距离方差的提取方法,获取一次枝梗骨架.最后,使用改进的支持向量机构建稻穗几何形态特征和在穗籽粒数两者之间的映射关系.实验结果表明,用以上特征训练的分类器,预测稻穗籽粒数的相对误差平均值为6.72%,可以有效解决测量在穗籽粒数时遇到的遮挡和粘连问题.研究结果表明,稻穗形态学特征与在穗籽粒数存在确定性内蕴映射关系,该映射能够被多分类集成支持向量机训练策略描述,且识别精度高于现有回归方法.

引用

页码：239 / 246

页数：8

共 17 条

[1] 稻穗结构图像特征与籽粒数相关关系分析 [J].

赵三琴 ;

李毅念 ;

丁为民 ;

吕俊逸 ;

王心怡 .

农业机械学报, 2014, 45 (12) :323-328

[2]

A novel quantum binary images thinning algorithm:A quantum version of the Hilditch’’s algorithm. NASERI M,HEIDARI S,GHEIBI R.et al. Optik . 2017

[3]

Leaf segmentation in plant phenotyping:a collation study. SCHARR H,MINERVINI M,FRENCH A P,et al. Machine Vision and Applications . 2016

[4]

Combining image analysis, genome wide association studies and different field trials to reveal stable gene-tic regions related to panicle architecture and the number of spikelets per panicle in rice. REBOLLEDO M C,PE?A A L,JORGE D, et al. Frontiers in Plant Science . 2016

[5]

PHENOPSIS, an automated platform for reproducible phenotyping of plant responses to soil water deficit in Arabidopsis thaliana permitted the identification of an accession with low sensitivity to soil water deficit[J] . &nbspNew Phytologist . 2005 (3)

[6] 水稻穗部籽粒参数快速无损获取方法研究 [J].

许杰 ;

周子力 ;

潘大宇 ;

王成 ;

罗斌 ;

宋鹏 .

计算机工程与应用 , 2017, (08) :203-208

[7] 基于图像处理的小麦条锈病菌夏孢子模拟捕捉的自动计数 [J].

李小龙 ;

马占鸿 ;

孙振宇 ;

王海光 .

农业工程学报, 2013, 29 (02) :199-206+302

[8]

Rice panicle length measuring system based on dual-camera imaging[J] . Chenglong Huang,Wanneng Yang,Lingfeng Duan,Ni Jiang,Guoxing Chen,Lizhong Xiong,Qian Liu. &nbspComputers and Electronics in Agriculture . 2013

[9]

Smartphone-based visual measurement and portable instrumentation for crop seed phenotyping. MA Z,MAO Y,GONG L,et al. IFAC-Papers On Line . 2016

[10]

Feature selection by maximizing correlation information for integrated high-dimensional protein data. Yuan,M,Yang,Z,Huang,G.et al. Pattern Recognition . 2017

← 1 2 →