法律状态公告日
法律状态信息
法律状态
2014-05-07
授权
授权
2012-09-26
实质审查的生效 IPC(主分类):A01C1/02 申请日:20120302
实质审查的生效
2012-08-01
公开
公开
技术领域
本发明涉及农作物育种及图像识别技术领域,尤其涉及一种小麦 麦穗发芽情况识别方法。
背景技术
小麦穗发芽是指收获前遇到阴雨天气时籽粒在穗上发芽的现象, 穗发芽不仅影响产量,而且严重影响品质(尤其是加工品质)和种用 价值。发生可见穗发芽的麦田一般减产10%左右,严重时会绝收。小 麦穗发芽不仅使小麦显著减产,而且使其加工、营养品质和种用价值 均受到影响,造成严重的经济损失,因此,小麦穗发芽的识别鉴定对 于小麦育种具有重要意义。在一些麦区,小麦收获前常遇到连续阴雨 天气,导致穗发芽发生。近年来,随着农业种植结构的调整,白皮小 麦的种植面积在逐渐扩大,但由于白皮小麦的穗发芽抗性普遍较弱, 因此小麦穗发芽问题日益严重。
小麦穗发芽的鉴定方法和指标有多种,现有测试鉴别小麦穗发芽 的技术有:人工目测方法,主要依靠人的经验判断小麦穗发芽的状 态;以及α-淀粉酶活性测定等方法。
其中,人工目测识别小麦穗发芽方法,早期受主观影响因素较大, 识别结果标准化较差;采用生物化学方法破坏性检测,但这些方法过 于复杂或鉴定指标可靠性较差,α-淀粉酶活性测定过程比较复杂, 效率低;培养皿种子发芽需要较大的实验空间,并要进行水分管理和 连续观察监测,缺乏无损的、能连续监测的技术手段。小麦育种家所 需要的鉴定方法必须具有简便高效的特点,强调其适用性。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是:提供一种快速、有效的小麦麦穗发 芽情况识别方法。
(二)技术方案
为解决上述问题,本发明提供了一种小麦麦穗发芽情况识别方 法,包括以下步骤:
S1:采集麦穗高光谱图像;
S2:对所述麦穗高光谱图像进行预处理;
S3:将预处理后的所述麦穗高光谱图像合成得到RGB图像;
S4:在所述RGB图像中选择感兴趣的区域进行分析,得到所述 感兴趣区域的平均光谱;
S5:在特征波段下判断麦穗是否发芽;
S6:计算发芽区域占整个麦穗面积的比例;
S7:提取发芽区域的光谱反射率,判断麦穗的发芽程度;
S8:根据所述发芽区域占整个麦穗面积的比例和光谱反射率,计 算发芽等级。
优选地,所述步骤S2的预处理包括对采集的麦穗高光谱图像进 行拼接,形成BSQ格式的图像的步骤。
优选地,所述步骤S2的预处理包括对采集的麦穗高光谱图像进 行校正、滤波和增强处理的步骤。
优选地,步骤S3具体包括:对预处理后的所述麦穗高光谱图像 提取光谱维对应的特征波长分别为680nm、550nm和450nm的光谱 图像并进行积分转换,合成得到所述RGB图像。
优选地,步骤S4中对感兴趣的区域进行分析具体包括:对所述 感兴趣区域进行放大,提取所述感兴趣区域内每个像素点的光谱,然 后计算平均值。
优选地,所述步骤S1中的高光谱图像的波长范围为400-1000nm。
优选地,步骤S5中所述的特征波段在450~900nm光谱波长范围。
优选地,步骤S5中所述的特征波段为675nm光谱波长。
优选地,步骤S6具体包括:分别对所述感兴趣区域进行阈值分 割,提取小麦穗部发芽区域的像素值和整个麦穗的像素值,根据像素 值的个数来计算分别计算发芽区域和整个麦穗的面积,再求出发芽区 域的总面积占整个麦穗图像面积的百分比,从而得到发芽面积占整个 麦穗的百分比。
(三)有益效果
本发明通过结合了光谱技术和图像技术的高光谱成像对小麦穗 发芽的形态特征以及小麦穗发芽感兴趣区域的光谱信息提取后进行 综合分析,从而实现小麦整个麦穗的穗发芽情况快速识别。相对传统 非成像光谱分析,本发明可直观看出发芽的部位;相对于机器视觉成 像技术,本发明可通过光谱的反射率判断发芽等级,能够在早期更准 确地判断小麦穗发芽情况。
附图说明
图1为根据本发明实施例识别方法的步骤流程示意图。
图2为根据本发明实施例识别方法提取的发芽和未发芽部位的平 均光谱图。
具体实施方式
下面结合附图及实施例对本发明进行详细说明如下。
如图1所示,本实施例记载了一种小麦麦穗发芽情况识别方法。
在本实施例中,实验样品分为四组,分别为:每天浇三次水、每 天浇一次水、全天24小时浸泡、没有浇水的干燥麦穗,各30株,采 集其高光谱图像信息,观测小麦穗发芽情况。在做高光谱图像实验前, 把经过浇水的麦穗样品都干燥至与原来小麦穗一致的效果,防止实验 过程中小麦进一步发芽,然后再采集其高光谱图像,同时降低水分差 异对光谱的影响。
本实施例的识别方法包括以下步骤:
S1:采集麦穗高光谱图像;
在本实施例中,采用400-1000nm波段范围的推扫式高光谱成像 仪,对小麦麦穗进行扫描。将麦穗平放,采集小麦穗部正、反两面图 谱各一次,保证对麦穗的全方位观测。
其中,本实施例采用的高光谱成像仪为中国科大研制的PIS112 二代高光谱成像仪,光谱仪采用了1400(空间维)×1024(光谱维) 的CCD进行阵列推扫成像,光谱范围:400~1000nm;光谱分辨率: 2nm,采样间隔0.7nm;采样频率:8-30幅/秒;视场角:16°。
S2:对所述麦穗高光谱图像进行预处理;
本实施例中,所述预处理包括对采集的麦穗高光谱图像进行校 正、滤波和增强处理的步骤,以消除由于CCD的非线性灵敏度、光 谱响应不均匀、以及量子效率不平衡等原因造成的噪声。所述校正处 理包括白板和暗电流校正。
所述步骤S2的预处理包括对采集的麦穗高光谱图像进行拼接, 形成BSQ格式(波段顺序格式)的图像的步骤。由于成像光谱仪采 集的原始数据是BMP格式的图片,首先需要拼接成BSQ格式的图像。 本实施例中具体的处理过程为:首先用Matlab软件编写程序把BMP 格式的图片拼接成BIL格式的整幅影像;然后用IDL编程进行影像 反射率提取,包括基于经验线性法的反射率提取,五步逐步平均法的 平滑处理,最后保存为BSQ格式的图像。
S3:将预处理后的所述麦穗高光谱图像合成得到RGB图像;
高光谱图像将传统图像维与光谱维信息融合为一体,在获取小麦 穗部空间图像的同时,得到每个穗部像素的连续光谱信息,即成像光 谱图像是一个图像立方体,它由三部分组成:空间图像维、光谱维、 特征光谱维。本实施例步骤S3对预处理后的所述麦穗高光谱图像提 取光谱维对应的特征波长分别为680nm、550nm和450nm(三个波长 分别与图像颜色的R分量、G分量和B分量对应)的光谱图像并进 行积分转换,合成得到所述RGB图像。
S4:在所述RGB图像中选择感兴趣的区域进行分析,得到所述 感兴趣区域的平均光谱;
本实施例中,步骤4具体为:根据合成的RGB图像,选择感兴 趣的区域进行放大分析,提取所述感兴趣区域内每个像素点的光谱, 然后计算平均值,得到感兴趣区域的平均光谱,为后续对光谱吸收特 征参数(吸收波长位置、吸收深度、吸收宽度)等光谱信息挖掘奠定 基础。
S5:在特征波段下判断麦穗是否发芽;
所述的特征波段在450~900nm光谱波长范围;优选地,所述的 特征波段为675nm光谱波长。
针对提取的麦穗不同部位平均光谱,得出如下特点:在 450~900nm波长范围,发芽小麦穗的光谱反射率在675nm处为反射 吸收谷,714nm处为反射吸收峰,这与典型植被光谱曲线变化特征基 本相似;而未发芽小麦穗在675nm处无光谱吸收谷出现,因此本实 施例将675nm的特征吸收作为判断小麦穗发芽与否的依据。如图2 所示,本实施例通过提取小麦穗部光谱图像在675nm处的单幅图像 可初步判断识别小麦穗部是否发芽。
S6:计算发芽区域占整个麦穗面积的比例;
步骤S6具体包括:分别对所述感兴趣区域进行阈值分割,使用 的算法主要有:反色,最大类间方差法二值化,中值滤波;提取小麦 穗部发芽区域的像素值和整个麦穗的像素值,根据像素值的个数来计 算分别计算发芽区域和整个麦穗的面积,再求出发芽区域的总面积占 整个麦穗图像面积的百分比,从而得到发芽面积占整个麦穗的百分 比。
S7:提取发芽区域的光谱反射率,判断麦穗的发芽程度;
由于发芽部分含有叶绿素成分信息,其光谱曲线图呈现的曲线图 趋势与绿色作物叶绿素光谱反射率曲线图基本相似,具有以下特征: 小麦穗发芽部分的叶绿素特征波段在675nm位置处,具有明显的吸 收波谷,根据此波段处光谱反射率的大小可判断识别小麦穗发芽的轻 重程度。发芽严重的,叶绿素含量高,因此提取的相应光谱反射率会 较高。
S8:根据所述发芽区域占整个麦穗面积的比例和光谱反射率,判 断识别小麦穗发芽的轻重程度等级,以此综合评判小麦麦穗发芽的情 况。穗发芽的等级包括无发芽、轻度发芽、重度发芽三个等级。
本发明通过采集未知的小麦穗发芽样品高光谱图像,提取光谱信 息、通过图像处理即可进行小麦穗发芽的监测。本发明可针对田间正 常收获的麦穗,采用高光谱成像技术进行穗发芽检测,可实现穗发芽 的快速筛选。
以上实施方式仅用于说明本发明,而并非对本发明的限制,有关 技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下, 还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明 的范畴,本发明的专利保护范围应由权利要求限定。
机译: 一种小麦与玉米杂交诱导单倍体胚的小麦穗体外培养方法
机译: 小麦发芽豆腐的生产方法及由此生产的小麦发芽豆腐
机译: 无胚芽的发芽小麦或大麦,使用胚芽的发芽小麦或大麦生产相同,面包和其他食品和饮料的方法