厚皮甜瓜种质资源商品性数据采集装置及采集与分析方法

摘要

本发明属于在农业采集设备技术领域，尤其涉及一种厚皮甜瓜种质资源商品性数据采集装置，包括传送带、称重台、样品托盘、检测箱和记录显示终端；所述称重台设置在所述传送带的一端，所述样品托盘安装在传送带上，所述传送带穿过所述检测箱，所述检测箱内安装有工业相机，工业相机自动采集图像数据后，传输到所述记录和显示终端处，进行指标计算。本发明提供了厚皮甜瓜种质资源商品性数据检测工具和手段，增加了果实切面面积和种腔面积两个指标，丰富了厚皮甜瓜形态特征的表达。提出了一种种质资源商品性数据采集与分析方法，基于深度学习方法改进了U‑Net特征学习网络，实现甜瓜果皮和种腔的性状精确分割，在此基础上完成了多种表型性状的量化。

说明书

技术领域

本发明属于在农业采集设备技术领域，具体涉及一种厚皮甜瓜种质资源商品性数据采集装置及采集与分析方法。

背景技术

近年来，随着生物技术的快速发展，各国围绕重要基因发掘、创新和知识产权保护的竞争越来越激烈。人类未来面临的食物、能源和环境危机的解决都有赖于种质资源的占有。农作物种质资源是人类生存和发展最优价值的宝贵财富，是国家重要的战略性资源，是作物育种、生物科学研究和农业生产的物质基础，是实现粮食安全、生态安全与农业可持续发展的重要保障。此外，国家推动“第三次全国农作物种质资源普查与收集行动”工作，开展全国性种质资源的采集和录入。

甜瓜是世界十大水果之一。我国甜瓜常年种植面积超过35万公顷，总产量达965.2万吨，甜瓜种植面积占全球种植面积的43.73％，产量占全球甜瓜总产量的52.6％，是世界第一甜瓜生产大国。甜瓜具有十分丰富的遗传变异，厚皮甜瓜是依据果实性状变异而得到的一大类品种。根据《甜瓜种质资源描述规范和数据标准》所记录的甜瓜果实形态特征约20余项。大多数厚皮甜瓜形态特征为数量特征，其遗传能力有高有低，又因其具有的视觉直观性，使其在厚皮甜瓜种质测评中占据了重要地位。

现阶段厚皮甜瓜商品性形态特征数据采集主要是对甜瓜长度、宽度、切面大小、种腔大小、果形指数、皮腔比例、表皮网纹密度及其粗细程度等，并在此基础上对甜瓜种质进行分级，获取其中的优质种子培育下一代。目前对厚皮甜瓜形态特征参数的获取多依赖于测量专家的个人经验和繁琐麻烦的纯手动测量，且因测量手段及测量工具的限制无法对其形态特征进行较好的描述。此外，虽然专家对于厚皮甜瓜形态特征数据采集具有丰富经验，但往往因为育种甜瓜验收期短暂，短时间内测量密度大而不能及时完成验收，需要大量的人工成本，且数据采集效率低。

发明内容

本发明的目的在于提供一种厚皮甜瓜种质资源商品性数据采集装置及采集与分析方法，以解决背景技术中存在的问题。

为实现上述目的，本发明提供如下技术方案：一种厚皮甜瓜种质资源商品性数据采集装置，包括传送带、称重台、样品托盘、检测箱和记录和显示终端；所述称重台设置在所述传送带的一端，所述样品托盘安装在传送带上，所述传送带穿过所述检测箱，所述检测箱内安装有工业相机，工业相机自动采集图像数据后，传输到所述记录和显示终端处，进行指标计算。

优选地，所述检测箱一侧设有限位传感器。

一种厚皮甜瓜种质资源商品性数据采集装置的采集与分析方法，包括以下步骤：

步骤一、矫正称重台；

步骤二、启动设备；

步骤三、将预先切开的甜瓜，放入传送带预制托盘模具上，左侧为瓜瓤朝上放置，右侧为表皮朝上放置

步骤四、放置稳定后，开始传送，通过数据检测箱时触发限位传感器，后托盘停止于检测箱中间位置，工业相机正下方，相机自动采集图像数据后，传输到右侧工位的记录和显示终端处；

步骤五、进行进行指标采集，并对甜瓜种质资源采集结果进行分析。

优选地，步骤五中，所述甜瓜种质资源采集与分析方法包括权重预处理模块、形态特征数据采集模块和综合评价模块：

(1)权重处理模块中，扩充样本图像数据集并进行图像标注，应用改进的U-Net网络训练样本图片集，获取并选择网络权重；

(2)形态特征数据采集模块中，应用训练好的改进U-Net网络对瓜瓤朝上的图像进行处理，获得甜瓜的皮腔分割效果图，通过检测效果图中的不同指标，如颜色面积及长度、宽度等数据，并对对已知数据进行计算，获取果实内部表型数据；应用训练好的改进U-Net网络对表皮朝上的图像进行处理，分别对其果皮颜色、网纹密度等，进行分类和量化，获取果实外部表型数据；

(3)综合评价模块中，获取果实内部表型数据、外部表型数据，称重台检测的单果重、其他指标检测工位获得的指标数据并整合，采用近似的AHP层次分析+熵权法结合的综合评价方法，进行甜瓜种质资源的分析评价。

优选地，所述评价指标中，生长指标包括生长期和单果重，果皮指标包括果皮颜色、网纹密度、网纹粗细和网纹均匀度，果形指标包括长度、宽度、果形指数和皮腔比例，果肉指标包括中心糖、肉色、肉质、口感和风味。

优选地，在步骤一中，所述矫正称重台的方法为：调整皮带轮松紧，使得果实经过称重台时能够接触到称重台面完成测量，选取10组果实重量测量值与其实际值进行最小二乘拟合，以校正称重台。

7、根据权利要求3所述的方法，其特征在于：步骤三中，按照瓜把到瓜脐最小距离切开。

本发明的有益效果是：

本发明结合机器学习、深度学习、图像处理等技术提供一种厚皮甜瓜种质资源数据采集装置及采集与分析方法，完成了厚皮甜瓜种质数据的快速采集及优质资源分析评价。通过对应的深度学习网络权重提取甜瓜形态特征种质数据，建立了厚皮甜瓜种质数据获取的一体化平台，提升了厚皮甜瓜种质数据采集效率。通过对检测图像的像素大小进行测量，应用比例尺获取所需厚皮甜瓜形态特征的实际尺寸。传统的果实大小和种腔大小仅用对应的横径、纵径来表示，本发明提供了厚皮甜瓜种质数据检测工具和手段，提出了改进的U-Net网络用于精细分割果肉内各部分结构细节，提升了指标测量精度，同时，增加了果实切面面积和种腔面积两个指标，丰富了厚皮甜瓜形态特征的表达。应用深度学习网络完成了对甜瓜的果皮颜色、网纹密度、网纹粗细、网纹均匀的分类和量化。此外，本发明对测得的厚皮甜瓜形态特征数据进行实时的保存，并构建了甜瓜种植资源商品性评价体系，应用AHP层次分析+熵权法结合的评价算法对甜瓜种质进行了评价，节省了录入信息的人工成本和时间成本，提升了厚皮甜瓜种质数据采集效率，为优质资源评价提供了科学的评判依据。

附图说明

图1是本发明的数据采集单元布局图；

图2是本发明的厚皮甜瓜种质资源数据采集装置功能结构框图；

图3是系统的指令操作界面；

图4是原U-Net网络改进流程图；

图5是数据采集可视化过程图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。下面结合附图及较佳实施例详细说明本发明的具体实施方式。

实施例1

本发明提供一种厚皮甜瓜种质资源商品性数据采集装置，该装置包含支架传动单元和数据采集单元两部分，应用pycharm软件编程平台，在pytorch环境下结合opencv、pyqt5等集成数据库，完成种质资源商品性数据采集，实现厚皮甜瓜多项种质参数的自动化采集。图1是根据本发明实施例提供的厚皮甜瓜种质数据采集装置的结构示意图。如图1所示，支架传动单元包括：样品定位托盘、从动滚轮、传送带、驱动电机及电控箱、机架、地脚、其他指标检测工位等。数据采集单元包括：称重台、检测箱、光源、相机、显示器、树莓派、电源、线缆、记录和显示终端等。

样品定位托盘放置切开的甜瓜，左侧瓜瓤朝上放置，右侧表皮朝上放置，定位托盘通过传送带沿传送方向经过不同检测装置或检测工位进行数据采集；

驱动电机及电控箱控制传送带传送速度，根据检测设备及检测工位的整体工作效率进行调节；

其他指标检测工位应用于甜瓜某些非视觉指标的检测，如：中心糖、肉质、口感等，检测工位可根据实际情况增减；

称重台置于皮带下侧，调节皮带松紧使得果实经过称重台时能够接触到称重台面完成测量；

检测箱配备有限位传感器保证拍摄时托盘在对应位置，配备有LED灯板增加箱体内部亮度，检测箱箱顶部具有一开口，相机固定于所述检测箱外，与所述开口相对的位置，用于采集所述待测甜瓜样品的图像信息；

树莓派设备与所述相机连接并配置7英寸触摸显示器，用于接收所述摄像机发送的图像信息并处理，得到所述待测样品的至少一项表型特征参数；

所述检测箱尺寸根据实际需要进行设置。本实施例中，所述检测箱为800mm×800mm×800mm大小的立方体；

相机通过支撑架固定于所述检测箱框架上，转动支撑架可调节相机位置，确保采集图片信息的完整性；

树莓派设备通过USB3.0数据线与相机连接并接收图像信息，通过树莓派配置的显示器，可观测实时图像并将该动态图像显示于记录和显示终端。

装置运行步骤如下：

(1)调整皮带轮松紧，使得果实经过称重台时能够接触到称重台面完成测量，选取10组果实重量测量值与其实际值进行最小二乘拟合，以校正称重台。

(2)启动总开关(驱动电机和采集模块树莓派硬件)，预热设备1分钟左右，使设备稳定。

(3)将预先切开的甜瓜(按照瓜把到瓜脐最小距离切开)，放入传送带预制托盘模具上，左侧为瓜瓤朝上放置，右侧为表皮朝上放置。

(4)放置稳定后，开始传送，通过数据检测箱时触发限位传感器，后托盘停止于检测箱中间位置，工业相机正下方，相机自动采集图像数据后，传输到右侧工位的记录和显示终端处，进行图像处理与指标计算。

(5)已采集完图像的甜瓜随传送带传递到其他指标检测工位，根据甜瓜实际数据采集需求进行其余指标检测。

(6)综合已采集的甜瓜数据，对甜瓜种质资源调查结果进行分析。

需要说明的是，本发明提供的测量装置中软件设计是pycharm平台，基于pytorch环境，采用python语言进行开发，并通过使用pyqt设计可视化界面，调用OpenCV库内的函数及深度学习分割网络来处理采集到的图像，获取甜瓜种质数据。

实施例2

基于图1所示的测量装置，本发明还提供一种厚皮甜瓜种质资源数据采集方法。图2是根据本发明实施例提供的厚皮甜瓜种质资源数据采集方法的流程图。图3展示出了本发明实施例提供的厚皮甜瓜种质资源数据采集方法的软件界面图配置图。图4为原U-Net网络改进流程图。图5为数据采集可视化过程图。所述方法流程如下：

(1)将载入系统的RGB样本图像经过旋转、加噪、压缩和裁剪操作扩充图像数据集，应用labelme标注软件进行样本图片集的标注，本发明为提高果实细节分割效果，设计了改进的U-Net网络，应用改进的U-Net网络训练样本图片集，获取网络权重训练；

(2)将含有两部分的瓜样图片进行分割，获得左(瓜瓤朝上)、右(表皮朝上)两张独立图片，分别对果实内部表型数据和外部表型数据进行指标测。其中内部表型数据测量包括果实长度、宽度、切面面积、种腔面积、果形指数、皮腔比例；外部表型数据包括果皮颜色、网纹密度、网纹粗细、网纹均匀度；

(3)果实内部表型数据测量时，应用训练好的改进U-Net网络对采集图像(瓜瓤朝上)进行处理，获得甜瓜的皮腔分割效果图；通过检测效果图中的不同颜色面积及长度、宽度等数据，获取甜瓜的横径、纵径、切面面积、种腔面积的参数；对已知数据进行计算，获得获得果形指数、皮腔比例的值；

(4)果实外部表型数据测量时，应用训练好的改进U-Net网络对采集图像(表皮朝上)进行处理，分别对其果皮颜色、网纹密度、网纹粗细、网纹均匀度进行分类；

(5)获取果实内部表型数据、外部表型数据，称重台检测的单果重、其他指标检测工位获得的指标数据并整合；

(6)采用近似的AHP层次分析+熵权法结合综合评价的方法，进行甜瓜种质资源的评价。评价指标分为一级指标4个，二级指标14个，包括生长指标(生长期、单果重)，果皮指标(果皮颜色、网纹密度、网纹粗细、网纹均匀度)，果形指标(长度、宽度、果形指数、皮腔比例)，果肉指标(中心糖、肉色、肉质、口感、风味)。综合单瓜指标对其进行种质打分，按得分高低排列。

结合图3，从权重预处理模块、形态特征数据采集模块、综合评价模块展示本文厚皮甜瓜种质资源商品性数据采集与分析方法如下：

(1)权重预处理模块中，图片导入按钮将RGB样本图像集载入系统；图片标注按钮调用labelme标注软件进行样本图片集的标注，并调用数据扩充算法将图片进行旋转、加噪、压缩等操作；权重训练按钮调用pycharm中改进的U-Net网络程序文件进行图像特征提取并得到网络权重，对已标注图片进行训练并获取最优网络权重进行保存；权重选择按钮进行为形态特征数据采集模块选择网络权重。本发明为提高果实细节分割效果，设计了改进的U-Net网络，如图4所示，本文中的改进的U-Net网络使用VGG16网络替换原U-Net网络中的编码部分，应用带填充的卷积层替换原U-Net网络中无填充卷积层，在原U-Net网络中增加跳连接结构，并在跳连接结构中加入反复交叉注意力机制，增强图像上下文信息的获取，使其在甜瓜样本图片集较少时也能有很好的特征采集和图像分割效果。此外，本模块中的改进的U-Net网络亦用于形态特征数据采集模块中参数的厚皮甜瓜种质参数的获取。

(2)形态特征数据采集模块中，初始化按钮获取成像模型参数，进行相机矫正，减少拍摄图像的畸变，提升随后的果实形态特征数据精度，完成系统初始化；图像展示按钮将拍摄箱内实时图像发送到记录与显示终端；图像拍摄按钮控制工业相机拍摄甜瓜图；图像保存按钮将拍摄图片保存到记录与显示终端待处理数据库；图像处理按钮基于所述深度学习网络对甜瓜图片进行皮腔分割操作，保存RGB分割效果图到记录与显示终端的图像形态特征待检测数据库进行图像预处理；数据采集按钮调取待检测数据库中厚皮甜瓜皮腔分割图进行果实长度、果实宽度、果实切面面积、果实种腔面积获取，计算果形指数、皮腔比例，获取的种质数据显示在数据界面；数据保存按钮对实时数据进行保存。

进一步的，图像处理按钮被配置图像亲和操作

进一步的，如图5所示，数据采集按钮通过获取分割图最小外接矩形测量其长度、宽度得到厚皮甜瓜果实长度和宽度，通过提取厚皮甜瓜RGB分割图中R通道内的图像，检测图像白色部分内、外轮廓面积，获取甜瓜切面面积及种腔面积像素大小，随后应用像素大小与实际尺寸之间的比例尺得到实际尺寸。应用格林公式获取面积：

表1样本部分参数测量结果

(3)综合评价模块中，数据整合按钮将果实内部表型数据、外部表型数据，称重台检测的单果重、其他指标检测工位获得的指标数据并整合；种质评价按钮被配置AHP层次分析+熵权法的综合评价算法，实现甜瓜种质资源打分评价并排序；评分导出按钮将最终评价结果导出到Excel表格中。

进一步的，针对一、二级指标，我们采用AHP层析分析法进行分析，获取指标的主观权重，采用熵权法对客观数据进行分析获取客观权重。一级指标综合权重获取步骤与二级指标相同，其中一级指标真实参数等于二级指标真实参数与二级指标对应综合权重的乘积。AHP获取二级指标主观权重时，用1-9标度法来表示指标重要性，其中从1至9表示指标重要性逐渐增加。构造AHP判断矩阵，计算主观权重值公式：

表2果型指标熵值e

本实施例选取10个不同品种的厚皮甜瓜进行种质评价试验，分别标记为A1-A10，通过计算主、客观指标权重，不同品种厚皮甜瓜进行种质打分并按优-劣排序。

表3厚皮甜瓜种质评价试验评分结果

上述参照实施例对该厚皮甜瓜种质资源数据采集装置及采集方法进行的详细描述，是说明性的而不是限定性的；因此在不脱离本发明总体构思下的变化和修改，应属本发明的保护范围之内。