共查询到18条相似文献，搜索用时 281 毫秒
1.
基于骨架提取和二叉树分析的玉米植株图像茎叶分割方法 总被引：2，自引：0，他引：2
对玉米植株图像的茎叶进行分割,为组分表型分析、植株对环境胁迫的响应等后续研究提供参数和依据。采用内布拉斯加大学林肯分校植物表型数据集中的玉米植株图像,自动进行玉米植株图像的裁剪和二值化;通过骨架细化算法建立植株的骨架模型,并设定阈值去除骨架中的毛刺;然后检测骨架上的端点和交叉点,采用二叉树分析骨架模型,最终确立各级节点及各个叶片,从而实现茎叶分割。结果表明,建立的玉米植株茎叶分割算法,具有处理速度快、易于理解等优点,为玉米等植物表型分析与育种等提供支持。 相似文献
2.
快速重建植株三维结构并以三维可视的方式分析研究农作物的形态结构和生长过程、进行表型测量是数字植物及作物育种研究的热点和难点。概述了植物三维重建的研究现状和主流植物三维重建技术,并对各种技术的方法原理和技术优势进行了分类和对比;重点介绍了基于多视角图像三维重建方法 SFM和MVS的研究进展、技术原理以及相关软硬件系统平台;分析了近几年基于多视角图像三维重建方法在植物三维重建中的应用进展,基于多视角图像三维重建方法具有数据获取成本低、获取点云精度高、植物三维重建质量高等技术优势,同时指出了该技术方法的不足之处和未来技术发展趋势,以期为植物三维重建技术的发展、植物表型组学的研究以及低成本高通量设备的研制提供有益参考。 相似文献
3.
《中国农业科技导报》2006,8(3):24-24
本项目研究人员经努力实现了玉米、水稻实株型结构数字化设计，为超高产育种、资源高效利用提供了先进的高新技术研究手段。提出了一种植物拓扑结构建模方法和基于结构一功能模型的虚拟植物生长的体系架构，建立了基于数字化技术的植物形态结构信息采集系统与植物器官形态描述模型，对玉米、水稻等主要农作物形态进行了三维数字化测定，构建了器官形态描述模型与参数库，实现了叶片生长过程中的3维空间取向规律与冠层空间光分布的3维模拟的定量分析，并基于双尺度自动机和马尔可夫过程原理，构建了根系生长的模拟模型。 相似文献
4.
植物表型监测技术研究进展及发展对策 总被引：1，自引：0，他引：1
《江苏农业科学》2017,(11)
高效的植物表型监测技术作为现代化农业的一个重要研究方向,是育种、品种选择、基因组学和表型组学研究的一个先决条件。随着图像采集、网络传输技术、图像处理等技术的发展,植物表型监测技术的实际研究与应用日益得到重视。为了从整体上梳理植物表型监测技术的研究成果和存在问题,有效地推动植物表型监测技术发展和农业现代化进程,本研究介绍了植物表型监测技术的国内外研究进展,同时归纳了现阶段比较先进的植物表型平台产品,分析了其技术组成(主要是成像模块和图像分析模块),并且列举了植物表型监测中不同用途的图像分析方法。在此基础上阐述了植物表型监测技术目前存在的问题及相应对策,最后从3个方面作了前景展望。 相似文献
5.
6.
玉米（Zea mays L.）是重要的粮食作物和饲料作物,不同生长阶段逆境会影响玉米植株的生长,从而对玉米产量产生负面影响。从育种选择到应用生物技术手段方面提高植物对逆境胁迫的适应能力,可以增加农作物产量、保护生态系统的稳定性,并为全球粮食安全做出贡献。对玉米育种的发展历程及生物育种中不同育种技术的优缺点进行概述,论述了生物育种在生物与非生物胁迫等逆境情况下的研究进展,同时以多学科交叉技术的整合为特征,将育种技术与信息技术相结合,展望了未来育种的发展方向和策略及生物育种在解决全球粮食安全方面所起的重要作用,以期为育种技术的革新提供有意义的帮助。 相似文献
7.
本文将计算机多媒体图像处理技术引入玉米植株株型研究,在获得成功的基础上,建立了集株型信息获取与表述、判别归类、亲子预测与选配等功能和玉米植株标准图像数据信息库及其管理于一体的玉米株型育种辅助系统。为玉米育种辅助选配和品种资源管理、鉴定提供了有效的手段。 相似文献
8.
我国农业正处于由传统农业转向现代化农业的关键阶段,智慧农业是现代化农业发展的重要体现,是未来农业发展的必然趋势。智慧农业旨在将物联网、人工智能以及大数据等现代信息技术与传统农业深度结合,使农业生产实现智能化、绿色化、标准化、数字化。植物表型组学是研究植物表现型特征的科学,是智慧农业发展的关键技术之一,其通过采集细胞、器官、组织、植株以及群体各层面的表型数据,从海量数据中提取可重复性高、可信度高的重要性状信息,为基因挖掘、作物育种和农业生产过程精准管理提供数据支持和方法支撑。从表型数据采集、分析以及国内外植物表型分析平台建设方面综述了智慧农业背景下植物表型组学的发展现状,概述了植物表型组学研究在智慧农业生产中的应用,最后对植物表型组学未来发展趋势做出展望。 相似文献
9.
10.
植物表型自动化检测技术在农业研究和作物育种的过程中发挥了重要作用,但目前受限于二维技术三维特征很难被提取。株型是影响多分蘖作物产量的重要表型特征之一,它包括分蘖数、分蘖角、和茎粗等参数。传统方法中获取这些特征参数需要大量的人工测量,而人工测量具有耗时,主观性强,不准确等缺陷,因此用人工的方法进行大批量的表型分析是不现实的。为了使作物育种研究中株型参数提取实现自动化,提出一种用于高通量植株株型性状参数获取的快速三维重建方法,为了提高重建效率,研究中使用了图形处理单元(GPU)并行处理技术,在统一计算设备架构(CUDA)下进行重建的并行计算,使单株重建时间缩减到10秒左右,适合使用于高通量表型检测平台。 相似文献
11.
植株计数是农民、育种专家等在整个作物生长季评估作物生长状况和管理实践的最常用方法之一,可用来进行合理的田间规划以及管理。针对高密度种植试验区高通量获取玉米自动株数方法匮乏的问题,本研究利用无人机遥感平台,获取田间314个不同基因型的玉米高密度育种小区的数码影像和激光雷达(light detection and ranging, LiDAR)点云数据,发展了一种结合玉米三维空间信息的固定窗口局部最大值算法,实现了高密度玉米育种小区成株数的自动检测,并对比了基于此两种不同数据源的检测精度。该方法以冠层高度模型(canopy height model, CHM)中包含的株高信息为基础,以玉米种植株距为固定窗口进行单株玉米种子点检测,并将检测到的种子点与目视解译的玉米位置进行空间匹配来进行精度的评估。结果表明,基于无人机数码影像构建3种空间分辨率CHM的综合检测精度分别为81.30%、83.11%和78.93%;基于无人机LiDAR的综合精度分别为82.33%、88.66%和81.46%;基于两种数据源构建的CHM,均在空间分辨率为0.05 m时,获得最佳的检测精度。此外,当空间分辨率相同时,... 相似文献
12.
作物株型形态参数,一直是作物栽培及育种中所关注的指标。以粮食作物玉米的株形图像为研究对象,基于Intel公司的开源计算机视觉库OpenCV,以Microsoft Visual Studio 2008为开发平台,综合运用图像处理与分析技术,提出了一种适应玉米株形骨架提取的简便算法,并开发了玉米株型骨架提取软件。实证检验表明,该软件能实现载入一张复杂背景的玉米株形图像,经过剪切、自适应窗口等前期处理及对原始彩色图像的灰度化处理、图像分割和噪声去除等一系列的预处理,最后采用基于C#版的OpenCV(EmguCV)的一个算法提取出玉米株形的简单骨架。 相似文献
13.
水稻根系形态特征的定量研究对于改进农田管理方式、水稻品种选育和遗传改良等具有重要意义。近年来,随着表型组技术迅速发展,利用图像处理技术对水稻根系生长情况进行测量和分析,同时配合施肥、灌溉、光照、温控等环境监控技术已成为水稻育种和功能基因组研究新型技术手段,而根系图像分割技术是进行后续表型组学分析的重要基础之一。由于生长在土壤中的水稻根系图像具有对比度低、信噪比低、纹理复杂的特点,分割十分困难。针对此问题,研究了主干-分支连接算法、基于形态特征的局部阈值分割算法和基于形态特征的自适应阈值分割算法,对生长在土壤中水稻根系图像进行分割处理和比较。实验结果表明,主干-分支连接算法虽然保留了大量细节,但是受噪声影响严重,其结构略显杂乱,毛刺现象严重;基于形态特征的局部阈值分割算法能保留更多根部的细节,但轮廓断裂的现象比较严重;自适应阈值分割算法分割的图像根系连续性较好,毛刺现象也得到了抑制,但是细小的须根无法保留。最终将两种算法结合起来,提出一种适用于水稻表层根系图像分割的综合算法,则可以获得较为理想的分割结果,为后续水稻根系性状提取奠定了重要基础。 相似文献
14.
植物动画合成是当今的一项研究热点,运动信息的提取与重构是在计算机上实现高效、逼真植物动画合成的基础和关键。以玉米为研究对象,采集真实的植物运动视频,将视频转换为图像序列并选取若干关键帧。研究数字图像处理算法,提取图像前景目标,并对目标细化和毛刺去除得到清晰、完整的二值植物骨架图像。基于植物骨架图像提出了植物动画特征点数据提取方法,并将特征点数据映射到三维植物模型,实现了数据驱动的植物动画。 相似文献
15.
为了解西藏玉米地方品种多样性及类群特点,进一步挖掘优异基因资源,采用多年重复实验,对179份西藏玉米地方品种的36个农艺性状进行多样性鉴定,利用离差平方和方法分年进行聚类分析,分析了西藏玉米地方品种的表型特征,结果表明:西藏玉米地方品种存在较高水平的多样性,36个农艺性状中有20个性状的多样性指数达2.0以上,其中粒色的多样性指数2.27,体现西藏玉米地方品种粒色丰富的突出特点。基于36个性状的聚类分析结果将西藏玉米地方品种分为3大类群,即晚熟高秆型、高寒早熟型和干热河谷硬粒型。其中干热河谷硬粒类群是西藏玉米传统主栽地方品种类型,综合性状与国内其他族群不同,属西藏特色中熟硬粒玉米。全面分析表明,西藏玉米地方品种表现较高的表型多样性水平,具有重要的演化地位,为西藏是我国玉米的重要传入路径提供理论依据。基于综合性状所划分的3大玉米类群具有不同的表型特征与育种利用价值,作为该区玉米地方品种的保护和开发利用理论基础。 相似文献
16.
目前田间玉米雄穗数量监测主要依靠人工进行,效率低且易出错.为了实现在复杂的田间环境下对玉米雄穗自动识别和计数的任务,使用无人机平台和田间作物表型高通量获取平台采集的田间玉米顶视图像构建数据集,使用Resnet 50作为新的特征提取网络代替原始的VGG 16来优化Faster R-CNN模型.再根据表型平台所获取的高时序、连续图像,进一步使用改进后的模型对试验小区内玉米抽穗期前后20 d的雄穗数量进行监测,以此为依据进行抽穗期判定.该方法在田间作物表型高通量平台获取的图像数据测试集中类平均精度为90.14％,平均绝对误差为4.7328;在无人机平台获取的图像数据测试集中类平均精度为82.14％,平均绝对误差为9.6948.试验结果表明:该模型在田间作物表型高通量获取平台上的检测结果优于无人机平台,且具备一定的应用价值. 相似文献
17.
【目的】研究基于改进Mask R-CNN的玉米苗冠层分割算法,满足精准作业中对靶施肥的识别要求,提高化肥的使用效率,减少环境污染。【方法】采集田间玉米苗图片并增强数据,生成田间数据集;使用ResNeXt50/101-FPN作为特征提取网络对分割算法进行训练,并与原始ResNet50/101-FPN的训练精度结果作对比;采用不同光照强度及有伴生杂草的玉米苗图片对比验证冠层识别算法效果。【结果】在不同光照强度下,无伴生杂草的目标平均识别精度高于95.5%,分割精度达98.1%;在有伴生杂草与玉米苗有交叉重合情况下,目标平均识别精度高于94.7%,分割精度达97.9%。检测一帧图像的平均时间为0.11 s。【结论】Mask R-CNN的玉米苗及株芯检测算法有更高的准确率和分割精度,更能适应不同光照强度及有伴生杂草的苗草交叉重合情况的目标检测。 相似文献