基于成像技術(shù)的果實(shí)表型檢測(cè)與解析方法研究.pdf

1、我國(guó)是世界最大的甜瓜生產(chǎn)國(guó)，甜瓜類(lèi)型多樣，種類(lèi)豐富，其中網(wǎng)紋甜瓜(Cucumis melo L. var. reticulatus)因其品質(zhì)優(yōu)且外觀有美麗網(wǎng)紋，被公認(rèn)為高檔瓜。網(wǎng)紋甜瓜的果實(shí)品質(zhì)受基因遺傳和生長(zhǎng)環(huán)境的影響。同時(shí)果實(shí)的大小、網(wǎng)紋、顏色等果實(shí)表型變化直接反映了遺傳特性和環(huán)境響應(yīng)。目前果實(shí)表型的無(wú)損檢測(cè)成為育種和生產(chǎn)上迫切的需求。
　　傳統(tǒng)的網(wǎng)紋甜瓜表型參數(shù)測(cè)量方式主要依靠人工測(cè)量，費(fèi)時(shí)費(fèi)力、操作繁瑣且測(cè)量精度受主觀因素

2、影響大。隨著表型組學(xué)興起，計(jì)算機(jī)視覺(jué)成像技術(shù)越來(lái)越多的應(yīng)用在植物表型量化測(cè)量中，起著越來(lái)越重要的作用。在利用成像技術(shù)測(cè)量植物表型的過(guò)程中，根據(jù)不同作物和環(huán)境開(kāi)發(fā)適合的算法成為植物表型測(cè)量和解析的關(guān)鍵。此外，利用成像技術(shù)測(cè)量解析的表型信息，結(jié)合基因信息和環(huán)境信息，構(gòu)建相關(guān)模型表征植物生長(zhǎng)狀況是實(shí)現(xiàn)育種和精準(zhǔn)生產(chǎn)管理的關(guān)鍵技術(shù)。
　　本研究針對(duì)溫室盆栽網(wǎng)紋甜瓜生長(zhǎng)發(fā)育過(guò)程中的果實(shí)定位、表型檢測(cè)和解析理論等關(guān)鍵問(wèn)題，基于視覺(jué)成像、圖像處

3、理和數(shù)學(xué)建模技術(shù)，采用圖像融合分割、主動(dòng)形狀模型、重分形維數(shù)和間隙度解析、主動(dòng)光源和顏色橢球體等理論和方法，實(shí)現(xiàn)果實(shí)表型參數(shù)的檢測(cè)和解析，應(yīng)用檢測(cè)解析的表型實(shí)現(xiàn)內(nèi)部品質(zhì)估算，應(yīng)用環(huán)境參數(shù)對(duì)果實(shí)表面溫度進(jìn)行模擬，主要研究?jī)?nèi)容與結(jié)果如下：
　　(1)基于RGB-D成像和主動(dòng)形狀模型算法的果實(shí)定位和邊緣檢測(cè)
　　針對(duì)溫室環(huán)境中光線變化、果實(shí)位移變化、噪聲干擾等情況，研究了利用RGB圖像和深度圖像的融合信息的果實(shí)定位算法。該算法將H

4、分量圖與深度圖作為融合的源圖像，用加權(quán)平均方法，實(shí)現(xiàn)圖像像素融合。從保證定位精準(zhǔn)和提高抗噪聲性能出發(fā)，利用融合圖像信息，基于直方圖用首閾檢測(cè)法，實(shí)現(xiàn)了果實(shí)準(zhǔn)確鎖定。與用單一圖像相比，融合圖像用于果實(shí)識(shí)別鎖定，提高了準(zhǔn)確性與魯棒性，在理想條件下順光采集中識(shí)別準(zhǔn)確率可達(dá)到90％。
　　為準(zhǔn)確獲取被定位識(shí)別出的果實(shí)邊緣，提出了利用主動(dòng)活動(dòng)模型(ASM)邊緣檢測(cè)分割算法，精確的獲取甜瓜果實(shí)的輪廓信息，縱橫徑的重復(fù)精度分別為±2.51mm和

5、±3.97mm，邊緣的平均標(biāo)準(zhǔn)偏差為4.17mm，為連續(xù)精確無(wú)損的獲取果實(shí)形態(tài)特征信息和品質(zhì)信息提供了參考。
　　(2)基于多重分形維數(shù)和間隙度分析的甜瓜網(wǎng)紋的解析與量化
　　網(wǎng)紋是網(wǎng)紋甜瓜重要表型性狀，它能直接反應(yīng)果實(shí)的生長(zhǎng)狀況和遺傳特性。傳統(tǒng)的估算網(wǎng)紋甜瓜網(wǎng)紋的方法有網(wǎng)紋描述法(無(wú)網(wǎng)紋、稀疏網(wǎng)紋、部分網(wǎng)紋和完全網(wǎng)紋)、網(wǎng)紋覆蓋率和有無(wú)褶皺，這些方法有效的用在了某些育種和栽培研究中，但這些方法不適合量化網(wǎng)紋分布變化且主要采

6、用目測(cè)方式。針對(duì)傳統(tǒng)方法評(píng)估網(wǎng)紋產(chǎn)生的不一致和無(wú)法表征網(wǎng)紋的分布差異問(wèn)題，用檢測(cè)出的果實(shí)，提出了果實(shí)網(wǎng)紋定量評(píng)估計(jì)算方法，即利用多重分形維度和間隙度分析方法解析量化甜瓜表皮網(wǎng)紋。實(shí)驗(yàn)對(duì)3個(gè)品種(網(wǎng)路，翡翠和露后甜)和四個(gè)不同的生長(zhǎng)階段進(jìn)行多重分形維數(shù)和空隙度分析。通過(guò)與傳統(tǒng)紋理特征(共生矩陣、Gabor過(guò)濾器和小波變換)的監(jiān)督分類(lèi)方法(AdaBoost算法和支持向量機(jī)分類(lèi)器)對(duì)比，證實(shí)了此量化方法的有效性。網(wǎng)紋甜瓜果實(shí)表皮網(wǎng)紋具有分形特

7、性，品種間的比較表明，即使在網(wǎng)紋覆蓋率相似的情況下，提取的網(wǎng)紋在多分形維數(shù)的尺度參數(shù)上也具有顯著差異。廣義尺度參數(shù)D0、D1、D2和間隙度特征參數(shù)b可以用來(lái)區(qū)分不同生長(zhǎng)階段的網(wǎng)紋?；诙嘀胤中尉S數(shù)和間隙度的分析，提出了甜瓜表皮網(wǎng)紋的自動(dòng)提取量化方法。結(jié)果表明，對(duì)于網(wǎng)紋甜瓜表型參數(shù)網(wǎng)紋，多分形維數(shù)和間隙度是除了傳統(tǒng)測(cè)量以外較有價(jià)值的分析手段，促進(jìn)了新的紋理特征量化的方法的使用，且彌補(bǔ)了傳統(tǒng)紋理形態(tài)分析(Gabor濾波器、共生矩陣和小波變換

8、)在果實(shí)表皮網(wǎng)紋表征量化中的不足。
　　(3)基于主動(dòng)光源和橢球體方法的甜瓜顏色分級(jí)與量化
　　針對(duì)自然環(huán)境下，顏色受光照影響大的問(wèn)題，應(yīng)用主動(dòng)光源方法去除自然光的影響，采用七級(jí)果實(shí)顏色分級(jí)方法。提出了橢球體結(jié)構(gòu)的顏色量化方法。試驗(yàn)結(jié)果表明，在三種光照條件下(陽(yáng)光直射5000K、明亮陰影5900K、陰暗陰影7700K)，甜瓜顏色分級(jí)準(zhǔn)確率達(dá)到90%?；谥鲃?dòng)光源獲取的圖像，利用CIEAB顏色空間的L*、a*、b*值聚類(lèi)形成的

9、橢圓體，橢圓體結(jié)構(gòu)方法客觀量化網(wǎng)紋甜瓜果實(shí)表皮不均勻顏色，橢圓體的方向和半軸能夠反映果實(shí)表皮顏色的不均勻性，有效彌補(bǔ)不均勻顏色用單點(diǎn)顏色值和標(biāo)準(zhǔn)差來(lái)表示的不足。該方法成功用在了不同時(shí)期和不同品種網(wǎng)紋甜瓜的顏色量化上。
　　(4)基于果實(shí)表型和神經(jīng)網(wǎng)絡(luò)的甜瓜內(nèi)部品質(zhì)預(yù)測(cè)
　　如何用表型信息判斷果實(shí)內(nèi)部品質(zhì)的生長(zhǎng)發(fā)育狀況對(duì)種植者改善生產(chǎn)管理顯得尤為重要。為快速估算網(wǎng)紋甜瓜內(nèi)部品質(zhì)，利用機(jī)器視覺(jué)成像技術(shù)，根據(jù)其表型特征(顏色特征和

10、網(wǎng)紋特征)，利用BP神經(jīng)網(wǎng)絡(luò)，從“定性”和“定量”方面研究了網(wǎng)紋甜瓜內(nèi)部品質(zhì)預(yù)測(cè)方法。基于機(jī)器視覺(jué)技術(shù)采集網(wǎng)紋甜瓜圖像，采集了三個(gè)生長(zhǎng)階段的57個(gè)網(wǎng)紋甜瓜樣本。對(duì)采集的甜瓜樣本圖像，用L*a*b*色彩模型、HSV色彩模型和灰度共生矩陣(GLCM)、多分形維數(shù)和間隙度表征網(wǎng)紋甜瓜果實(shí)表型信息。將這些表型參數(shù)作為輸BP神經(jīng)網(wǎng)絡(luò)的輸入。在定量預(yù)測(cè)中，分別建立每種內(nèi)部品質(zhì)(果糖、葡萄糖、蔗糖、總糖、可溶性固體物、VC含量)的預(yù)測(cè)模型。結(jié)果顯示，

11、總糖值與預(yù)測(cè)值之間的相關(guān)性高，相關(guān)系數(shù)為0.90。在定性預(yù)測(cè)中，利用BP神經(jīng)網(wǎng)絡(luò)，通過(guò)表型信息預(yù)測(cè)甜瓜生長(zhǎng)階段，生長(zhǎng)階段的預(yù)測(cè)值和實(shí)際值相關(guān)系數(shù)為0.89。用30個(gè)樣本作為模型的訓(xùn)練樣本集，并對(duì)隱層節(jié)點(diǎn)數(shù)和訓(xùn)練函數(shù)這兩個(gè)重要的網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化。對(duì)于15個(gè)測(cè)試樣本，生長(zhǎng)階段的預(yù)測(cè)結(jié)果與實(shí)際值一致。以上結(jié)果為網(wǎng)紋甜瓜品質(zhì)預(yù)測(cè)和改善生產(chǎn)管理提供了良好的理論依據(jù)。
　　(5)基于熱成像技術(shù)和氣象數(shù)據(jù)的果實(shí)表面溫度的動(dòng)態(tài)模擬
　　針對(duì)

12、太陽(yáng)直射會(huì)造成果實(shí)表皮的灼傷、色澤與紋理變化等問(wèn)題，用熱成像技術(shù)，基于能量守恒和監(jiān)測(cè)的氣象數(shù)據(jù)，構(gòu)建了一個(gè)有效模型，來(lái)動(dòng)態(tài)模擬果實(shí)的表面溫度。一系列氣象數(shù)據(jù)(空氣溫度、濕度、太陽(yáng)輻射度和風(fēng)速)在11：00-18：00間每隔15分鐘記錄一次，持續(xù)兩個(gè)月。為驗(yàn)證模型有效性，在果園環(huán)境中果實(shí)表面溫度通過(guò)紅外相機(jī)監(jiān)測(cè)。果實(shí)表面的動(dòng)態(tài)溫度通過(guò)一系列熱成像獲取。在果實(shí)完全被太陽(yáng)光照射的情況下，模型估算果實(shí)表面溫度的均方根誤差小于2.0℃。對(duì)果實(shí)表面

13、反射率和表面水蒸氣電導(dǎo)率敏感性分析顯示，準(zhǔn)確估算果實(shí)表皮反射率對(duì)模型模擬表面溫度非常重要。有效性分析顯示，模型能夠準(zhǔn)確描述不同太陽(yáng)光照強(qiáng)度條件下果實(shí)表面的熱性能。與僅用空氣溫度估算果實(shí)表面溫度相比，該模型能夠較為準(zhǔn)確的估算果實(shí)表面溫度。該模型為防止灼傷的噴灌控制提供了決策支持。
　　綜上，本文以果實(shí)表型為主要研究對(duì)象，對(duì)果形動(dòng)態(tài)檢測(cè)、網(wǎng)紋解析量化、顏色分級(jí)量化與模型構(gòu)建等進(jìn)行了深入研究，提出了主動(dòng)形狀模型檢測(cè)、多重分形維數(shù)和間隙度