基于成像技術的果實表型檢測與解析方法研究.pdf

1、我國是世界最大的甜瓜生產國，甜瓜類型多樣，種類豐富，其中網紋甜瓜(Cucumis melo L. var. reticulatus)因其品質優(yōu)且外觀有美麗網紋，被公認為高檔瓜。網紋甜瓜的果實品質受基因遺傳和生長環(huán)境的影響。同時果實的大小、網紋、顏色等果實表型變化直接反映了遺傳特性和環(huán)境響應。目前果實表型的無損檢測成為育種和生產上迫切的需求。
　　傳統(tǒng)的網紋甜瓜表型參數(shù)測量方式主要依靠人工測量，費時費力、操作繁瑣且測量精度受主觀因素

2、影響大。隨著表型組學興起，計算機視覺成像技術越來越多的應用在植物表型量化測量中，起著越來越重要的作用。在利用成像技術測量植物表型的過程中，根據(jù)不同作物和環(huán)境開發(fā)適合的算法成為植物表型測量和解析的關鍵。此外，利用成像技術測量解析的表型信息，結合基因信息和環(huán)境信息，構建相關模型表征植物生長狀況是實現(xiàn)育種和精準生產管理的關鍵技術。
　　本研究針對溫室盆栽網紋甜瓜生長發(fā)育過程中的果實定位、表型檢測和解析理論等關鍵問題，基于視覺成像、圖像處

3、理和數(shù)學建模技術，采用圖像融合分割、主動形狀模型、重分形維數(shù)和間隙度解析、主動光源和顏色橢球體等理論和方法，實現(xiàn)果實表型參數(shù)的檢測和解析，應用檢測解析的表型實現(xiàn)內部品質估算，應用環(huán)境參數(shù)對果實表面溫度進行模擬，主要研究內容與結果如下：
　　(1)基于RGB-D成像和主動形狀模型算法的果實定位和邊緣檢測
　　針對溫室環(huán)境中光線變化、果實位移變化、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，用加權平均方法，實現(xiàn)圖像像素融合。從保證定位精準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法，實現(xiàn)了果實準確鎖定。與用單一圖像相比，融合圖像用于果實識別鎖定，提高了準確性與魯棒性，在理想條件下順光采集中識別準確率可達到90％。
　　為準確獲取被定位識別出的果實邊緣，提出了利用主動活動模型(ASM)邊緣檢測分割算法，精確的獲取甜瓜果實的輪廓信息，縱橫徑的重復精度分別為±2.51mm和

5、±3.97mm，邊緣的平均標準偏差為4.17mm，為連續(xù)精確無損的獲取果實形態(tài)特征信息和品質信息提供了參考。
　　(2)基于多重分形維數(shù)和間隙度分析的甜瓜網紋的解析與量化
　　網紋是網紋甜瓜重要表型性狀，它能直接反應果實的生長狀況和遺傳特性。傳統(tǒng)的估算網紋甜瓜網紋的方法有網紋描述法(無網紋、稀疏網紋、部分網紋和完全網紋)、網紋覆蓋率和有無褶皺，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紋分布變化且主要采

6、用目測方式。針對傳統(tǒng)方法評估網紋產生的不一致和無法表征網紋的分布差異問題，用檢測出的果實，提出了果實網紋定量評估計算方法，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紋。實驗對3個品種(網路，翡翠和露后甜)和四個不同的生長階段進行多重分形維數(shù)和空隙度分析。通過與傳統(tǒng)紋理特征(共生矩陣、Gabor過濾器和小波變換)的監(jiān)督分類方法(AdaBoost算法和支持向量機分類器)對比，證實了此量化方法的有效性。網紋甜瓜果實表皮網紋具有分形特

7、性，品種間的比較表明，即使在網紋覆蓋率相似的情況下，提取的網紋在多分形維數(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可以用來區(qū)分不同生長階段的網紋?；诙嘀胤中尉S數(shù)和間隙度的分析，提出了甜瓜表皮網紋的自動提取量化方法。結果表明，對于網紋甜瓜表型參數(shù)網紋，多分形維數(shù)和間隙度是除了傳統(tǒng)測量以外較有價值的分析手段，促進了新的紋理特征量化的方法的使用，且彌補了傳統(tǒng)紋理形態(tài)分析(Gabor濾波器、共生矩陣和小波變換

8、)在果實表皮網紋表征量化中的不足。
　　(3)基于主動光源和橢球體方法的甜瓜顏色分級與量化
　　針對自然環(huán)境下，顏色受光照影響大的問題，應用主動光源方法去除自然光的影響，采用七級果實顏色分級方法。提出了橢球體結構的顏色量化方法。試驗結果表明，在三種光照條件下(陽光直射5000K、明亮陰影5900K、陰暗陰影7700K)，甜瓜顏色分級準確率達到90%?；谥鲃庸庠传@取的圖像，利用CIEAB顏色空間的L*、a*、b*值聚類形成的

9、橢圓體，橢圓體結構方法客觀量化網紋甜瓜果實表皮不均勻顏色，橢圓體的方向和半軸能夠反映果實表皮顏色的不均勻性，有效彌補不均勻顏色用單點顏色值和標準差來表示的不足。該方法成功用在了不同時期和不同品種網紋甜瓜的顏色量化上。
　　(4)基于果實表型和神經網絡的甜瓜內部品質預測
　　如何用表型信息判斷果實內部品質的生長發(fā)育狀況對種植者改善生產管理顯得尤為重要。為快速估算網紋甜瓜內部品質，利用機器視覺成像技術，根據(jù)其表型特征(顏色特征和

10、網紋特征)，利用BP神經網絡，從“定性”和“定量”方面研究了網紋甜瓜內部品質預測方法。基于機器視覺技術采集網紋甜瓜圖像，采集了三個生長階段的57個網紋甜瓜樣本。對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)和間隙度表征網紋甜瓜果實表型信息。將這些表型參數(shù)作為輸BP神經網絡的輸入。在定量預測中，分別建立每種內部品質(果糖、葡萄糖、蔗糖、總糖、可溶性固體物、VC含量)的預測模型。結果顯示，

11、總糖值與預測值之間的相關性高，相關系數(shù)為0.90。在定性預測中，利用BP神經網絡，通過表型信息預測甜瓜生長階段，生長階段的預測值和實際值相關系數(shù)為0.89。用30個樣本作為模型的訓練樣本集，并對隱層節(jié)點數(shù)和訓練函數(shù)這兩個重要的網絡參數(shù)進行優(yōu)化。對于15個測試樣本，生長階段的預測結果與實際值一致。以上結果為網紋甜瓜品質預測和改善生產管理提供了良好的理論依據(jù)。
　　(5)基于熱成像技術和氣象數(shù)據(jù)的果實表面溫度的動態(tài)模擬
　　針對

12、太陽直射會造成果實表皮的灼傷、色澤與紋理變化等問題，用熱成像技術，基于能量守恒和監(jiān)測的氣象數(shù)據(jù)，構建了一個有效模型，來動態(tài)模擬果實的表面溫度。一系列氣象數(shù)據(jù)(空氣溫度、濕度、太陽輻射度和風速)在11：00-18：00間每隔15分鐘記錄一次，持續(xù)兩個月。為驗證模型有效性，在果園環(huán)境中果實表面溫度通過紅外相機監(jiān)測。果實表面的動態(tài)溫度通過一系列熱成像獲取。在果實完全被太陽光照射的情況下，模型估算果實表面溫度的均方根誤差小于2.0℃。對果實表面

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