水稻植株穗部性狀在體測(cè)量研究.pdf

1、水稻是世界最主要的糧食作物之一,全世界近一半人口以稻米為主食。水稻的產(chǎn)量一直是水稻育種中最為關(guān)心的問(wèn)題。作為果實(shí)生長(zhǎng)的器官,水稻穗部的性狀如穗數(shù)、穗鮮重、穗干重、總粒數(shù)、實(shí)粒數(shù)、單株產(chǎn)量等直接與產(chǎn)量相關(guān),因此是水稻的表型參數(shù)中能直接反應(yīng)水稻育種水平的指標(biāo)。在對(duì)水稻品種進(jìn)行篩選和鑒定時(shí),都需要對(duì)穗部性狀參數(shù)進(jìn)行測(cè)定與評(píng)價(jià)。
　　傳統(tǒng)的穗部性狀測(cè)量主要依賴于人工,存在操作繁瑣、勞動(dòng)強(qiáng)度大、測(cè)量準(zhǔn)確性受人工主觀因素影響大等缺點(diǎn)。利用遙感

2、成像和機(jī)器視覺(jué)等技術(shù)實(shí)現(xiàn)大面積大田水稻和高通量盆栽水稻測(cè)量不依賴手工測(cè)量,效率高,應(yīng)用廣。大田水稻穗部性狀測(cè)量主要利用遙感技術(shù)實(shí)現(xiàn)大面積水稻的整體產(chǎn)量估測(cè),需要使用專用設(shè)備獲取遙感數(shù)據(jù),不適用于小面積或單株水稻產(chǎn)量的估測(cè),也無(wú)法精確估算單株水稻穗部性狀參數(shù)。針對(duì)單株盆栽水稻穂部性狀的在體測(cè)量技術(shù),經(jīng)查閱未見(jiàn)相關(guān)學(xué)術(shù)文獻(xiàn)發(fā)表。此外,現(xiàn)代育種技術(shù)能在一天內(nèi)生產(chǎn)上千個(gè)新品種,每一個(gè)品種都需要進(jìn)行穂部性狀測(cè)量以確定其育種和推廣的潛力和價(jià)值。在這

3、種背景之下,急需一種快速、簡(jiǎn)單、有效的穗部性狀測(cè)量技術(shù),以解決目前穗部性狀測(cè)量技術(shù)的局限性。
　　本研究基于機(jī)器視覺(jué)、圖像處理、模式識(shí)別及數(shù)學(xué)建模技術(shù),實(shí)現(xiàn)單株水稻穗部性狀參數(shù)包括穗數(shù)、穗鮮重、穗干重、總粒數(shù)、實(shí)粒數(shù)、單株產(chǎn)量的在體測(cè)量。主要研究?jī)?nèi)容包括:(1)水稻稻穗?yún)^(qū)域的提取。研究圖像分割與處理算法,從水稻植株圖像中提取出稻穗?yún)^(qū)域,分割算法必須快速有效,以實(shí)現(xiàn)快速測(cè)量的要求。(2)水稻稻穗?yún)^(qū)域的識(shí)別。經(jīng)過(guò)圖像初步處理后提取得到

4、的稻穗?yún)^(qū)域中,可能存在莖葉等不屬于稻穗的區(qū)域,需開(kāi)發(fā)合適的識(shí)別算法,實(shí)現(xiàn)稻穗?yún)^(qū)域的準(zhǔn)確識(shí)別。(3)穂部性狀在體測(cè)量。在稻穗?yún)^(qū)域的準(zhǔn)確提取和識(shí)別的基礎(chǔ)上,實(shí)現(xiàn)水稻穗部性狀的在體測(cè)量。利用數(shù)學(xué)建模技術(shù),建立合適的產(chǎn)量相關(guān)特征的估測(cè)模型。實(shí)驗(yàn)結(jié)果表明,穗數(shù)測(cè)量平均誤差為0.5,其中95.3％的植株的測(cè)量誤差在±1以內(nèi)。5-fold交叉驗(yàn)證結(jié)果顯示,穗鮮重、穗干重、總粒數(shù)、實(shí)粒數(shù)和單株產(chǎn)量5個(gè)回歸模型的預(yù)測(cè)誤差分別為7.93%、7.37%、8.

5、59%、7.72%和7.45%。這種方法適用于不同環(huán)境下(溫室環(huán)境下和露天環(huán)境下)的水稻產(chǎn)量的在體估測(cè)。用后驗(yàn)差檢驗(yàn)法對(duì)建立的5個(gè)回歸模型的模型精度驗(yàn)證結(jié)果均為二級(jí)-合格。
　　本文所述的水稻穗部性狀在體測(cè)量方法,克服現(xiàn)有的儀器或研究所存在的問(wèn)題,不需要將稻穗剪下后脫粒。結(jié)合自動(dòng)化栽培、輸送和圖像采集平臺(tái),可實(shí)現(xiàn)盆栽水稻穂部性狀的全自動(dòng)化、高通量測(cè)量。主要?jiǎng)?chuàng)新點(diǎn)包括:(1)提出了一種在體、全自動(dòng)化、高通量測(cè)量單株盆栽水稻穂部性狀的

6、新方法,解決了穂部性狀測(cè)量依賴于人工測(cè)量的難題。(2)提出了水稻稻穗在體準(zhǔn)確提取與識(shí)別的圖像分析與處理新方法,解決了從水稻植株圖像中提取與識(shí)別稻穗?yún)^(qū)域的技術(shù)難題,為單株盆栽水稻穂部性狀在體測(cè)量的實(shí)現(xiàn)提供了技術(shù)支撐和先決條件。(3)提出了基于稻穗投影面積、莖葉投影面積和分形維數(shù)建立水稻產(chǎn)量相關(guān)特征包括穗鮮重、穗干重、總粒數(shù)、實(shí)粒數(shù)、單株產(chǎn)量的在體估測(cè)數(shù)學(xué)模型的新分析方法。本研究將提高單株水稻穗部性狀參數(shù)獲取的速度,推動(dòng)表型組學(xué)的發(fā)展,對(duì)發(fā)