基于稻穗实时图像的水稻田间快速测产方法研究

Yield traits per panicle are the most important targets used to estimate yield and evaluate the plant type. Currently, Yield traits are still obtained by manual, thus leading to inefficient and worse repeatable problems. To accurately and rapidly estimate the yield traits, we proposed a nondestructive universal method that integrated image analysis and quantitative relationship among panicle traits. Firstly, we adopted measurement system of spikelet number per panicle as research platform. Quantitative relationships were investigated between morphology and yield traits based on panicle theory and limit theorem, and thus determining the morphological parameters for characterizing yield traits. Secondly, image measurement algorithm was developed deeply to extract multidimensional morphological parameters. And then an estimating mathematical model was established for each variety. Finally, a 5-point calibration method was adopted to verify the universality of the model by using other crop spike, such as wheat, sorghum, grain. The proposed method uses available concepts and techniques for automated estimations of rice yield information. Undoubtedly, the project can lay the foundation for rapid analyzer of rice traits, and it has important significance and broad application prospects in breeding.

水稻田间测产是目前最准确、但最费力的产量数据获取方法，本项目通过建立稻穗2D图像测产模型，提出实时、快速、精准的水稻田间测产方法：以已研制的每穗粒数测产系统为研究平台，以不同基因型田间成熟稻穗为研究对象，基于作物穗型育种理论研究稻穗形态结构与产量性状在品种内的变化规律，确定表征产量性状的形态结构特征；基于图像形态学测量理论研究稻穗形态结构特征对图像测量的影响因素及其互作机理，建立品种尺度下稻穗图像形态结构特征与产量性状估算的数学模型；基于五点参数校准方法研究该模型对于麦穗、高粱穗、谷穗等其他相似作物穗型的适用性。为稻穗田间测产仪的研制提供理论依据，对我国田间测产自动化水平的提高以及育种表型测量瓶颈的突破都有重要的研究意义和应用前景。

作物估产是精确农业领域的重要研究内容。虽然直接的田间测产精度较高，但需要耗费大量人力。因此发展省力、快速、精确的田间水稻测产技术势在必行。本项目在分析成熟期稻穗的产量参数和形态结构参数分布特征的基础上，研究了稻穗图像测量算法，建立了籽粒面积与质量参数的关系模型，基于“五点校准模型” 提出水稻田间快速测产的方法，基于Android平台开发了水稻田间快速测产软件，并对软件进行了性能测试。主要数据和结论如下：.（1）分析了不同品种稻穗质量分布特征，结果显示各组稻穗样本的穗重呈正态分布。对不同水稻品种穗重、实粒重与稻穗粒的2D图像面积、理论高及其容重等3个指标进行逐步回归分析，结果显示无论穗重还是实粒重其主要的决定因素均为稻穗籽粒2D图像面积。.（2）开发稻穗图像特征提取算法，使用完整提取率检验算法可行性，结果显示不同稻穗品种的完整提取率均在90%以上，最高可达到95.5%，图像特征提取算法具有较好的准确性和通用性，使用图像处理方法获取稻穗籽粒面积特征可行。.（3）建立“质量预测模型”和“五点校准模型”，结果显示稻穗籽粒面积与质量参数之间建立的“质量预测模型”决定系数都在0.8以上，最高可以到达0.96，使用稻穗籽粒面积来预测质量可行性较高。不同品种的“五点校准模型”的决定系数均在0.99以上，使用“五点校准模型”能更快速准确地预测质量参数。产量预测的计算公式简化为单位面积内的穗数与平均总粒重的乘积，估算产量的相对误差最小为1.36%，最大为8.64%，估算误差均在10%以下。.（4）基于Android平台的水稻田间快速测产软件可以准确提取稻穗籽粒面积，完整提取率在90%以上，具有一定准确度和通用性。软件模型经过后验差检验精度等级为一级-好和二级-合格。将估算产量与实际产量比较，相对误差在10%以下。水稻田间快速测产软件的精度基本达到可用要求，可以在一定范围内实现水稻田间快速测产。