水稻植株穗部性狀在體測量研究.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)心的問題。作為果實生長的器官,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)中能直接反應水稻育種水平的指標。在對水稻品種進行篩選和鑒定時,都需要對穗部性狀參數(shù)進行測定與評價。
　　傳統(tǒng)的穗部性狀測量主要依賴于人工,存在操作繁瑣、勞動強度大、測量準確性受人工主觀因素影響大等缺點。利用遙感

2、成像和機器視覺等技術(shù)實現(xiàn)大面積大田水稻和高通量盆栽水稻測量不依賴手工測量,效率高,應用廣。大田水稻穗部性狀測量主要利用遙感技術(shù)實現(xiàn)大面積水稻的整體產(chǎn)量估測,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,也無法精確估算單株水稻穗部性狀參數(shù)。針對單株盆栽水稻穂部性狀的在體測量技術(shù),經(jīng)查閱未見相關(guān)學術(shù)文獻發(fā)表。此外,現(xiàn)代育種技術(shù)能在一天內(nèi)生產(chǎn)上千個新品種,每一個品種都需要進行穂部性狀測量以確定其育種和推廣的潛力和價值。在這

3、種背景之下,急需一種快速、簡單、有效的穗部性狀測量技術(shù),以解決目前穗部性狀測量技術(shù)的局限性。
　　本研究基于機器視覺、圖像處理、模式識別及數(shù)學建模技術(shù),實現(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)、實粒數(shù)、單株產(chǎn)量的在體測量。主要研究內(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,以實現(xiàn)快速測量的要求。(2)水稻稻穗?yún)^(qū)域的識別。經(jīng)過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,需開發(fā)合適的識別算法,實現(xiàn)稻穗?yún)^(qū)域的準確識別。(3)穂部性狀在體測量。在稻穗?yún)^(qū)域的準確提取和識別的基礎(chǔ)上,實現(xiàn)水稻穗部性狀的在體測量。利用數(shù)學建模技術(shù),建立合適的產(chǎn)量相關(guān)特征的估測模型。實驗結(jié)果表明,穗數(shù)測量平均誤差為0.5,其中95.3％的植株的測量誤差在±1以內(nèi)。5-fold交叉驗證結(jié)果顯示,穗鮮重、穗干重、總粒數(shù)、實粒數(shù)和單株產(chǎn)量5個回歸模型的預測誤差分別為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。用后驗差檢驗法對建立的5個回歸模型的模型精度驗證結(jié)果均為二級-合格。
　　本文所述的水稻穗部性狀在體測量方法,克服現(xiàn)有的儀器或研究所存在的問題,不需要將稻穗剪下后脫粒。結(jié)合自動化栽培、輸送和圖像采集平臺,可實現(xiàn)盆栽水稻穂部性狀的全自動化、高通量測量。主要創(chuàng)新點包括:(1)提出了一種在體、全自動化、高通量測量單株盆栽水稻穂部性狀的

6、新方法,解決了穂部性狀測量依賴于人工測量的難題。(2)提出了水稻稻穗在體準確提取與識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量的實現(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)、實粒數(shù)、單株產(chǎn)量的在體估測數(shù)學模型的新分析方法。本研究將提高單株水稻穗部性狀參數(shù)獲取的速度,推動表型組學的發(fā)展,對發(fā)