[发明专利]水稻稻穗表型参数自动测量和穗重预测方法

摘要

本发明公开了一种水稻稻穗表型参数自动测量和穗重预测方法，包括通过扫描仪获取稻穗图像将晒干的稻穗平铺在白纸上，并用胶带固定，开启计算机，连接扫描仪，将固定于白纸上的稻穗放入扫描仪中，即可获得稻穗图像等步骤。本发明在不依赖于大型测量平台以及复杂的测量软件情况下，只依靠稻穗的扫描图像即可快速、准确的得到稻穗的多个性状，并得到穗重的相关信息，提高了测量效率，降低了人工劳动强度。

主权项

一种水稻稻穗表型参数自动测量和穗重预测方法，其特征在于包括以下步骤：(1)通过扫描仪获取稻穗图像：将晒干的稻穗平铺在白纸上，并用胶带固定，开启计算机，连接扫描仪，将固定于白纸上的稻穗放入扫描仪中，即可获得稻穗图像；(2)将扫描所得到的稻穗图像进行灰度化：提取扫描所得到的稻穗图像的R、G、B分量，采用3R‑G+B的组合方式得到灰度化图像；(3)对得到的灰度化图像进行滤波去噪，并分离出稻穗部分的二值化图像：对得到的灰度化图像进行滤波去噪，并采用OTSU自动阈值处理得到二值图像；(4)利用步骤(3)的二值图像同时提取实粒面积与总粒面积，实粒数与总粒数；依据Hilditch细化算法提取稻穗骨架，利用得到的稻穗骨架提取最长路径的穗长；计算计盒维数；恢复稻穗图像的纹理和颜色特征；(5)将步骤(4)中的性状参数与穗重进行相关性分析，将性状参数与穗重进行逐步回归分析；(6)根据步骤(5)中的相关性分析和逐步回归分析结果确定BP神经网络结构；(7)根据步骤(6)中的BP神经网络结构预测穗重；所述步骤(4)中恢复稻穗图像的纹理和颜色特征的方法为：采用图像掩膜技术，恢复二值图像的纹理和颜色特征，分别利用灰度直方图和灰度共生矩阵各提取6个纹理特征参数，将整幅图像的灰度值范围划分为3组，分别统计每组范围内像素点的个数，去除枝梗，同时计算含有枝梗的稻穗颜色信息和不含枝梗的稻穗颜色信息。