油菜育种考种和产量估测都需要测试油菜每角果籽粒数,现阶段油菜每角粒数仍然通过人工拨荚计数籽粒数量的方式获取,人工计数方式费时费力效率低下,已经远远不能满足现代化育种和产量估测需要。针对油菜每角粒数依靠人工计数的不足,该研究提出一种基于油菜角果长度图像识别的每角粒数测试方法。通过人工测量油菜角果长度和每角粒数,建立油菜角果长度与每角粒数之间的关系模型,通过扫描仪获取平铺状态下的油菜角果图像,角果图像经预处理和细化处理后利用击中击不中变换对角果的端点和交点进行检测,使用基于密度的具有噪声的空间聚类DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法去除多余的交点,对端点进行分类和配对并求出对应角果的长度,将角果长度代入油菜角果长度与每角粒数之间的相关性模型中得到每角粒数。结果表明,3个品种的油菜角果长度平均图像识别准确度为97.25%,每角粒数平均预测准确度为83.87%。该方法实现了油菜每角粒数自动识别计数功能,提高了油菜每角粒数计数效率,对油菜育种考种和产量预测都具有重要意义。
展开▼
