论文部分内容阅读
谷子在可持续发展农业生产、有机旱作中具有重要作用,然而现阶段谷子基础研究薄弱,谷子产业传统的种植理念与模式是其发展缓慢的根本原因。传统农业对生长信息数据的采集主要依靠人工,工作量大,耗时耗力,且效率不高。自动化测量作物的表型参数,可改善传统测量方法的不足,避免依赖人工操作进行测量以及造成人为误差。利用计算机视觉技术开展对谷子植株表型的研究,实现能够快速、高通量地对农作物生育期表型进行动态精准检测,并提高表型数据可靠性,从而能够为研究人员实时掌握农作物表型信息提供平台,进一步推动“智慧农业”的发展。研究以晋谷21号、原平小谷和大白谷三种不同品种谷子为试验材料,均置于两个不同氮磷钾浓度梯度水平处理下进行盆栽试验,使用计算机视觉技术对谷子作物拔节期、抽穗期和灌浆期三个不同时期的表型信息进行获取测量,并对不同浓度、不同品种谷子的长势趋势及表型差异进行分析比较。通过运用高清彩色数码相机对谷子植株进行二维成像,结合计算机数字图像处理技术,对图像进行校正、去噪、阈值化及形态学变化处理,以便分割出目标作物并获取其表型叶面积、株高和生物量相对应的像素值,并对表型像素值与人工实测的表型值进行线性拟合,计算出二者间最优的数学模型。将数学模型编入程序中,以便能够直接通过作物图像的输入,快速、高效、高通量地获取较为精确的谷子作物相关表型性状数据。主要结果如下:(1)不同品种谷子表型的测量对拔节期三种品种谷子表型使用本试验方法获取的像素值与人工测量值进行线性拟合,得到相应的回归方程,各品种表型叶面积R2均值为0.99,株高R2均值为0.96,生物量R2均值为0.98,以此建立模型。利用此模型对三个品种谷子抽穗期和灌浆期的表型数据进行预测,将人工实测值与模型预测值进行拟合分析,对模型进行验证,分析得知拟合效果较好,证明了此模型的可行性。(2)不同品种谷子表型的比较在相同施肥方式下,对三个品种谷子生育期的表型差异性进行分析比较,可知三个品种谷子的叶面积与生物量之间均存在显著性差异,原平小谷与晋谷21号和大白谷株高间分别存在显著性差异。进一步在两两品种间进行比较,得知三个品种间的叶面积存在极显著差异,且大白谷的叶面积相对较大(352.9cm2),原平小谷的叶面积较小(279.5cm2);晋谷21号与大白谷的株高间不存在显著差异,然而这二者均与原平小谷的株高之间存在极显著差异;三个品种间的生物量也存在极显著差异,大白谷的生物量相对较大(23.5g),晋谷21号的生物量相对较小(18.6g)。(3)不同施肥条件对谷子表型的影响在不同氮磷钾浓度配比处理下,此试验方法同样适用于对三个品种谷子生育期的表型进行快速测量,并对相同品种谷子的表型差异进行分析比较。不同施肥条件下,晋谷21号的叶面积间存在极显著差异,然而原平小谷与大白谷叶面积间的差异却不显著,说明磷肥和钾肥能够促进晋谷21号叶面积的生长;晋谷21号株高间的差异不显著,原平小谷株高间存在极显著差异,大白谷株高间的差异是显著的,说明肥料的使用对原平小谷和大白谷的株高有促进作用;生物量差异变化与叶面积是一致的,晋谷21号生物量间存在极显著差异,然而原平小谷与大白谷生物量间的差异却不显著。