基于三維重建的小麥株型相關參數(shù)獲取技術研究.pdf

1、近幾十年來，隨著世界人口增長，全球氣候變化，糧食安全成為國際社會關注的焦點問題。而解決糧食安全問題，行之有效的方法就是通過育種研究，對優(yōu)良性狀進行篩選，培育出具有高產優(yōu)質屬性的作物新品種。在作物育種的研究工作中，植株表型研究對于理解功能基因與環(huán)境影響有著關鍵作用，而借助于高通量表型數(shù)據(jù)檢測平臺，使得植物表型組學與功能基因組學相結合，對于系統(tǒng)的研究遺傳變異，解析功能基因意義重大。
　　株型是多分蘗植物的一個重要表型特征，且產量受到株

2、型的顯著影響已得到證明，這其中植株鮮重、株高、分蘗數(shù)、分蘗角和單個分蘗莖粗等表型參數(shù)起到了關鍵作用。具有較少但高質量分蘗，無效分蘗比例低等特征株型被認為是理想的株型。測量株型相關的參數(shù)傳統(tǒng)手段通常以人工的方法為主，不易操作且效率低下?？紤]到功能基因組學和基因技術的快速發(fā)展，通過人工的方式來進行大批量的表型分析顯然是不現(xiàn)實的，因此，植物表型組學迫切需要高效準確的方法來完成植株株型測量這一艱巨任務。
　　本研究提出一種基于體素重建的三

3、維成像方法，用于獲取作物植株的三維形態(tài)結構，得到植株株型并無損提取包含植株鮮重，株高，分蘗數(shù)等在內的株型相關表型性狀參數(shù)，且具有計算單個分蘗直徑以及分蘗角度參數(shù)的能力。本研究以前期工作中搭建的高通量自動化表型檢測平臺為基礎，利用旋轉臺控制完成多角度下可見光相機成像。借助圖像處理算法實現(xiàn)標定模板自動識別，達到相機標定自動化的目的。最終通過三維體素重建的方法得到植株的三維結構模型，并通過三維模型處理算法提取株型相關參數(shù)。研究還使用GPU并行

4、計算技術對三維重建進行了加速，結合流水線運輸，成像暗室圖像自動采集，相機自動標定技術，實現(xiàn)了植株三維結構獲取的自動化和高通量。
　　研究中對八個不同品種一共183株實驗盆栽小麥進行了測試和結果分析。在株高和植株鮮重上與人工測量值比較，系統(tǒng)方法測量值株高平均相對誤差3.13％，均方根誤差1.55cm。植株鮮重平均相對誤差14.21%，均方根誤差3.21g，系統(tǒng)測量值與人工測量值相關系數(shù)為，株高0.95，植株鮮重0.88。通過GPU并

5、行計算技術的應用，使植株三維重建程序效率提高23倍，把重建處理時間壓縮到20秒左右。
　　本研究結合前期工作基礎，依托于表型檢測平臺RAP，提出了一種基于三維重建算法的小麥植株株型相關參數(shù)數(shù)字化提取技術，實現(xiàn)了小麥以及株型參數(shù)的自動化、高通量、無損測量。主要創(chuàng)新點有：（1）提出了一種基于可見光成像的快速、自動獲取小麥植株三維形態(tài)結構模型的新方法，解決了依靠圖像處理的常規(guī)表型檢測手段對三維信息獲取缺失的難題。（2）提出了一種適用于表

6、型檢測平臺的圖像采集和自動化相機標定方案，解決了以往三維數(shù)據(jù)獲取速度慢，操作不方便的問題。（3）設計了基于三維模型的小麥株型相關表型參數(shù)自動提取算法，解決了傳統(tǒng)方法效率低，不易實現(xiàn)的難題。本研究將擴展植物表型組學研究的技術手段，使得三維成像技術得以在表型檢測中更加便捷。豐富了植物表型研究的形式，為植物表型數(shù)字化打下基礎，同時將植物進行整體看待也會給植物表型研究提供新思路，并帶來更多可能。不管對于表型組學，功能基因組學，還是作物育種領域的