[發(fā)明專(zhuān)利]花粉可育率評(píng)估方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202011193730.X
• 申請(qǐng)日: 2020-10-30
• 公開(kāi)（公告）號(hào): CN112381662A
• 公開(kāi)（公告）日: 2021-02-19
• 發(fā)明（設(shè)計(jì)）人: 李想;牛丹彤;陳金;陳昕;盧韜;劉航源
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)農(nóng)業(yè)大學(xué)
• 主分類(lèi)號(hào): G06Q50/02
• 分類(lèi)號(hào): G06Q50/02;G06T7/00;G06T7/11;G06T7/90;G06N3/08;G06N3/04
• 代理公司: 北京路浩知識(shí)產(chǎn)權(quán)代理有限公司 11002
• 代理人: 郭亮

本發(fā)明實(shí)施例提供一種花粉可育率評(píng)估方法及裝置，該方法包括：獲取待評(píng)估花粉圖像，根據(jù)花粉分布狀態(tài)，得到多個(gè)區(qū)域，對(duì)每個(gè)花粉區(qū)域提取可以區(qū)分可育花粉和不可育花粉的特征，根據(jù)該特征，對(duì)區(qū)域進(jìn)行適應(yīng)性對(duì)比度調(diào)整；對(duì)調(diào)整后的圖像，經(jīng)雙層卷積操作，對(duì)單個(gè)花粉進(jìn)行定位和剪裁，得到包含單個(gè)花粉粒的標(biāo)準(zhǔn)圖像；將單個(gè)花粉粒的標(biāo)準(zhǔn)圖像輸入預(yù)設(shè)的卷積神經(jīng)網(wǎng)絡(luò)模型，輸出該花粉粒的可育或不可育分類(lèi)結(jié)果；根據(jù)各個(gè)花粉粒的分類(lèi)結(jié)果得到原圖中的可育花粉數(shù)目和不可育花粉數(shù)目的比值，確定花粉的可育率。該方法可以強(qiáng)化可育和不可育狀態(tài)的雙極化，提高分類(lèi)的準(zhǔn)確度。無(wú)需人工統(tǒng)計(jì)得到分類(lèi)，能夠提高處理效率，避免因主觀判斷帶來(lái)的準(zhǔn)確度誤差。

技術(shù)領(lǐng)域

本發(fā)明涉及作物育種評(píng)估領(lǐng)域，尤其涉及一種花粉可育率評(píng)估方法及裝置。

背景技術(shù)

花粉是種子植物的微小孢子堆，成熟的花粉粒實(shí)為其小配子體，能產(chǎn)生雄性配子。花粉由雄蕊中的花藥產(chǎn)生，由各種方法到達(dá)雌蕊，使胚珠授粉。因此，作物的育種率往往和花粉的可育率有密切關(guān)聯(lián)。

目前的花粉可育率評(píng)估，往往是根據(jù)花粉從花藥中抖落出來(lái)后，對(duì)于這些花粉，經(jīng)過(guò)碘-碘化鉀染色制成壓片，在電子顯微鏡下觀察并進(jìn)行統(tǒng)計(jì)分析得到。目前的花粉可育率評(píng)估方法，耗費(fèi)大量的人力物力，且由于計(jì)算量繁瑣引起的人工統(tǒng)計(jì)誤差，導(dǎo)致結(jié)果的準(zhǔn)確性較低。

資料數(shù)據(jù)表明，利用深度學(xué)習(xí)-卷積網(wǎng)絡(luò)對(duì)植物或動(dòng)物細(xì)胞處理的應(yīng)用層出不窮，但對(duì)于大豆花粉的處理還停留在比較原始的階段，現(xiàn)有的大多數(shù)算法是基于傳統(tǒng)的數(shù)字圖像處理技術(shù)對(duì)圖像進(jìn)行灰度變換，邊緣檢測(cè)，形態(tài)學(xué)操作等以做出初步的檢測(cè)估值判斷，正確率和魯棒性都很差，無(wú)法進(jìn)行大規(guī)模有效利用。在處理比較相近的課題-對(duì)癌細(xì)胞的識(shí)別與監(jiān)測(cè)上，深度學(xué)習(xí)及卷積網(wǎng)絡(luò)的應(yīng)用比較廣泛，也取得了一定的進(jìn)展。由于癌細(xì)胞和大豆花粉細(xì)胞的識(shí)別及分類(lèi)的相似性，可做一定的遷移學(xué)習(xí)，合理利用和改進(jìn)相關(guān)算法來(lái)取得較高的識(shí)別準(zhǔn)確率。其中，一些算法對(duì)于處理花粉圖像具有很強(qiáng)的參考利用價(jià)值。比如說(shuō)一種采取卷積網(wǎng)絡(luò)算法輔助檢測(cè)小細(xì)胞型肺癌的方法，可以將此利用到不規(guī)則小型花粉樣本的識(shí)別與檢測(cè)，卷積網(wǎng)絡(luò)很好地結(jié)合了之前檢測(cè)算法的優(yōu)點(diǎn)，又能兼顧準(zhǔn)確性，更好地減少誤判率，提高學(xué)習(xí)效率。又如采用基于深度卷積網(wǎng)絡(luò)的改進(jìn)算法，利用ZCA來(lái)對(duì)細(xì)胞進(jìn)行預(yù)處理以減輕圖像數(shù)據(jù)特征的相關(guān)性可以遷移應(yīng)用到花粉圖像的預(yù)處理上，減輕花粉與花粉之間，花粉與背景圖之間，花粉與雜質(zhì)之間的相關(guān)性，以降低誤判率。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供一種花粉可育率評(píng)估方法及裝置，用以解決現(xiàn)有技術(shù)中的缺陷。

本發(fā)明實(shí)施例提供一種花粉可育率評(píng)估方法，包括：獲取待評(píng)估花粉圖像，根據(jù)花粉分布狀態(tài)，得到多個(gè)花粉區(qū)域，對(duì)每個(gè)花粉區(qū)域提取可以區(qū)分可育花粉和不可育花粉的特征，根據(jù)花粉區(qū)域的區(qū)分結(jié)果，分別進(jìn)行適應(yīng)性對(duì)比度調(diào)整；對(duì)調(diào)整后的圖像，經(jīng)雙層卷積操作，對(duì)花粉區(qū)域進(jìn)行定位和剪裁，得到包含單個(gè)花粉粒的標(biāo)準(zhǔn)圖像；將單個(gè)花粉粒的標(biāo)準(zhǔn)圖像輸入預(yù)設(shè)的卷積神經(jīng)網(wǎng)絡(luò)模型，輸出該花粉粒的可育或不可育分類(lèi)結(jié)果；根據(jù)各個(gè)花粉粒的分類(lèi)結(jié)果得到待評(píng)估花粉圖像中的可育花粉數(shù)目和不可育花粉數(shù)目的比值，確定花粉的可育率；其中，所述預(yù)設(shè)的卷積神經(jīng)網(wǎng)絡(luò)模型，根據(jù)帶標(biāo)簽的單張花粉粒的標(biāo)準(zhǔn)圖像訓(xùn)練后得到。

根據(jù)本發(fā)明一個(gè)實(shí)施例的花粉可育率評(píng)估方法，所述根據(jù)提取的特征向量對(duì)每個(gè)花粉區(qū)域進(jìn)行適應(yīng)性對(duì)比度調(diào)整，包括：若花粉區(qū)域?yàn)橛锌捎ǚ鄣膮^(qū)域，則將整體區(qū)域亮度下調(diào)；若花粉區(qū)域?yàn)闊o(wú)可育花粉的區(qū)域，則將整體區(qū)域亮度上調(diào)。

根據(jù)本發(fā)明一個(gè)實(shí)施例的花粉可育率評(píng)估方法，若花粉區(qū)域?yàn)榧扔锌捎钟胁挥ǚ郏瑒t提取的特征還包括：BGmax、BGmax和BRR；相應(yīng)地，根據(jù)BGR進(jìn)行適應(yīng)性對(duì)比度調(diào)整。

其中，BGR＝[BG_max,BR_max]|_min，R、G、B分別為RGB顏色空間的相應(yīng)值。