论文部分内容阅读
水稻是中国的主要粮食作物，其产量的估计在作物长势的监测、高产品种的培育、农业生产的管理以及国家粮食供需平衡的调控等方面具有重要意义。估产作为精确农业领域的重要研究内容，国内外已有大量的报道，直接的田间测产虽然精度较高，但是需要耗费大量的人力;而遥感、作物模拟模型等技术目前普遍存在精度不高、实时性不强等问题，因而，发展省力、快速、精确的田间水稻测产技术势在必行。
本研究采用基于稻穗2D图像建模的测产方法，以6个不同水稻品种的1198个稻穗为研究对象，首先采集稻穗的产量参数和形态结构参数，分析其分布特征，通过回归分析确定决定粒重的主要结构性状;其次建立籽粒面积与质量参数之间的相关关系模型，并使用决定系数(R2)、平均相对误差(MRE)、平均预测误差(MPE)、预测误差标准差(SDPE)和均方根预测误差(RMSPE)等指标验证模型的有效性;最后提出水稻田间快速测产的方法，运用建立的“五点校准模型”实现水稻产量数据的快速获取并与实际产量进行比较。在此基础上基于Android平台开发了水稻田间快速测产软件，并使用后验差检验法对软件进行了测试，研究结果如下:
(1)对6个不同品种的稻穗质量分布特征分析，结果显示各个品种单株稻穗质量总体分布的偏度系数和峰度系数均接近于0，说明各组稻穗样本的穗重呈正态分布，这表明所采集的样品具有统计学意义。对6个不同品种稻穗属性测量值的方差分析，结果显示6个品种不同属性间存在显著性差异，但是同一品种不同属性间总体变化规律相似。对6个不同水稻品种稳重、实粒重与稻穗粒的2D图像面积、理论高及其容重等3个指标进行逐步回归分析，结果显示无论穗重还是实粒重其主要的决定因素均为稻穗籽粒的2D图像面积。
(2)开发稻穗图像特征提取算法，使用完整提取率检验算法可行性，结果显示不同稻穗品种的完整提取率均在90％以上，最高可达到95.5％，图像特征提取算法具有较好的准确性和通用性，使用图像处理方法获取稻穗籽粒面积特征是可行的。
(3)建立“质量预测模型”和“五点校准模型”，结果显示稻穗籽粒面积与质量参数之间建立的“质量预测模型”决定系数都在0.8以上，最高可以到达0.96，使用稻穗籽粒面积来预测质量可行性较高。“质量预测模型”的MPE值接近于零，模型精确度较高。不同品种的“五点校准模型”的决定系数均在0.99以上，使用“五点校准模型”能更快速准确地预测质量参数。比较不同模型的SDPE、RMSPE值，可以得到G4模型(粒重与籽粒面积间的相关模型)的SDPE、RMSPE值较小一些，模型准确度更高。产量预测的计算公式简化为单位面积内的穗数与平均总粒重的乘积，估算产量的相对误差最小为1.36％，最大为8.64％，估算误差均在10％以下。
(4)基于Android平台的水稻田间快速测产软件可以准确提取出稻穗籽粒面积，完整提取率在90％以上，具有一定的准确度和通用性。软件模型经过后验差检验精度等级为一级-好和二级-合格。经过估算产量并与实际产量比较，相对误差在10％以下。水稻田间快速测产软件的精度基本达到可用要求，可以在一定范围内实现水稻田间快速测产。
以上结果表明基于稻穗2D图像的水稻估产模型是一种快速而有效的方法，结合Android平台的便携性和低成本，对提高我国田间测产自动化水平以及育种效率有一定的参考价值。
本研究采用基于稻穗2D图像建模的测产方法，以6个不同水稻品种的1198个稻穗为研究对象，首先采集稻穗的产量参数和形态结构参数，分析其分布特征，通过回归分析确定决定粒重的主要结构性状;其次建立籽粒面积与质量参数之间的相关关系模型，并使用决定系数(R2)、平均相对误差(MRE)、平均预测误差(MPE)、预测误差标准差(SDPE)和均方根预测误差(RMSPE)等指标验证模型的有效性;最后提出水稻田间快速测产的方法，运用建立的“五点校准模型”实现水稻产量数据的快速获取并与实际产量进行比较。在此基础上基于Android平台开发了水稻田间快速测产软件，并使用后验差检验法对软件进行了测试，研究结果如下:
(1)对6个不同品种的稻穗质量分布特征分析，结果显示各个品种单株稻穗质量总体分布的偏度系数和峰度系数均接近于0，说明各组稻穗样本的穗重呈正态分布，这表明所采集的样品具有统计学意义。对6个不同品种稻穗属性测量值的方差分析，结果显示6个品种不同属性间存在显著性差异，但是同一品种不同属性间总体变化规律相似。对6个不同水稻品种稳重、实粒重与稻穗粒的2D图像面积、理论高及其容重等3个指标进行逐步回归分析，结果显示无论穗重还是实粒重其主要的决定因素均为稻穗籽粒的2D图像面积。
(2)开发稻穗图像特征提取算法，使用完整提取率检验算法可行性，结果显示不同稻穗品种的完整提取率均在90％以上，最高可达到95.5％，图像特征提取算法具有较好的准确性和通用性，使用图像处理方法获取稻穗籽粒面积特征是可行的。
(3)建立“质量预测模型”和“五点校准模型”，结果显示稻穗籽粒面积与质量参数之间建立的“质量预测模型”决定系数都在0.8以上，最高可以到达0.96，使用稻穗籽粒面积来预测质量可行性较高。“质量预测模型”的MPE值接近于零，模型精确度较高。不同品种的“五点校准模型”的决定系数均在0.99以上，使用“五点校准模型”能更快速准确地预测质量参数。比较不同模型的SDPE、RMSPE值，可以得到G4模型(粒重与籽粒面积间的相关模型)的SDPE、RMSPE值较小一些，模型准确度更高。产量预测的计算公式简化为单位面积内的穗数与平均总粒重的乘积，估算产量的相对误差最小为1.36％，最大为8.64％，估算误差均在10％以下。
(4)基于Android平台的水稻田间快速测产软件可以准确提取出稻穗籽粒面积，完整提取率在90％以上，具有一定的准确度和通用性。软件模型经过后验差检验精度等级为一级-好和二级-合格。经过估算产量并与实际产量比较，相对误差在10％以下。水稻田间快速测产软件的精度基本达到可用要求，可以在一定范围内实现水稻田间快速测产。
以上结果表明基于稻穗2D图像的水稻估产模型是一种快速而有效的方法，结合Android平台的便携性和低成本，对提高我国田间测产自动化水平以及育种效率有一定的参考价值。