摘要
作物表型研究揭示了基因组和环境的相互作用对植物性状的影响。通过分析作物表现出来的性状，理解基因型和作物表型之间的关系，进而选择和培育具有优良性状的作物品种，是当前作物育种的首要任务。随着图像处理技术和人工智能技术的飞速发展，通过采集作物的图像数据并进行表型参数测量的相关研究逐渐引起了高通量表型组学研究者的关注。结合图像处理技术的表型研究方法既可以避免测量时对作物造成的破坏，也可以避免人为主观因素造成的影响。 拟南芥作为一种模式植物，生长周期短，在粮食增产和农作物抗逆等研究中起了重要的作用。因此，本文以模式植物拟南芥为研究对象，采用图像处理技术分析拟南芥苗期叶片、拟南芥成熟期角果等图像数据，实现拟南芥叶片分割、拟南芥角果检测，并在此基础上进行相关表型参数的测量。 本文所开展的研究内容包括：(1)拟南芥叶片分割。首先采用传统数据增强方法扩充数据集，然后结合叶片的结构特点，提出一种基于图像拼接的数据增强方法，最后对比分析MaskR-CNN算法在两种分割方法上的精度，通过实验验证了本文提出的基于图像拼接的数据增强方法的可行性与有效性；(2)拟南芥角果检测。本文首先采用改进锚框尺寸的FasterR-CNN算法实现角果检测，然后针对非极大抑制算法种存在的缺陷和拟南芥角果数据结构的特点，分别提出了改进非极大抑制算法和改进旋转框算法的角果检测方法,最后通过实验得到三种方法的F1分数分别是0.796、0.867和0.882，且本文提出的算法能检测重叠交叉角果、提升角果检测查全率，同时，旋转框角果检测算法能够更好的标出角果区域，更加适合于后续表型参数测量；(3)表型参数获取。①叶片计数。叶片分割后的叶片数与人工统计结果相关性达0.877；②角果计数。本文提出的改进锚框尺寸的FasterR-CNN算法、改进非极大抑制算法和改进旋转框算法检测的角果数与人工标记的角果相关性分别是0.9147，0.9120，0.9661。③此外，对分割出的叶片完成了叶片中心点、叶长、叶宽、及叶面积在图像空间的自动测量，且计算的叶长和叶宽与人工测量的相关系数均超过0.96；对检测出的角果完成了图像空间的角果长、角果宽和角果面积的自动测量，且计算的角果长与人工值的相关系数为0.9379。通过一系列表型参数测量值与人工值比较分析可知，在利用前文的分割和检测结果前提下，本文提出的自动化参数提取算法能满足高通量、准确、快速的要求。 经过一系列试验证明，针对拟南芥叶片和拟南芥角果图像，利用本文中的相关算法可以无损、准确地实现叶片分割和角果检测，并进一步完成表型参数的自动测量，从而为作物育种学家提供重要的方法依据和数据支持。
NETL