姚業(yè)浩，李毅念，陳玉侖，丁啟朔，何瑞銀

（南京農(nóng)業(yè)大學(xué)工學(xué)院，南京 210031）

0 引 言

油菜是中國油料作物的典型代表[1]，角果是油菜的重要存儲(chǔ)器官[2]。在油菜生長發(fā)育后期，葉片已大部分凋零，角果便成了主要的光合作用器官[3]。研究表明角果長度是影響產(chǎn)量的重要因素且與產(chǎn)量和每角粒數(shù)呈極顯著正相關(guān)[4-5]。每角粒數(shù)是決定油菜產(chǎn)量的重要因素之一[6]，也是育種考種和產(chǎn)量估測(cè)的重點(diǎn)研究對(duì)象[7]。

社會(huì)經(jīng)濟(jì)的發(fā)展對(duì)油菜作物產(chǎn)量和品質(zhì)的要求不斷提高，大量油菜育種和產(chǎn)量估測(cè)等相關(guān)性狀參數(shù)的測(cè)試成為油菜種植和新品種選育必要的工作內(nèi)容，目前，油菜育種和產(chǎn)量估測(cè)以人工方式獲取，測(cè)試效率低下。圖像處理技術(shù)的發(fā)展為油菜育種考種和產(chǎn)量估測(cè)等提供了有力的技術(shù)支撐，徐勝勇等[8]提出了一種基于RGB-D 相機(jī)的油菜分枝三維重建和角果識(shí)別定位方法，角果數(shù)量總體識(shí)別正確率不小于96.76%。汪文祥等[9]利用圖像處理方法測(cè)量了油菜分枝和角果著生角度。史浦娟[10]利用高分辨率的3D 掃描儀獲取油菜植株點(diǎn)云數(shù)據(jù)，對(duì)株高、角果數(shù)量、角果體積等數(shù)據(jù)進(jìn)行了測(cè)量。劉仁峰等[11]利用凹點(diǎn)檢測(cè)技術(shù)對(duì)平鋪狀態(tài)下交叉黏連的角果進(jìn)行分割，對(duì)分割后的單個(gè)角果進(jìn)行細(xì)化得到骨架，計(jì)數(shù)骨架像素點(diǎn)數(shù)并換算成物理長度尺寸，角果長度測(cè)量準(zhǔn)確度達(dá)到了97.1%。

角果長度和每角粒數(shù)是2 個(gè)重要的油菜產(chǎn)量性狀參數(shù)，當(dāng)前，角果長度利用游標(biāo)卡尺測(cè)量，每角粒數(shù)的計(jì)數(shù)方法主要有以下兩種，一是直接將角果皮剝開，從角果里取出籽粒后進(jìn)行計(jì)數(shù)，該方法破壞了角果的形態(tài)且對(duì)同一角果樣本無法進(jìn)行重復(fù)試驗(yàn)；二是利用角果果皮具有一定透光性的特點(diǎn)，對(duì)著光源可以透過果皮看到里面的籽粒從而實(shí)現(xiàn)對(duì)角果中籽粒的計(jì)數(shù)，該方法保留了樣本的完整性，但長時(shí)間的計(jì)數(shù)會(huì)使計(jì)數(shù)者眼花繚亂，影響計(jì)數(shù)的準(zhǔn)確度且費(fèi)時(shí)費(fèi)力。

為解決油菜角粒數(shù)自動(dòng)、快速、無損的計(jì)數(shù)問題，本文利用角果長度與角粒數(shù)之間的關(guān)系，建立油菜角果長度與每角粒數(shù)之間的關(guān)系模型，通過圖像處理技術(shù)獲得油菜角果的長度，將角果長度代入關(guān)系模型中計(jì)算得到該角果中油菜籽粒的個(gè)數(shù)，以期滿足無損、高通量的油菜每角粒數(shù)計(jì)數(shù)的需求。

1 材料與方法

1.1 試驗(yàn)設(shè)備

試驗(yàn)設(shè)備有PC 機(jī)（聯(lián)想 G50-80，Window10 操作系統(tǒng)，250 G 固態(tài)硬盤，12 GB 內(nèi)存）、中晶掃描儀（型號(hào)：Scan Maker E900，上海中晶科技有限公司）。利用掃描儀采集油菜角果圖像，Matlab2020 對(duì)角果圖像進(jìn)行處理。

1.2 試驗(yàn)材料

試驗(yàn)采用3 個(gè)油菜品種，分別為“灃油737”“楊油5 號(hào)”“蘇油1 號(hào)”，試驗(yàn)樣本均采自江蘇省南京市六合區(qū)八百橋，利用剪刀將植株上、中和下部分枝角果剪下后放在實(shí)驗(yàn)室自然晾干。3 個(gè)品種的供試角果個(gè)數(shù)分別為206、228、289，其中建模集分別為101、133、199，驗(yàn)證集分別為105、95、90。將角果單層平鋪在掃描儀上，在PC 端顯示存儲(chǔ)油菜角果的圖像，掃描參數(shù)設(shè)置為每英寸300 像素，以“灃油737”為例，其掃描得到的圖像如圖1a 所示。利用游標(biāo)卡尺測(cè)量角果的長度作為角果實(shí)際長度，測(cè)量標(biāo)準(zhǔn)為僅測(cè)量有籽粒莢果部分，去除果喙和果柄部分，具體如圖1b 所示，利用人工計(jì)數(shù)法獲取角果中的籽粒數(shù)作為實(shí)際每角粒數(shù)。

1.3 圖像處理方法

單層平鋪的油菜角果存在角果間交叉、接觸等情況，利用圖像處理方法需準(zhǔn)確識(shí)別出單個(gè)角果并測(cè)量角果的長度，圖像處理算法流程如圖2 所示。

1.3.1 圖像預(yù)處理

圖像預(yù)處理是圖像處理過程中的重要步驟，油菜角果圖像經(jīng)過灰度化、二值化[12]、空洞填充、去除小面積處理后即可得到完整的油菜角果二值圖像。由于本文測(cè)量角果長度的標(biāo)準(zhǔn)中未包含果柄和果喙，故采用開運(yùn)算去除角果的果柄和果喙，經(jīng)上述預(yù)處理后的油菜角果圖像如圖3 所示。

1.3.2 圖像細(xì)化

圖像細(xì)化就是將物體變成骨骼且該骨骼線（細(xì)線）位于物體的中心位置[12]，細(xì)化后的二值物體和形狀僅為單個(gè)像素寬的線[13-15]。圖像細(xì)化后保留了圖像原有的基本形狀特征并使其他信息得到進(jìn)一步的簡化。由于油菜角果圖像的邊緣會(huì)有少量的粗糙部分，故細(xì)化后的油菜角果圖像存在一定的毛刺，對(duì)每條骨骼線去除5 個(gè)像素點(diǎn)，達(dá)到去除毛刺的目的。

1.4 端點(diǎn)和交點(diǎn)檢測(cè)

1.4.1 擊中擊不中變換

為準(zhǔn)確識(shí)別出經(jīng)預(yù)處理和細(xì)化后角果端點(diǎn)和交叉點(diǎn)，角果圖像中的端點(diǎn)和交點(diǎn)是具有像素特定的形狀，孤立的前景像素或者是線段的端點(diǎn)像素[15]，利用擊中擊不中變換[16]對(duì)其端點(diǎn)和交點(diǎn)進(jìn)行檢測(cè)。

1.4.2 使用查找表

當(dāng)擊中或擊不中結(jié)構(gòu)元素較小時(shí)，計(jì)算擊中擊不中變換較快的方法是使用查找表。要使用查找表就要給每個(gè)可能出現(xiàn)的形狀分配一個(gè)唯一的索引，本文所采用的檢測(cè)模板為3×3 形狀的結(jié)構(gòu)元素，二值圖像中每個(gè)位置可能的值只有0 和1，所以該檢測(cè)模板共有512（29）個(gè)不同的形狀。為了給每個(gè)形狀分配一個(gè)唯一的索引值，將該形狀的元素與下面的矩陣相乘：

將乘積累加起來即可為每個(gè) 3×3 的形狀在[0，511]中分配一個(gè)唯一的值。線段的端點(diǎn)在其8 連通域內(nèi)除其本身外只能存在一個(gè)1，即該處模板元素和為2 且模板中心點(diǎn)為1，以此為依據(jù)構(gòu)造一個(gè)長度為512 的列向量查找表，計(jì)算每個(gè)模板的索引值并加1（將索引值變?yōu)閇1，512]），滿足端點(diǎn)條件的在查找表對(duì)應(yīng)位置上置1，反之置0，最終生成的查找表如表1 所示。

表1 角果端點(diǎn)查找表Table 1 Lookup table for the silique endpoint

1.4.3 端點(diǎn)掃描

掃描是一個(gè)尋找的過程，將3×3 形狀的結(jié)構(gòu)元素遍歷整個(gè)油菜角果骨骼圖像并計(jì)算每個(gè)形狀內(nèi)的索引值，然后對(duì)應(yīng)查找表上的值，1 即端點(diǎn)，0 則是非端點(diǎn)。當(dāng)檢測(cè)模板采集到某個(gè)點(diǎn)的8 鄰域時(shí)，計(jì)算該形狀元素所對(duì)應(yīng)的索引值為49，通過查找表可得值為1，所以該點(diǎn)為端點(diǎn)。若計(jì)算該形狀元素對(duì)應(yīng)的索引值為57，通過查找表可得值為0，則該點(diǎn)為非端點(diǎn)。

端點(diǎn)掃描結(jié)果如圖4 所示，圖中可以看到每個(gè)角果的端點(diǎn)均已被識(shí)別（“0”所在位置即為識(shí)別到的端點(diǎn)位置），表明該方法可準(zhǔn)確識(shí)別角果的端點(diǎn)。試驗(yàn)發(fā)現(xiàn)只需將模板元素的和由2 改為4，即二值圖像中線段交點(diǎn)的8 連通領(lǐng)域內(nèi)像素值的和為4，保持其余條件不變即可有效識(shí)別角果之間的交點(diǎn)及其臨近的點(diǎn)，在角果交點(diǎn)識(shí)別中，該方法識(shí)別到的是交點(diǎn)本身及其附近的一簇點(diǎn)，故還需要去除多余的交點(diǎn)。

1.5 DBSCAN 聚類算法

DBSCAN （ Density Based Spatial Clustering of Applications with Noise）聚類算法[17]是一種基于密度的、具有噪聲的空間聚類算法，該算法可將具有足夠密度的區(qū)域劃分為簇。與K-means 聚類算法[18]相比，DBSCAN算法具有不需要事先確定聚類中心個(gè)數(shù)的優(yōu)點(diǎn)。本文針對(duì)油菜角果之間交點(diǎn)的識(shí)別結(jié)果正是一簇一簇的，故可利用該算法對(duì)角果交點(diǎn)進(jìn)行聚類，從每類簇中選擇一個(gè)點(diǎn)作為角果的交點(diǎn)并去除該類簇中其余的點(diǎn)即可實(shí)現(xiàn)多余交點(diǎn)的去除。

1.5.1 DBSCAN 聚類算法定義

DBSCAN 聚類算法具有以下6 個(gè)基本定義[17,19-21]。

定義1Eps鄰域：給定數(shù)據(jù)集D中的某一對(duì)象點(diǎn)p，NEps表示為以p為圓心Eps為半徑的圓所包含的區(qū)域，該區(qū)域內(nèi)所包含的點(diǎn)的集合用公式表示為NEps(p)={q∈D|dist(p,q)≤Eps}，其中D?Rd，d為空間維度，q為數(shù)據(jù)集D中的某一個(gè)點(diǎn)，dist 表示兩點(diǎn)之間的距離。

定義2 核心點(diǎn)、邊界點(diǎn)、噪點(diǎn)：假設(shè)對(duì)象點(diǎn)p∈D，給定的鄰域半徑為Eps、最小密度點(diǎn)個(gè)數(shù)minPts，若以p為圓心Eps為半徑的圓所包含的區(qū)域中點(diǎn)的個(gè)數(shù)大于等于minPts，則p為核心點(diǎn)。若p不是核心點(diǎn)但是p在另外一個(gè)核心點(diǎn)所包含的區(qū)域內(nèi)，則p為邊界點(diǎn)，否則p為噪點(diǎn)。

定義3 直接密度可達(dá)：給定對(duì)象點(diǎn)p∈D、點(diǎn)q∈D，若點(diǎn)q在以點(diǎn)p為圓心Eps為半徑的區(qū)域內(nèi)且p為核心點(diǎn)，則稱由p到q是直接密度可達(dá)的，公式表示為q∈NEps(p)，|NEps(p)|≥minPts。

定義4 密度可達(dá)：在數(shù)據(jù)集D中，有對(duì)象鏈p1，p2，…，pn，且p1=q，pn=p，對(duì)于任意一點(diǎn)pi∈D(1≤i≤n)，若在給定的Eps、minPts條件下，pi+1從pi直接密度可達(dá)，則p從q密度可達(dá)。

定義5 密度相連：給定對(duì)象p∈D、q∈D、o∈D，若在給定的Eps、minPts條件下，p和q都可以從o密度可達(dá)，則p和q是密度相連的。

定義6 簇：以核心點(diǎn)為中心，所有密度可達(dá)的點(diǎn)構(gòu)成一個(gè)簇。

1.5.2 DBSCAN 聚類算法流程

DBSCAN 聚類算法流程[19]如圖5 所示。

利用DBSCAN 聚類算法（Eps=80、minPts=2）對(duì)油菜角果交點(diǎn)進(jìn)行聚類成簇，Eps的初始值可由試驗(yàn)測(cè)試的方法選擇一個(gè)最佳值Eps0，利用公式（1）可獲取不同圖像的Eps值。

式中S0為選取最佳Eps值Eps0時(shí)所使用的圖像像素?cái)?shù)；S為新輸入待測(cè)圖像的像素?cái)?shù)。

從每簇中選取第一個(gè)點(diǎn)作為交點(diǎn)，舍棄其余點(diǎn)即可實(shí)現(xiàn)去除多余的交點(diǎn)，如圖6 所示。

1.6 端點(diǎn)配對(duì)

油菜角果的端點(diǎn)和交點(diǎn)已全部被識(shí)別出來，接下來就是實(shí)現(xiàn)角果兩端點(diǎn)之間的配對(duì)，配對(duì)的結(jié)果要求圖像中匹配的兩端點(diǎn)是某單角果實(shí)際的兩端點(diǎn)，此時(shí)該兩端點(diǎn)之間的距離即是該角果的長度。在整幅平鋪狀態(tài)下油菜角果的圖像中，由于角果端點(diǎn)眾多，正確配對(duì)難度過大，故以連通域?yàn)閱挝惶崛〗枪訄D像，再對(duì)子圖像中的角果端點(diǎn)進(jìn)行配對(duì)以降低匹配難度，提高配對(duì)準(zhǔn)確度。按照子圖像端點(diǎn)的個(gè)數(shù)m和交點(diǎn)的個(gè)數(shù)n來進(jìn)行分類。

1.6.1 單角果型

m=2 且n=0，此類型的端點(diǎn)配對(duì)是最為簡單的類型，只需要直接連接兩個(gè)端點(diǎn)即可實(shí)現(xiàn)正確的配對(duì)，配對(duì)結(jié)果如圖7a 所示。

1.6.2 雙角果交叉型

m=4 且n=1，此類型的角果圖像如圖7b 所示，角果圖像中有4 個(gè)端點(diǎn)，分別為a、b、c、d，假設(shè)其坐標(biāo)分別為(x1，y1)、(x2，y2)、(x3，y3)、(x4，y4)。由排列組合可知，此4 點(diǎn)可組成3 種不同的配對(duì)結(jié)果，分別為（ad，bc）、（ab，dc）、（ac，bd），顯然只有（ac，bd）組合才是正確的配對(duì)結(jié)果。要使配對(duì)結(jié)果只能是（ac，bd）組合，需求出配對(duì)后兩直線之間的交點(diǎn)，交點(diǎn)在4 個(gè)端點(diǎn)所圍成的四邊形內(nèi)部的組合即為（ac，bd）組合。以（ac，bd）組合為例，交點(diǎn)的求法由公式（2）實(shí)現(xiàn)，通過求解方程組可以得到交點(diǎn)（x，y）。

交點(diǎn)在4 個(gè)端點(diǎn)所圍成的四邊形內(nèi)部的條件為xmin≤x≤xmax且ymin≤y≤ymax，其中xmin為4 個(gè)端點(diǎn)中橫坐標(biāo)最小值、xmax為4 個(gè)端點(diǎn)中橫坐標(biāo)最大值、ymin為4 個(gè)端點(diǎn)中縱坐標(biāo)最小值、ymax為4 個(gè)端點(diǎn)中縱坐標(biāo)最大值。配對(duì)結(jié)果如圖7c 所示。

1.6.3 普通型

除上述兩種類型外，其余皆按普通型處理，普通型角果圖像的特點(diǎn)表現(xiàn)為角果交點(diǎn)多且分布無序，故而配對(duì)難度高。首先，選擇任意角果交點(diǎn)o為原點(diǎn)，從o點(diǎn)向任意兩端點(diǎn)a、b作oa、ob（如圖8a 所示），并計(jì)算oa、ob之間的夾角θ（0°≤θ≤180°）。

根據(jù)角果本身筆直的特性，若端點(diǎn)a、b滿足θ≥170°且ξ≥0.90，則端點(diǎn)a、b即為某角果的兩個(gè)端點(diǎn)，連接兩端點(diǎn)即可得到該角果的長度。配對(duì)結(jié)果如圖8b 所示，由此可見，該條件并不適應(yīng)于所有的角果，因?yàn)椴皇撬械慕枪际枪P直的，但該條件可以實(shí)現(xiàn)優(yōu)先對(duì)端點(diǎn)明顯且筆直的角果的正確配對(duì)，從而降低后續(xù)配對(duì)的難度。對(duì)未配對(duì)的端點(diǎn)進(jìn)行再一次的配對(duì)時(shí)，需要降低配對(duì)條件，降低的標(biāo)準(zhǔn)為θ每次減少10°，ξ每次減小0.1，即第二次配對(duì)時(shí)，未配對(duì)的兩端點(diǎn)只需滿足θ≥160°且ξ≥0.80。以此類推直至條件降至θ≥120°且ξ≥0.40 時(shí)，結(jié)束端點(diǎn)配對(duì)。配對(duì)結(jié)果如圖8c 所示，通過多次配對(duì)之后，兩端點(diǎn)全被識(shí)別出來的角果均已完成正確配對(duì)，但僅識(shí)別到一個(gè)端點(diǎn)的角果仍未配對(duì)。此類角果的端點(diǎn)與其他角果相交后形成了交點(diǎn)，故此類角果的配對(duì)方式應(yīng)為端點(diǎn)與交點(diǎn)的配對(duì)，配對(duì)條件為ξ≥0.95，在所有滿足條件的交點(diǎn)中，選擇距離端點(diǎn)最遠(yuǎn)的交點(diǎn)配對(duì)。若一次配對(duì)后仍有未配對(duì)的端點(diǎn)，降低配對(duì)標(biāo)準(zhǔn)后進(jìn)行二次配對(duì)直至所有端點(diǎn)均被配對(duì)時(shí)，結(jié)束配對(duì)，配對(duì)結(jié)果如圖8d 所示，整幅平鋪狀態(tài)下油菜角果圖像端點(diǎn)配對(duì)結(jié)果如圖9所示。

1.7 角果長度及籽粒數(shù)計(jì)算

1.7.1 角果長度計(jì)算

假設(shè)已配對(duì)的角果兩端點(diǎn)的坐標(biāo)為（x1，y1）、（x2，y2），通過公式（4）即可得到該角果的長度像素?cái)?shù)d。

在建模集中油菜角果的長度為物理尺寸長度，故需將長度像素?cái)?shù)d轉(zhuǎn)化為物理尺寸長度d′。首先，在同等掃描條件下掃描一張A4 紙張并對(duì)其擬合最小外接矩形，求出該矩形的長和寬（l、w）即為A4 紙的長和寬像素?cái)?shù)，利用公式（5）即可求出轉(zhuǎn)換比例k。

角果的物理尺寸長度即為d′=kd(mm)。

1.7.2 角果籽粒數(shù)計(jì)算

將得到的角果長度d′代入油菜角果長度與籽粒數(shù)之間的線性關(guān)系模型中即可得到油菜角果中的籽粒數(shù)。在驗(yàn)證算法準(zhǔn)確度時(shí)，掃描后的角果先留在掃描儀內(nèi)保留其位置不發(fā)生變化，待圖像處理完成后，在同一位置找到圖像上的角果和實(shí)際對(duì)應(yīng)的角果，記下測(cè)量值和實(shí)際值。

2 結(jié)果與分析

2.1 角果長度與每角粒數(shù)之間的關(guān)系

利用建模集角果長度和每角粒數(shù)數(shù)據(jù)建立相關(guān)性模型，角果長度與每角粒數(shù)之間的關(guān)系如圖10 所示，3 個(gè)品種的油菜角果的長度與每角粒數(shù)之間相關(guān)性決定系數(shù)（R2）分別為0.891、0.881、0.887，表明油菜角果每角粒數(shù)與其長度具有相關(guān)性。此結(jié)果可為通過角果圖像來獲取角果粒數(shù)提供依據(jù)，即獲取圖像中角果的長度并代入角果長度與每角粒數(shù)之間的相關(guān)性模型中即可得到對(duì)應(yīng)的每角粒數(shù)。

2.2 角果長度識(shí)別結(jié)果分析

利用驗(yàn)證集角果長度數(shù)據(jù)對(duì)角果圖像識(shí)別角果長度數(shù)據(jù)進(jìn)行檢驗(yàn)，通過角果的長度來預(yù)測(cè)每角粒數(shù)，故角果長度識(shí)別的準(zhǔn)確度直接影響預(yù)測(cè)每角粒數(shù)的準(zhǔn)確度，以人工測(cè)量長度為角果的實(shí)際長度，利用本文所提出的圖像識(shí)別方法，對(duì)3 個(gè)品種的油菜角果長度的識(shí)別結(jié)果與角果實(shí)際長度對(duì)比分析，如圖11 所示。3 個(gè)品種的油菜角果識(shí)別長度與實(shí)際長度決定系數(shù)（R2）均在0.97 以上，最大RMSE 僅為2.637 mm，說明本文提出的油菜角果長度識(shí)別方法能準(zhǔn)確的識(shí)別平鋪狀態(tài)下油菜角果的長度。

由表2 可知，3 個(gè)品種的油菜角果長度識(shí)別平均絕對(duì)誤差分別為1.35、0.78、2.13 mm，平均相對(duì)誤差分別為2.60%、2.35%、3.29%，3 個(gè)品種的油菜角果長度識(shí)別平均準(zhǔn)確度為97.25 %。表明本文提出的端點(diǎn)檢測(cè)配對(duì)方法能實(shí)現(xiàn)油菜角果長度高通量、準(zhǔn)確、自動(dòng)的識(shí)別要求。

表2 油菜角果長度和每角粒數(shù)識(shí)別結(jié)果誤差分析Table 2 Error analysis of recognition results for length of oilrape silique and seed number per silique

2.3 角果每角粒數(shù)預(yù)測(cè)結(jié)果分析

利用驗(yàn)證集角果每角粒數(shù)數(shù)據(jù)對(duì)圖像識(shí)別角果籽粒數(shù)數(shù)據(jù)進(jìn)行檢驗(yàn)，通過將識(shí)別到的油菜角果長度信息代入對(duì)應(yīng)品種的油菜角果長度與每角粒數(shù)之間的相關(guān)性模型中即可得到每角粒數(shù)，以人工計(jì)數(shù)為實(shí)際每角粒數(shù)，3 個(gè)品種的油菜每角粒數(shù)預(yù)測(cè)結(jié)果與實(shí)際每角粒數(shù)對(duì)比分析如圖12 所示。3 個(gè)品種的油菜角果圖像預(yù)測(cè)每角粒數(shù)與實(shí)際每角粒數(shù)之間的決定系數(shù)（R2）均在0.84 以上，最大RMSE 為4.174 粒，說明本文提出的油菜每角粒數(shù)圖像識(shí)別方法可行。

由表2 可得，3 個(gè)品種的油菜每角粒數(shù)預(yù)測(cè)平均絕對(duì)誤差分別為3.40、1.43、3.23 粒，平均相對(duì)誤差分別為17.77%、12.75%、17.86%，3 個(gè)品種的油菜每角粒數(shù)總體平均相對(duì)誤差為16.13 %，平均預(yù)測(cè)準(zhǔn)確度為83.87%。

3 討 論

目前研究表明油菜角果性狀參數(shù)長度與單株油菜產(chǎn)量、籽粒數(shù)量等存在一定的相關(guān)關(guān)系，有文獻(xiàn)分析了單株油菜部分角果長度平均值或者一個(gè)種類油菜角果長度與其平均角果籽粒數(shù)量之間的相關(guān)性[4,22]，本研究從油菜植株單個(gè)角果長度與其籽粒數(shù)量之間相關(guān)關(guān)系的角度進(jìn)行分析，因此本研究中的油菜品種角果長度與每角粒數(shù)之間的決定系數(shù)值（R2）均較相關(guān)文獻(xiàn)[4,22]報(bào)道的大。

本文在對(duì)油菜角果性狀參數(shù)長度與籽粒數(shù)量存在一定的相關(guān)關(guān)系研究的基礎(chǔ)上提出了利用圖像識(shí)別角果長度并計(jì)算出角果每角粒數(shù)的測(cè)試方法，通過本研究發(fā)現(xiàn)每角粒數(shù)預(yù)測(cè)平均準(zhǔn)確度為83.87%，能夠滿足目前育種和估測(cè)產(chǎn)量時(shí)對(duì)每角粒數(shù)測(cè)量的精度需要。

本研究中將油菜每角粒數(shù)計(jì)數(shù)中人工剝角果莢殼、籽粒計(jì)數(shù)等工作采用圖像方法批量一次性獲取，大大降低每角粒數(shù)數(shù)據(jù)獲取的時(shí)間和人工成本。圖像獲取方法能夠快速準(zhǔn)確獲取油菜每角粒數(shù)，同時(shí)節(jié)約大量人工，有利于滿足現(xiàn)階段油菜育種和產(chǎn)量預(yù)測(cè)大量樣本測(cè)量的需求。從本研究結(jié)果來看，油菜角果長度尺寸預(yù)測(cè)每角粒數(shù)有一定的優(yōu)勢(shì)，但預(yù)測(cè)精度仍然有提升的空間。

4 結(jié) 論

通過人工測(cè)量了角果的長度與每角粒數(shù)并建立了角果長度與每角粒數(shù)之間的關(guān)系模型，結(jié)果表明，3 個(gè)品種的決定系數(shù)均大于0.88，說明可利用角果的長度來預(yù)測(cè)角果中的籽粒數(shù)。

通過掃描儀獲取平鋪狀態(tài)下油菜角果的圖像，對(duì)圖像預(yù)處理后識(shí)別角果的端點(diǎn)和交點(diǎn)并利用DBSCAN 聚類算法去除了多余的交點(diǎn)，根據(jù)每個(gè)子圖像中角果的類型選擇對(duì)應(yīng)的端點(diǎn)配對(duì)法則識(shí)別出對(duì)應(yīng)的角果，利用兩點(diǎn)之間的距離公式求出角果的長度，再將角果長度代入角果長度與每角粒數(shù)之間的關(guān)系模型中得到對(duì)應(yīng)角果的籽粒數(shù)，結(jié)果表明：3 個(gè)品種的油菜角果長度識(shí)別平均準(zhǔn)確度為97.25%，說明本研究提出的角果長度圖像識(shí)別方法是可行的，且與人工測(cè)試角果長度結(jié)果非常接近。

經(jīng)圖像識(shí)別方法獲取角果長度尺寸，利用角果長度與每角粒數(shù)之間的關(guān)系模型可對(duì)油菜角果每角粒數(shù)進(jìn)行預(yù)測(cè)，每角粒數(shù)預(yù)測(cè)平均準(zhǔn)確度為83.87%，表明本文提出的油菜角果長度識(shí)別算法和油菜每角粒數(shù)預(yù)測(cè)算法準(zhǔn)確、可行。通過獲取整株油菜單個(gè)分枝上油菜角果平鋪狀態(tài)下的圖像，利用圖像處理方法可快速獲取角果的長度尺寸，并利用角果長度與每角粒數(shù)之間的關(guān)系模型計(jì)算出角果每角粒數(shù)，可快速估測(cè)出分枝上所測(cè)角果的角果籽粒數(shù)量，依次獲取整株油菜各分枝角果圖像，可快速獲取整株角果籽粒數(shù)量。