基于深度学习的水稻表型特征提取和产量预测研究.pdfVIP

基于深度学习的水稻表型特征提取和产量预测研究 目录 摘要i Abstract ii 第1 章 绪论1 1.1 课题的研究背景1 1.2 国内外研究现状2 1.2.1 图像分割的研究现状2 1.2.2 水稻产量预测方法和研究现状6 1.2.3 作物表型组学的研究现状7 1.3 本课题研究的内容8 第2 章 实验数据和技术方案 10 2.1 盆栽水稻实验数据 10 2.1.1 实验材料 10 2.1.2 图像采集系统 10 2.2 大田水稻实验数据11 2.2.1 实验材料11 2.2.2 田间图像采集设备11 2.3 技术方案 12 第3 章 稻穗计数和水稻分割 15 3.1 盆栽水稻稻穗检测和计数 15 3.1.1Faster R-CNN 卷积神经网络结构 15 3.1.2 构建训练数据集 17 3.1.3 盆栽水稻稻穗检测 18 3.2 盆栽水稻稻穗分割 19 3.2.1 分割模型的选用 19 3.2.2 训练集的构建 20 3.2.3 模型训练和图像分割 21 3.2.4 分割结果的优化 22 3.2.5 稻穗分割结果评估 23 I 华中农业大学2020 届硕士研究生学位（毕业）论文 3.3 盆栽水稻整株分割 24 3.4 大田小区水稻整株分割和稻穗分割 26 3.4.1 分割方法的选用 26 3.4.2 制作训练数据集 27 3.4.3 模型的训练和测试 28 3.4.4 模型分割准确度的评估 29 第4 章 水稻植株和穗部特征提取 30 4.1 水稻稻穗特征的提取 30 4.1.1 水稻稻穗特征提取流程 30 4.1.2 稻穗纹理参数的提取 32 4.1.3 稻穗形态参数的提取 34 4.1.4 稻穗颜色参数的提取 36 4.2 水稻植株特征的提取 36 第5 章 产量建模和产量相关特征分析 40 5.1 盆栽水稻稻穗干重/鲜重建模 40 5.1.1 盆栽水稻特征数据的预处理 40 5.1.2 单变量稻穗重量预测分析 40 5.1.3 变量挑选和稻穗重量预测分析 43 5.2 大田水稻产量的预测 44 5.2.1 大田水稻数据校正和预处理 44 5.2.2 单变量多模型大田水稻产量预测 45 5.2.3 多个变量的大田水稻产量预测分析 46 第6 章 研究总结和展望 48 6.1 总结 48 6.2 展望 49 参考文献 50 致谢 54 II 基于深度学习的水稻表型特征提取和产量预测研究 摘要 农业是我国经济发展的重要基石，而水稻作为我国的主要粮食作物，随着人口 的增长，水稻的消费量也在逐步上升，为保证我国的粮食安全，提高单位面积水稻 产量和培育优良的水稻品种是水稻研究的重要目标之一。稻穗是水稻的重要组成部 分，决定着水稻的最终产量，因此对水稻稻穗的研究分析极为重要。 水稻产量的精准预测可以加快育种的速度，传统的水稻产量预测，往往是通过 田间调查法，对田间水稻样本收割、脱粒、烘干、称重来对水稻的产量进行估测， 需要大量的人力物力，且容易造成人为误差。现有的无损水稻产量预测主要是根据 水稻冠层的光谱数据和气温、降雨量