花粉可育率评估方法及装置制造方法及图纸

本发明专利技术实施例提供一种花粉可育率评估方法及装置，该方法包括：获取待评估花粉图像，根据花粉分布状态，得到多个区域，对每个花粉区域提取可以区分可育花粉和不可育花粉的特征，根据该特征，对区域进行适应性对比度调整；对调整后的图像，经双层卷积操作，对单个花粉进行定位和剪裁，得到包含单个花粉粒的标准图像；将单个花粉粒的标准图像输入预设的卷积神经网络模型，输出该花粉粒的可育或不可育分类结果；根据各个花粉粒的分类结果得到原图中的可育花粉数目和不可育花粉数目的比值，确定花粉的可育率。该方法可以强化可育和不可育状态的双极化，提高分类的准确度。无需人工统计得到分类，能够提高处理效率，避免因主观判断带来的准确度误差。来的准确度误差。来的准确度误差。

【技术实现步骤摘要】
花粉可育率评估方法及装置


[0001]本专利技术涉及作物育种评估领域，尤其涉及一种花粉可育率评估方法及装置。

技术介绍

[0002]花粉是种子植物的微小孢子堆，成熟的花粉粒实为其小配子体，能产生雄性配子。花粉由雄蕊中的花药产生，由各种方法到达雌蕊，使胚珠授粉。因此，作物的育种率往往和花粉的可育率有密切关联。
[0003]目前的花粉可育率评估，往往是根据花粉从花药中抖落出来后，对于这些花粉，经过碘-碘化钾染色制成压片，在电子显微镜下观察并进行统计分析得到。目前的花粉可育率评估方法，耗费大量的人力物力，且由于计算量繁琐引起的人工统计误差，导致结果的准确性较低。
[0004]资料数据表明，利用深度学习-卷积网络对植物或动物细胞处理的应用层出不穷，但对于大豆花粉的处理还停留在比较原始的阶段，现有的大多数算法是基于传统的数字图像处理技术对图像进行灰度变换，边缘检测，形态学操作等以做出初步的检测估值判断，正确率和鲁棒性都很差，无法进行大规模有效利用。在处理比较相近的课题-对癌细胞的识别与监测上，深度学习及卷积网络的应用比较广泛，也取得了一定的进展。由于癌细胞和大豆花粉细胞的识别及分类的相似性，可做一定的迁移学习，合理利用和改进相关算法来取得较高的识别准确率。其中，一些算法对于处理花粉图像具有很强的参考利用价值。比如说一种采取卷积网络算法辅助检测小细胞型肺癌的方法，可以将此利用到不规则小型花粉样本的识别与检测，卷积网络很好地结合了之前检测算法的优点，又能兼顾准确性，更好地减少误判率，提高学习效率。又如采用基于深度卷积网络的改进算法，利用ZCA来对细胞进行预处理以减轻图像数据特征的相关性可以迁移应用到花粉图像的预处理上，减轻花粉与花粉之间，花粉与背景图之间，花粉与杂质之间的相关性，以降低误判率。

技术实现思路

[0005]本专利技术实施例提供一种花粉可育率评估方法及装置，用以解决现有技术中的缺陷。
[0006]本专利技术实施例提供一种花粉可育率评估方法，包括：获取待评估花粉图像，根据花粉分布状态，得到多个花粉区域，对每个花粉区域提取可以区分可育花粉和不可育花粉的特征，根据花粉区域的区分结果，分别进行适应性对比度调整；对调整后的图像，经双层卷积操作，对花粉区域进行定位和剪裁，得到包含单个花粉粒的标准图像；将单个花粉粒的标准图像输入预设的卷积神经网络模型，输出该花粉粒的可育或不可育分类结果；根据各个花粉粒的分类结果得到待评估花粉图像中的可育花粉数目和不可育花粉数目的比值，确定花粉的可育率；其中，所述预设的卷积神经网络模型，根据带标签的单张花粉粒的标准图像训练后得到。
[0007]根据本专利技术一个实施例的花粉可育率评估方法，所述根据提取的特征向量对每个
花粉区域进行适应性对比度调整，包括：若花粉区域为有可育花粉的区域，则将整体区域亮度下调；若花粉区域为无可育花粉的区域，则将整体区域亮度上调。
[0008]根据本专利技术一个实施例的花粉可育率评估方法，若花粉区域为既有可育又有不育花粉，则提取的特征还包括：BGmax、BGmax和BRR；相应地，根据BGR进行适应性对比度调整。
[0009]其中，BGR＝[BG
max
,BR
max
]|
min
，R、G、B分别为RGB颜色空间的相应值。
[0010]根据本专利技术一个实施例的花粉可育率评估方法，根据BGR进行适应性对比度调整，包括：整体区域亮度下调时，若灰度小于区域调整阈值，则灰度值设为固定值不再下调；所述区域调整阈值确定如下：
[0011][0012]其中，bblow、dd为经验参数，a为亮度下调因子，也为经验参数；Gray
min
为调整前的区域灰度最小值，low
in
为区域调整阈值。
[0013]根据本专利技术一个实施例的花粉可育率评估方法，根据花粉区域的区分结果，分别进行适应性对比度调整之后，还包括：对调整后图像的二值化图像，进行孔洞填充以补全中空的可育花粉。
[0014]根据本专利技术一个实施例的花粉可育率评估方法，所述将单个花粉粒的标准图像输入预设的卷积神经网络模型，包括：将单个花粉粒的三通道彩图，输入卷积神经网络的两层卷积层，每一卷积层紧接批量归一化处理层，并采用LeakyReLU激活函数得到输出；再输入采用Max-pooling的池化层，并经过两层全连接层然后丢弃50％，最后经过softmax函数得出分类概率。
[0015]本专利技术实施例还提供一种花粉可育率评估装置，包括特征提取模块，用于获取待评估花粉图像，根据花粉分布状态，得到多个花粉区域，对每个花粉区域提取可以区分可育花粉和不可育花粉的特征，根据花粉区域的区分结果，分别进行适应性对比度调整；划分裁剪模块，用于对调整后的图像，经双层卷积操作，对花粉区域进行定位和剪裁，得到包含单个花粉粒的标准图像；卷积分类模块，用于将单个花粉粒的标准图像输入预设的卷积神经网络模型，输出该花粉粒的可育或不可育分类结果；可育评估模块，用于根据各个花粉粒的分类结果得到待评估花粉图像中的可育花粉数目和不可育花粉数目的比值，确定花粉的可育率；其中，所述预设的卷积神经网络模型，根据带标签的单张花粉粒的标准图像训练后得到。
[0016]本专利技术实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述花粉可育率评估方法的步骤。
[0017]本专利技术实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述花粉可育率评估方法的步骤。
[0018]本专利技术实施例提供的花粉可育率评估方法及装置，根据提取的特征对每个花粉区域进行适应性对比度调整，可以强化可育和不可育状态的双极化，提高分类的准确度。将每
个花粉区域的特征数据，输入预设的卷积神经网络模型，得到分类结果，无需人工统计得到，能够提高处理效率，避免人工处理过程中因主观判断带来的准确度误差。
附图说明
[0019]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0020]图1是本专利技术实施例提供的花粉可育率评估方法的流程示意图；
[0021]图2是本专利技术实施例提供的花粉可育率评估装置的结构示意图；
[0022]图3是本专利技术实施例提供的一种电子设备的结构示意图。
具体实施方式
[0023]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种花粉可育率评估方法，其特征在于，包括：获取待评估花粉图像，根据花粉分布状态，得到多个花粉区域，对每个花粉区域提取可以区分可育花粉和不可育花粉的特征，根据花粉区域的区分结果，分别进行适应性对比度调整；对调整后的图像，经双层卷积操作，对花粉区域进行定位和剪裁，得到包含单个花粉粒的标准图像；将单个花粉粒的标准图像输入预设的卷积神经网络模型，输出该花粉粒的可育或不可育分类结果；根据各个花粉粒的分类结果得到待评估花粉图像中的可育花粉数目和不可育花粉数目的比值，确定花粉的可育率；其中，所述预设的卷积神经网络模型，根据带标签的单张花粉粒的标准图像训练后得到。2.根据权利要求1所述的花粉可育率评估方法，其特征在于，所述根据花粉区域的区分结果，分别进行适应性对比度调整，包括：若花粉区域为有可育花粉的区域，则将整体区域亮度下调；若花粉区域为无可育花粉的区域，则将整体区域亮度上调。3.根据权利要求2所述的花粉可育率评估方法，其特征在于，若花粉区域为既有可育又有不育花粉，则提取的特征还包括：BGmax、BGmax和BRR；相应地，根据BGR进行适应性对比度调整。其中，BGR＝[BG
max
，BR
max
]|
min
，R、G、B分别为RGB颜色空间的相应值。4.根据权利要求3所述的花粉可育率评估方法，其特征在于，根据BGR进行适应性对比度调整，包括：整体区域亮度下调时，若灰度小于区域调整阈值，则灰度值设为固定值不再下调；所述区域调整阈值确定如下：其中，bblow、dd为经验参数，a为亮度下调因子，也为经验参数；Gray
min
为调整前的区域灰度最小值，low
in
为区域调整阈值。5....

【专利技术属性】
技术研发人员：李想，牛丹彤，陈金，陈昕，卢韬，刘航源，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：