一种小麦赤霉病抗性鉴定方法、系统、电子设备和存储介质技术方案

本发明专利技术提供一种小麦赤霉病抗性鉴定方法，包括以下步骤：获取待鉴定麦穗的图像；使用基于DeepLabV3+网络的语义分割模型从步骤一获取的麦穗图像中提取目标麦穗的图像；将步骤二提取的目标麦穗的图像作为输入图像，确定分割健康小穗和染病小穗的分段动态阈值t；使用步骤三得到的阈值t提取目标麦穗的赤霉病发病区域；根据步骤四提取的目标麦穗的赤霉病发病区域，以染病小穗的面积占小穗总面积的比例表示单个麦穗的赤霉病严重度；使用待鉴定麦穗病害发生的平均严重度评估待鉴定麦穗的赤霉病抗性水平。该赤霉病表型智能化鉴定方法服务于赤霉病表型鉴定，为完全实现赤霉病智能化高通量鉴定提供参考。相比于传统鉴定方法省时省工，鉴定数据全面，误差较小。误差较小。误差较小。

【技术实现步骤摘要】
一种小麦赤霉病抗性鉴定方法、系统、电子设备和存储介质


[0001]本专利技术涉及小麦赤霉病抗性鉴定领域，具体涉及小麦赤霉病抗性鉴定方法、系统、电子设备和存储介质。

技术介绍

[0002]赤霉病是一种由禾谷镰孢菌所引起的小麦穗部产生坏死和枯萎症状的小麦真菌病害。赤霉病对小麦的影响主要表现在产量和质量两个方面，感染赤霉病的小麦麦穗内部籽粒由于无法发育或受感染后产生皱缩、变色和容重低，从而使得小麦产量下降，在流行年份更能造成10％至40％的产量损失。由禾谷镰刀菌产生的脱氧雪腐镰刀烯醇(DON)是在自然状态下感染谷物的主要单端孢霉毒素，并且其副产品具有高毒性，严重影响了小麦品质，而由受污染的小麦制成的食品或饲料更会对人类和动物的健康构成威胁。
[0003]培育具有优良抗性的小麦品种是抵抗赤霉病的重要手段。在抗赤霉病品种选育过程中，表型的鉴定是一项繁重、复杂、且极容易出错的一项工作，也是精确估计育种种群每个品系的遗传抗性的主要途径。传统赤霉病抗性表型鉴定主要依靠人工视觉评估的方法来评定不同品种的赤霉病发展率、发病率(DI)以及严重程度(DS)，然而这个过程需要投入较多的人力、物力和时间，并且存在着主观错误的风险。
[0004]近年来，信息技术，尤其是传感器和图像分析技术的快速发展，为作物的表型鉴定提供了多种高效的方法。在赤霉病抗性鉴定工作中，研究人员利用光谱图像和人工智能手段构建了一系列算法，例如借助正常籽粒和受镰刀菌感染籽粒的高光谱图像，依据二者在反射率值上的差异可对其进行分离，进而判断发病情况；根据图像中籽粒的像素饱和度对正常的和受感染的籽粒进行分离，并通过计算像素比例从而获取受感染籽粒的近似比例值。但现有研究多集中于监测赤霉病发病与否，或是离体条件下的发病检测，但对大田种植环境下赤霉病抗性鉴定中迫切需要的单穗发病面积、严重度、抗性标准和发病动态的快速获取鲜有报道。

技术实现思路

[0005]本专利技术提供了一种针对以单花滴注法人工接种赤霉病的小麦赤霉病抗性的高通量鉴定方法、系统、电子设备和存储介质。
[0006]为实现上述目的，本专利技术采用以下技术方案：
[0007]一方面，本专利技术提供小麦赤霉病抗性鉴定方法，包括以下步骤：
[0008]步骤一、获取待鉴定麦穗的图像；
[0009]步骤二、使用基于DeepLabV3+网络的语义分割模型从步骤一获取的麦穗图像中提取目标麦穗的图像；
[0010]步骤三、将步骤二提取的目标麦穗的图像作为输入图像，确定分割健康小穗和染病小穗的分段动态阈值t；
[0011]步骤四、使用步骤三得到的分段动态阈值t提取目标麦穗的赤霉病发病区域；
[0012]步骤五、根据步骤四提取的目标麦穗的赤霉病发病区域，以染病小穗的面积占小穗总面积的比例表示单个麦穗的赤霉病严重度；
[0013]步骤六、计算待鉴定麦穗发生病害的严重度等级的平均值，评估待鉴定麦穗的赤霉病抗性水平。
[0014]为优化上述技术方案，采取的具体措施还包括：
[0015]进一步地，步骤三中，所述分段动态阈值t具体见公式(1)：
[0016][0017]其中，t表示分段动态阈值，t
′
表示自动阈值。
[0018]进一步地，步骤五中，所述根据步骤四提取的目标麦穗的赤霉病发病区域，以染病小穗的面积占小穗总面积的比例表示单个麦穗的赤霉病严重度，具体通过公式(2)计算：
[0019][0020]其中，S表示单个麦穗的赤霉病严重度指数，k表示穗形校正系数，A
I
为染病小穗的面积，A
H
为健康小穗的面积，i为提取出来的染病小穗连通区域的个数，j为提取出来的健康小穗连通区域的个数。
[0021]进一步地，步骤五中，所述单个麦穗的赤霉病严重度通过以下分级制度分级：
[0022]当单个麦穗无染病小穗时，其赤霉病严重度指数为0，赤霉病严重度分级为0级；
[0023]当单个麦穗只有接种小穗或部分小穗发病时，其赤霉病严重度指数0＜S≤0.10，赤霉病严重度分级为1级；
[0024]当单个麦穗染病小穗面积不超过小穗总面积的25％时，其赤霉病严重度指数0.10＜S≤0.25，赤霉病严重度分级为2级；
[0025]当单个麦穗染病小穗面积超过小穗总面积的25％但不超过50％时，其赤霉病严重度指数0.25＜S≤0.50，赤霉病严重度分级为3级；
[0026]当单个麦穗染病小穗面积超过小穗总面积的50％时，其赤霉病严重度指数S＞0.50，赤霉病严重度分级为4级。
[0027]进一步地，所述穗形校正系数k具体数值如下：
[0028]当小穗穗形为纺锤形时，穗形校正系数k为0.940；
[0029]当小穗穗形为椭圆形时，穗形校正系数k为0.865；
[0030]当小穗穗形为长方形时，穗形校正系数k为0.891；
[0031]当小穗穗形为棍棒形时，穗形校正系数k为0.886；
[0032]当小穗穗形为圆锥形时，穗形校正系数k为0.672。
[0033]另一方面，本专利技术提供一种小麦赤霉病抗性鉴定系统，包括：
[0034]图形处理模块，用于获取待鉴定麦穗的图像；使用基于DeepLabV3+网络的语义分割模型麦穗图像中提取目标麦穗的图像；将目标麦穗的图像作为输入图像；
[0035]计算模块，用于确定分割健康小穗和染病小穗的分段动态阈值t；使用分段动态阈值t提取目标麦穗的赤霉病发病区域；根据目标麦穗的赤霉病发病区域，以染病小穗的面积
占小穗总面积的比例表示单个麦穗的赤霉病严重度；
[0036]评估模块，用于计算待鉴定麦穗发生病害的严重度等级的平均值，评估待鉴定麦穗的赤霉病抗性水平。
[0037]又一方面，本专利技术提供一种电子设备，包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行计算机程序时，实现上述小麦赤霉病抗性鉴定方法。
[0038]再一方面，本专利技术提供一种计算机可读存储介质，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现上述小麦赤霉病抗性鉴定方法。
[0039]本专利技术的有益效果是：
[0040]本专利技术针对目前赤霉病抗性鉴定工作中存在的主要依靠人工、时间成本大和效率低等问题，提供一种基于图像分析和深度学习算法的小麦赤霉病抗性鉴定方法，该方法使用基于DeepLabV3+网络的语义分割模型对复杂大田背景下的赤霉病图像进行精准分割，利用分段动态阈值t对单穗图像的发病面积的提取进而计算其发病程度，得到抗性结果。该方法可大大减少抗性鉴定过程中投入的劳动力和时间成本，在面对大量育种材料时实现快速、准确的高通量赤霉病抗性表型鉴定。
附图说明
[0041]图1为本专利技术的流程示意图；
[0042]图2为采集图像的效果图；
[0043]图3为小麦赤霉病抗性鉴定结果。
具体实施方式
[0044]下面结合附图详细说本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种小麦赤霉病抗性鉴定方法，其特征在于，包括以下步骤：步骤一、获取待鉴定麦穗的图像；步骤二、使用基于DeepLabV3+网络的语义分割模型从步骤一获取的麦穗图像中提取目标麦穗的图像；步骤三、将步骤二提取的目标麦穗的图像作为输入图像，确定分割健康小穗和染病小穗的分段动态阈值t；步骤四、使用步骤三得到的分段动态阈值t提取目标麦穗的赤霉病发病区域；步骤五、根据步骤四提取的目标麦穗的赤霉病发病区域，以染病小穗的面积占小穗总面积的比例表示单个麦穗的赤霉病严重度；步骤六、计算待鉴定麦穗发生病害的严重度等级的平均值，评估待鉴定麦穗的赤霉病抗性水平。2.根据权利要求1所述的一种小麦赤霉病抗性鉴定方法，其特征在于，步骤三中，所述分段动态阈值t具体见公式(1)：其中，t表示分段动态阈值，t
′
表示自动阈值。3.根据权利要求1所述的一种小麦赤霉病抗性鉴定方法，其特征在于，步骤五中，所述根据步骤四提取的目标麦穗的赤霉病发病区域，以染病小穗的面积占小穗总面积的比例表示单个麦穗的赤霉病严重度，具体通过公式(2)计算：其中，S表示单个麦穗的赤霉病严重度指数，k表示穗形校正系数，A
I
为染病小穗的面积，A
H
为健康小穗的面积，i为提取出来的染病小穗连通区域的个数，j为提取出来的健康小穗连通区域的个数。4.根据权利要求3所述的一种小麦赤霉病抗性鉴定方法，其特征在于，步骤五中，所述单个麦穗的赤霉病严重度通过以下分级制度分级：当单个麦穗无染病小穗时，其赤霉病严重度指数为0，赤霉病严重度分级为0级；当单个麦穗只有接种小穗或部分小穗发病时，其赤霉病严重度指数0＜S≤0.10，赤霉病严重度分级为1级；当单个麦穗染病小穗面积不超过小穗总面积的25％时，其赤霉病严重度指...

【专利技术属性】
技术研发人员：刘涛，赵圆圆，孙译，王君婵，孙成明，李韬，
申请(专利权)人：扬州大学，
类型：发明
国别省市：