使用RGB图像数据和Python算法的大豆种子特征的自动评估
Amit Ghimire1, Seong-Hoon Kim2, Areum Cho3
1Department of Applied Biosciences, Kyungpook National University, Daegu 41566, Republic of Korea.
Plants (Basel, Switzerland)
|September 9, 2023
概括
一个新的Python算法准确地测量了大豆种子的长度和宽度等特征,有助于培育更好的作物. 这个工具有助于识别高质量的种子,以提高大豆种植的生产率.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 生物技术是生物技术.
背景情况:
- 大豆 (甘油最大) 对于植物蛋白和油来说至关重要.
- 选择高质量的种子对于最大限度地提高大豆种植生产率至关重要.
- 了解种子特征有助于基因型识别和育种策略.
研究的目的:
- 开发和验证用于分析大豆种子形态特征的Python算法.
- 与手动和现有的软件方法相比,评估算法的准确性和可靠性.
- 探索计算分析在改善大豆育种方面的潜力.
主要方法:
- 使用Python算法与OpenCV库和轮检测.
- 测量了种子的长度,宽度,预计面积和面积比.
- 与手动和SmartGrain/WinDIAS软件数据进行算法衍生测量的比较.
主要成果:
- 在种子长度,宽度和预计面积方面发现了高相关性 (R-平方>0.95,p < 0.0001).
- 错误指标 (RSE,RMSE,MAE) 在长度,宽度和图像比例方面低于0.5%.
- 预计面积误差低于4%,种子计数准确度很高.
结论:
- 开发的Python算法提供了对大豆种子特征的准确和可靠的测量.
- 这种计算方法可以显著支持大豆育种计划和质量控制.
- 进一步的研究应该调查更多的形态属性,以便进行全面的分析.


