基于机器视觉检测石竹帽中的关键特征

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:

• 精确的表型定型对于石竹的繁殖至关重要.
• 测量帽特征的传统方法耗时且容易出现错误.
• 开发非侵入性,快速评估技术对于有效的菌株选择至关重要.

研究的目的:

• 开发和验证基于机器视觉的预测方法,用于西竹的帽子特征.
• 为了实现精确的和自动化的表型在shiitake繁殖.
• 为了提高石竹菌菌株查的效率和准确性.

主要方法:

• 开发了一个边缘检测模型 (KL-Dexined),实现了高性能指标 (OIS 93.5%,ODS 96.3%,AP 97.1%).
• 使用OpenCV从石竹帽图像中提取了11个关键的表型特征.
• 相关性分析确定了用于预测重量的关键特征 (面积,周长,外部矩形宽度,长轴).
• 采用GWO_SVM算法来预测shiitake的帽子特征,从而实现最佳性能.

主要成果:

• 该KL-Dexined模型在边缘检测方面表现出高精度.
• 提取的表型特征与实际的帽特征有很强的相关性 (R2=0.97,RMSE=0.049).
• 该GWO_SVM模型实现了极好的预测准确性为石竹帽特征 (R2=0.97,RMSE=0.038).

结论:

• 拟议的机器视觉方法可以准确和高效地表型化石竹帽.
• 这种方法通过促进快速菌株查,显著提高了石竹的育种过程.
• 这项研究为预测石竹的关键特征提供了宝贵的工具,指导了未来的育种策略.