【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)屬于農(nóng)業(yè)生物與人工智能結(jié)合領(lǐng)域，尤其涉及一種統(tǒng)計離體油茶花粉萌發(fā)率和萌發(fā)長度的方法及系統(tǒng)。
技術(shù)介紹
1、油茶（camellia?oleifera）是中國最重要的食用油料樹種之一，廣泛分布在中國南方地區(qū)。它油脂產(chǎn)量豐富、經(jīng)濟(jì)價值顯著，具有較高的營養(yǎng)和藥用價值，是一種純天然綠色保健食品，具有抗菌消炎、抗氧化、降血糖血脂等功效。國內(nèi)油茶種植面積超過440萬hm2，年產(chǎn)油茶籽油約60萬噸，油茶是國內(nèi)栽培面積最大、分布最廣的經(jīng)濟(jì)樹種之一。
2、在生產(chǎn)上，油茶普遍存在花多果少、座果率低等現(xiàn)象。導(dǎo)致這一現(xiàn)象的重要原因是油茶具有后期自交不親和性（late-acting?self-incompatibility，lsi）的特性，即自交花粉管雖然能穿過花柱，但最終停留在子房，無法到達(dá)胚囊釋放精子，完成雙受精。因此，絕大多數(shù)品種自花授粉結(jié)實率低，在生產(chǎn)上必須合理配置授粉樹或在花期采取人工輔助授粉措施，才能獲得預(yù)期的產(chǎn)量和品質(zhì)。項目組前期通過植物顯微觀察、多組學(xué)等技術(shù)確定了油茶lsi?是自交花粉管的程序性死亡（programmed?cell?death，pcd）的過程，其中脫落酸（abscisic?acid，aba）、水楊酸（salicylic?acid，sa）、茉莉酸（jasmonic?acid，ja）、吲哚乙酸（indole?acetic?acid，iaa）、赤霉素（gibberellic?acid，ga3）、細(xì)胞分裂素（cytokinin，ctk）等多種激素參與其中。因此，為探明植物激素在油茶花粉管生長過程中的具體作用，項
3、其中，以花粉管的萌發(fā)率和萌發(fā)長度作為參考指標(biāo)，確定不同激素對油茶花粉管生長的影響效果。為計算油茶花粉管的萌發(fā)率和萌發(fā)長度，采用顯微鏡對各處理下的花粉管生長狀態(tài)進(jìn)行觀察，并拍照。為了數(shù)據(jù)的均一性，同一處理需要采集至少?5?個視野，每個視野中所統(tǒng)計花粉數(shù)量不少于?30?個。目前的實驗方法是使用imagej軟件的cell?counter工具獲取油茶花粉萌發(fā)率數(shù)據(jù)，使用imagej軟件的折線標(biāo)記功能獲取油茶花粉管的像素長度，并根據(jù)比例尺換算為實際長度獲取萌發(fā)長度數(shù)據(jù)。通常來說顯微鏡的視野較小，且油茶花粉粒眾多，花粉管長度較長，所以圖像的處理與分析包含著大量且枯燥的重復(fù)性勞動，極大地占用了科研人員的研究時間，拖慢研究進(jìn)度。因此迫切需要一種高效、準(zhǔn)確的方法來統(tǒng)計離體油茶花粉萌發(fā)率和萌發(fā)長度。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)提供了一種統(tǒng)計離體油茶花粉萌發(fā)率和萌發(fā)長度的方法及系統(tǒng)，解決采集油茶花粉管萌發(fā)后圖像處理繁瑣、工作量大等技術(shù)問題。通過采取深度學(xué)習(xí)的方案，使用人工智能技術(shù)自動檢測、分割花粉管顯微圖像，從而獲取花粉離體培養(yǎng)后的萌發(fā)率與萌發(fā)長度數(shù)據(jù)。
2、為了解決上述技術(shù)問題，本專利技術(shù)所采用的技術(shù)方案是：
3、第一方面，提供一種統(tǒng)計離體油茶花粉萌發(fā)率和萌發(fā)長度的方法，包括：
4、s1，采集油茶花粉并離體培養(yǎng)，獲取油茶花粉管的顯微圖像，將顯微圖像分為訓(xùn)練圖像和待測圖像；
5、s2，對訓(xùn)練圖像采取不同的標(biāo)注方式進(jìn)行處理，得到用于統(tǒng)計萌發(fā)率的檢測標(biāo)簽及用于統(tǒng)計萌發(fā)長度的分割標(biāo)簽；
6、s3，使用標(biāo)注后的訓(xùn)練圖像、檢測標(biāo)簽和分割標(biāo)簽訓(xùn)練得到用于檢測和分割的人工智能模型；
7、s4，將待測圖像輸入用于檢測和分割的人工智能模型中，得到已萌發(fā)的花粉粒數(shù)量、未萌發(fā)的花粉粒數(shù)量及萌發(fā)花粉管像素長度，根據(jù)已萌發(fā)的花粉粒數(shù)量和未萌發(fā)的花粉粒數(shù)量得到花粉粒計數(shù)結(jié)果，根據(jù)萌發(fā)花粉管像素長度計算得到萌發(fā)花粉管真實長度；
8、s5，根據(jù)花粉粒計數(shù)結(jié)果及萌發(fā)花粉管真實長度，測定并統(tǒng)計油茶花粉的萌發(fā)率和萌發(fā)長度。
9、進(jìn)一步的，步驟s1，采集油茶花粉并離體培養(yǎng)，獲取油茶花粉管的顯微圖像，將顯微圖像分為訓(xùn)練圖像和待測圖像，包括：
10、s11，采集油茶花粉并在低溫下保存；
11、s12，將油茶花粉播撒在配制有油茶體外花粉懸浮培養(yǎng)液的花粉培養(yǎng)皿中，充分混勻后置于恒溫培養(yǎng)箱中避光培養(yǎng)；
12、s13，將當(dāng)前花粉培養(yǎng)皿置于顯微鏡下，調(diào)整顯微鏡的焦距，使得當(dāng)前花粉培養(yǎng)皿中的花粉粒和花粉管能夠在顯微鏡下清晰成像，移動當(dāng)前花粉培養(yǎng)皿進(jìn)行多個視野的拍攝，直至采集當(dāng)前花粉培養(yǎng)皿所有中心區(qū)域的顯微圖像；
13、s14，更換未完成拍攝的花粉培養(yǎng)皿，重復(fù)步驟s13，采集完成所有花粉培養(yǎng)皿的顯微圖像；
14、s15，將所有花粉培養(yǎng)皿的顯微圖像進(jìn)行有序存放，隨機(jī)選擇將顯微圖像劃分為訓(xùn)練圖像和待測圖像。
15、進(jìn)一步的，步驟s2，對訓(xùn)練圖像采取不同的標(biāo)注方式進(jìn)行處理，得到用于統(tǒng)計萌發(fā)率的檢測標(biāo)簽及用于統(tǒng)計萌發(fā)長度的分割標(biāo)簽，包括：
16、s21，采用圖像標(biāo)注軟件對訓(xùn)練圖像中的花粉粒，使用矩形框工具進(jìn)行框選標(biāo)注，分別設(shè)置未萌發(fā)的花粉粒的標(biāo)簽類別和已萌發(fā)的花粉粒的標(biāo)簽類別，得到用于統(tǒng)計萌發(fā)率的檢測標(biāo)簽；
17、s22，采用圖像標(biāo)注軟件對訓(xùn)練圖像中的花粉管，使用多邊形工具進(jìn)行包圍標(biāo)注，分別設(shè)置成像清晰且未與其他花粉管交叉的花粉管的標(biāo)簽類別normal、成像清晰且與其他花粉管交叉的花粉管的標(biāo)簽類別cross、成像不清晰或長至鏡頭焦距外的花粉管的標(biāo)簽類別error，得到分割標(biāo)簽。
18、進(jìn)一步的，步驟s3，使用標(biāo)注后的訓(xùn)練圖像、檢測標(biāo)簽和分割標(biāo)簽訓(xùn)練得到用于檢測和分割的人工智能模型，包括：
19、s31，構(gòu)建用于統(tǒng)計花粉萌發(fā)率的萌發(fā)率檢測模型；
20、s32，使用標(biāo)注后的訓(xùn)練圖像和檢測標(biāo)簽輸入萌發(fā)率檢測模型中進(jìn)行訓(xùn)練，保存最好的檢測模型權(quán)重用于輸出花粉管的檢測結(jié)果；
21、s33，構(gòu)建用于統(tǒng)計花粉管長度的實例分割模型；
22、s34，使用標(biāo)注后的訓(xùn)練圖像和分割標(biāo)簽輸入實例分割模型中進(jìn)行訓(xùn)練，保存最好的分割模型權(quán)重用于輸出花粉管的分割結(jié)果；
23、s35，隨機(jī)選取部分待測圖像，輸入步驟s32和步驟s34中訓(xùn)練好的模型中，得到新的檢測標(biāo)簽和新的分割標(biāo)簽；根據(jù)新的檢測標(biāo)簽和新的分割標(biāo)簽調(diào)整檢測標(biāo)簽和分割標(biāo)簽之后，繼續(xù)送入步驟s32和步驟s34中的模型進(jìn)行訓(xùn)練；
24、s36，重復(fù)執(zhí)行步驟s35，直到萌發(fā)率檢測模型和實例分割模型達(dá)到預(yù)設(shè)模型性能，得到用于檢測和分割的人工智能模型。
25、進(jìn)一步的，步驟s4，將待測圖像輸入用于檢測和分割的人工智能模型中，得到已萌發(fā)的花粉粒數(shù)量、未萌發(fā)的花粉粒數(shù)量及萌發(fā)花粉管像素長度，根據(jù)已萌發(fā)的花粉粒數(shù)量和未萌發(fā)的花粉粒數(shù)量得到花粉粒計數(shù)結(jié)果，根據(jù)萌發(fā)花粉管像素長度計算得到萌發(fā)花粉管真實長度，包括：
26、s41，將待測圖像輸入用于檢測和分割的人工智能模型中，得到待測圖像的目標(biāo)檢測標(biāo)簽和目標(biāo)分割標(biāo)簽；
27、s42，對目標(biāo)檢測標(biāo)簽和目標(biāo)分割標(biāo)簽按照預(yù)置標(biāo)簽規(guī)范進(jìn)行篩選；
28、s本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點】
1.一種統(tǒng)計離體油茶花粉萌發(fā)率和萌發(fā)長度的方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的統(tǒng)計離體油茶花粉萌發(fā)率和萌發(fā)長度的方法，其特征在于，所述步驟S1，采集油茶花粉并離體培養(yǎng)，獲取油茶花粉管的顯微圖像，將所述顯微圖像分為訓(xùn)練圖像和待測圖像，包括：
3.根據(jù)權(quán)利要求1所述的統(tǒng)計離體油茶花粉萌發(fā)率和萌發(fā)長度的方法，其特征在于，所述步驟S2，對所述訓(xùn)練圖像采取不同的標(biāo)注方式進(jìn)行處理，得到用于統(tǒng)計萌發(fā)率的檢測標(biāo)簽及用于統(tǒng)計萌發(fā)長度的分割標(biāo)簽，包括：
4.根據(jù)權(quán)利要求3所述的統(tǒng)計離體油茶花粉萌發(fā)率和萌發(fā)長度的方法，其特征在于，所述步驟S3，使用標(biāo)注后的所述訓(xùn)練圖像、所述檢測標(biāo)簽和所述分割標(biāo)簽訓(xùn)練得到用于檢測和分割的人工智能模型，包括：
5.根據(jù)權(quán)利要求4所述的統(tǒng)計離體油茶花粉萌發(fā)率和萌發(fā)長度的方法，其特征在于，所述步驟S4，將所述待測圖像輸入所述用于檢測和分割的人工智能模型中，得到已萌發(fā)的花粉粒數(shù)量、未萌發(fā)的花粉粒數(shù)量及萌發(fā)花粉管像素長度，根據(jù)所述已萌發(fā)的花粉粒數(shù)量和所述未萌發(fā)的花粉粒數(shù)量得到花粉粒計數(shù)結(jié)果，根據(jù)所述萌發(fā)花粉管像素長度計
6.一種統(tǒng)計離體油茶花粉萌發(fā)率和萌發(fā)長度的系統(tǒng)，其特征在于，包括：
7.根據(jù)權(quán)利要求6所述的統(tǒng)計離體油茶花粉萌發(fā)率和萌發(fā)長度的系統(tǒng)，其特征在于，所述顯微圖像采集模塊，包括：
8.根據(jù)權(quán)利要求6所述的統(tǒng)計離體油茶花粉萌發(fā)率和萌發(fā)長度的系統(tǒng)，其特征在于，所述顯微圖像標(biāo)注處理模塊，包括：
9.根據(jù)權(quán)利要求8所述的統(tǒng)計離體油茶花粉萌發(fā)率和萌發(fā)長度的系統(tǒng)，其特征在于，所述模型訓(xùn)練模塊，包括：
10.根據(jù)權(quán)利要求9所述的統(tǒng)計離體油茶花粉萌發(fā)率和萌發(fā)長度的系統(tǒng)，其特征在于，所述基于人工智能模型的計算模塊，包括：
...【技術(shù)特征摘要】
1.一種統(tǒng)計離體油茶花粉萌發(fā)率和萌發(fā)長度的方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的統(tǒng)計離體油茶花粉萌發(fā)率和萌發(fā)長度的方法，其特征在于，所述步驟s1，采集油茶花粉并離體培養(yǎng)，獲取油茶花粉管的顯微圖像，將所述顯微圖像分為訓(xùn)練圖像和待測圖像，包括：
3.根據(jù)權(quán)利要求1所述的統(tǒng)計離體油茶花粉萌發(fā)率和萌發(fā)長度的方法，其特征在于，所述步驟s2，對所述訓(xùn)練圖像采取不同的標(biāo)注方式進(jìn)行處理，得到用于統(tǒng)計萌發(fā)率的檢測標(biāo)簽及用于統(tǒng)計萌發(fā)長度的分割標(biāo)簽，包括：
4.根據(jù)權(quán)利要求3所述的統(tǒng)計離體油茶花粉萌發(fā)率和萌發(fā)長度的方法，其特征在于，所述步驟s3，使用標(biāo)注后的所述訓(xùn)練圖像、所述檢測標(biāo)簽和所述分割標(biāo)簽訓(xùn)練得到用于檢測和分割的人工智能模型，包括：
5.根據(jù)權(quán)利要求4所述的統(tǒng)計離體油茶花粉萌發(fā)率和萌發(fā)長度的方法，其特征在于，所述步驟s4，將所述待測圖像輸入...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：周俊琴，王瑢，程曦航，盧夢琪，袁軍，
申請(專利權(quán))人：中南林業(yè)科技大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。