使用谷穗高維形態(tài)估算谷子穗粒重的方法研究

蔡燦超+杜金哲+李宗遠+楊錦忠

摘 要：

從谷子穗粒重與谷穗高維形態(tài)關(guān)系的角度，分析谷子穗長、穗粗、穗側(cè)面積、穗體積與谷子穗粒重的關(guān)系。利用圖像處理技術(shù)采集 9個谷子品種的果穗幾何特征，分析穗粒重對谷穗幾何特征的回歸，并分別與穗長、穗粗、穗側(cè)面積、穗體積組合建立直線回歸方程。4種幾何特征與穗粒重的回歸方程的決定系數(shù)分別為：穗長在0.0786～0.7842之間，穗粗在0.2686～0.7894之間，穗側(cè)面積在0.5705～0.9176之間，穗體積在0.5527～0.9057之間。穗側(cè)面積和穗體積是反映谷穗形態(tài)的兩個重要性狀，能夠高精度預(yù)測穗粒重。

關(guān)鍵詞：谷穗;圖像處理;穗粒重估算;穗體積;穗面積

中圖分類號：S515.01 ?文獻標識號：A ?文章編號：1001-4942（2015）06-0012-04

New Method to Estimate Spike Grain Weight of

Millet Using High-Dimensional Forms of Spikes

Cai Canchao，Du Jinzhe，Li Zongyuan，Yang Jinzhong*

（Qingdao Agricultural University / Shandong Provincial Key Laboratory of Dry Farming Techniques， Qingdao 266109， China）

Abstract The relationships between millet grain weight and high-dimensional forms， including the length， diameter， side area and volume of spikes，were examined. The spike geometric features of 9 millet varieties were collected using image processing technology， and the spike grain weight regressed respectively to the 4 spike geometric features to establish their linear equations. The determination coefficients of 4 linear equations were 0.0786～0.7842 for the spike length， 0.2686～0.7894 for the spike diameter， 0.5705～0.9176 for the spike side area， 0.5527～0.9057 for the spike volume respectively. The side area and volume of spikes were 2 important traits of millet， and could be used to accurately predict the spike grain weight of millet.

Key words Millet spike; Image processing; Spike grain weight estimation; Spike volume; Spike area

谷子產(chǎn)量等于單位土地面積上全部果穗的籽粒重量之和，穗粒重的潛力則受到穗幾何特征的制約。因此，由谷穗的幾何特征估算谷子穗粒重具有重要價值。然而諸如谷物的穗體積、穗形狀等三維空間的幾何特征，長期以來由于難以測定，它們的變化規(guī)律及其與穗粒重的數(shù)量關(guān)系，很少有文獻報道，只是在玉米、小麥和水稻等方面已經(jīng)成功應(yīng)用[1～5]。但是近年來，數(shù)字圖像處理技術(shù)已經(jīng)成功用于測定不規(guī)則實物的形態(tài)性狀[1]，解決了高維幾何特征的測量難題。本試驗在以數(shù)字圖像處理技術(shù)為手段測量谷穗形態(tài)性狀基礎(chǔ)上，重點研究谷子穗粒重與穗長、穗粗、穗側(cè)面積、穗體積的數(shù)量關(guān)系，以便為谷子的栽培和育種實踐提供有價值的信息。

1 材料與方法

1.1 供試材料

試驗于2013年在青島農(nóng)業(yè)大學試驗農(nóng)場進行，參試谷子品種共有9個，分別為：魯谷10號、豫谷4號、豫谷1號、滄谷4號、濟谷12號、麥谷1號、矮88、冀谷19和衡谷200131。成熟后每個品種收獲20個代表性谷穗備用。

1.2 谷穗形態(tài)測量

使用CCD掃描儀獲取谷穗的RGB圖像，應(yīng)用自行開發(fā)的圖像處理軟件測量谷穗的長度、粗度、側(cè)面積和體積。該軟件在文獻[6，7]的基礎(chǔ)上針對谷穗進行了專用性改進。穗長指谷穗拉平直后的穗主軸長度，穗粗指垂直于穗主軸的最大處直徑，穗側(cè)面積為谷穗拉平直后外周輪廓所包圍面積，穗體積指谷穗拉平直后外周輪廓所包圍空間的體積。

1.3 數(shù)據(jù)分析

分別以穗長、穗粗、穗側(cè)面積和穗體積共4種幾何特征為自變量，以穗粒重為因變量進行直線回歸分析。運用Microsoft Excel 2007進行數(shù)據(jù)計算、作圖以及回歸統(tǒng)計。受篇幅所限，僅列出豫谷1號的散點圖和回歸直線。

2 結(jié)果與分析

2.1 穗長與穗粒重的關(guān)系分析

從表1中可以看出，穗長與穗粒重回歸方程的決定系數(shù)在0.0786～0.7842之間，其中麥谷1號的回歸方程決定系數(shù)最低，R2 = 0.0786，豫谷1號的較高，R2=0.7495。說明穗長能夠解釋穗粒重變化的7.86%～78.42%。顯著性P值在1.66E-11～1.20E-01之間。豫谷1號穗長與穗粒重的直線擬合效果一般（圖1）。endprint

圖1 豫谷1號穗長與穗粒重的直線擬合

2.2 穗粗與穗粒重的關(guān)系

從表2中可以看出，谷穗粗與穗粒重回歸方程的決定系數(shù)在0.2686～0.7894之間，其中矮88的回歸方程決定系數(shù)最低，R2=0.2686，冀谷

表1 各品種穗長與穗粒重的

回歸方程、決定系數(shù)及顯著性

品種回歸方程決定系數(shù)R2 ? ? ?顯著性P值

矮88y=0.1459x-7.8110.67713.40E-09

冀谷19y=0.1809x-16.0490.78421.66E-11

衡谷200131y=0.0512x+0.24710.48056.69E-05

滄谷4號y=0.0586x-0.80310.54336.28E-06

濟谷12號y=0.1632x-14.1710.35522.00E-03

麥谷1號y=0.0476x+4.11210.07861.20E-01

魯谷10號y=0.2176x-14.9560.66744.72E-08

豫谷4號y=0.1065x-6.52980.56364.48E-08

豫谷1號y=0.1405x-6.45360.74951.58E-10

19的最高，R2=0.7894。說明穗粗能夠解釋穗粒重變化的26.86%～78.94%。顯著性P值在1.15E-11～2.38E-03之間。豫谷1號穗粗與穗粒重的直線擬合效果一般（圖2）。

圖2 豫谷1號穗粗與穗粒重的直線擬合

表2 ?各品種穗粗與穗粒重的回歸方程、

決定系數(shù)及顯著性

品種回歸方程決定系數(shù)R2 ? ? ?顯著性P值

矮88y=0.6043x-2.15210.26862.38E-03

冀谷19y=1.4308x-15.6310.78941.15E-11

衡谷200131y=0.7744x-5.13060.35003.62E-04

滄谷4號y=0.8351x-6.16790.44103.41E-05

濟谷12號y=1.4643x-19.5750.52093.13E-06

麥谷1號y=0.6279x-2.87410.48379.96E-06

魯谷10號y=1.738x-18.1440.62297.96E-08

豫谷4號y=0.921x-9.70990.48938.39E-06

豫谷1號y=1.2744x-13.1010.7488 1.65E-10

2.3 穗側(cè)面積與穗粒重的關(guān)系

從表3中可以看出，穗側(cè)面積與穗粒重回歸方程的決定系數(shù)在0.5705～0.9176之間，其中滄谷4號回歸方程的決定系數(shù)最低，R2=0.5705，豫谷1號的最高，R2=0.9176。說明穗側(cè)面積能夠解釋穗粒重變化的57.05%～91.76%。顯著性P值在8.18E-18～5.84E-07之間。豫谷1號穗側(cè)面積與穗粒重的直線擬合效果較好（圖3）。

圖3 豫谷1號穗側(cè)面積與穗粒重的直線擬合

表3 ?各品種穗側(cè)面積與穗粒重的

回歸方程、決定系數(shù)及顯著性

品種回歸方程決定系數(shù)R2 ? ? ?顯著性P值

矮88y=0.0055x-2.43130.7953 7.45E-12

冀谷19y=0.0062x-4.40230.8429 1.37E-13

衡谷200131y=0.0039x+0.39500.6587 1.74E-08

滄谷4號y=0.0031x+1.16370.5705 5.84E-07

濟谷12號y=0.0082x-11.69000.7735 3.44E-11

麥谷1號y=0.0052x-1.81160.6474 2.86E-08

魯谷10號y=0.0088x-5.08790.7695 4.48E-11

豫谷4號y=0.0044x-2.38800.6657 1.27E-08

豫谷1號y=0.0056x-2.39310.9176 8.18E-18

2.4 穗體積與穗粒重的關(guān)系

從表4中可以看出，穗體積與穗粒重回歸方程的決定系數(shù)在0.5527～0.9057之間，其中滄谷4號回歸方程的決定系數(shù)最低，R2=0.5527，豫谷1號的最高，R2=0.9057。說明穗體積能夠解釋穗粒重變化的55.27%～90.57%。顯著性P值在6.25E-17～1.09E-06之間。豫谷1號穗體積與穗粒重的直線擬合效果較好（圖4）。

表4 各品種穗體積與穗粒重的

回歸方程、決定系數(shù)及顯著性

品種回歸方程決定系數(shù)R2顯著性P值

矮88y=0.0003x+1.71250.7405 2.71E-10

冀谷19y=0.0003x+1.08430.8318 3.85E-13

衡谷200131y=0.0003x+1.32190.7014 2.27E-09

滄谷4號y=0.0002x+2.52850.5527 1.09E-06

濟谷12號y=0.0004x-3.58440.8179 1.27E-12

麥谷1號y=0.0002x+2.51910.7099 1.47E-09endprint

魯谷10號y=0.0005x+0.35150.7883 1.24E-11

豫谷4號y=0.0002x+0.69310.6715 9.70E-09

豫谷1號y=0.0003x+1.19350.9057 6.25E-17

3 討論與結(jié)論

果穗大小有 3 種幾何維數(shù)：長度和粗度是一

圖4 豫谷1號穗體積與穗粒重的直線擬合

維特征，面積是二維特征，體積是三維特征。穗長和穗粗容易測定[8，9]，實際應(yīng)用很多 ，但是，穗的二、三維特征卻比較罕見，目前可見在玉米上的應(yīng)用[2]。本研究得到的谷穗形態(tài)數(shù)據(jù)可以用于谷子種質(zhì)資源評價、遺傳和育種、谷穗脫粒機械設(shè)計等領(lǐng)域。

決定系數(shù)R2是將線性相關(guān)系數(shù)進行平方得到的，而相關(guān)系數(shù)是用以反映變量之間相關(guān)關(guān)系密切程度的統(tǒng)計指標[10]。通過分析谷子的穗長、穗粗、穗側(cè)面積、穗體積與穗粒重的回歸方程的決定系數(shù)，可以看出，考察單一谷穗大小特征對穗粒重的作用，穗側(cè)面積和穗體積等高維特征的作用明顯高于穗長和穗粗等一維特征。方差分析是生物統(tǒng)計中常采用的一種方法[11]，通過谷子穗長、穗粗、穗側(cè)面積、穗體積與穗粒重的方差分析中的顯著性，可以看出，穗側(cè)面積和穗體積等高維特征與穗粒重的顯著性關(guān)系明顯高于穗長和穗粗等一維特征。通過谷穗形態(tài)快速測量技術(shù)可以輕而易舉地獲取谷穗的高維幾何特征，配合使用本研究獲得的高精度預(yù)測穗粒重方法，可望在未來實現(xiàn)由谷子幾何特征估算谷子穗粒重的自動化。本研究僅是9個品種的結(jié)果，繼續(xù)擴大谷子品種范圍進行驗證，將為本研究成果的推廣應(yīng)用奠定更為扎實的基礎(chǔ)。

谷穗側(cè)面積和穗體積等高維幾何特征對穗粒重的作用明顯大于穗長和穗粗等一維幾何特征。穗側(cè)面積和穗體積是反映谷穗形態(tài)的兩個重要性狀，能夠高精度預(yù)測穗粒重的變化。在栽培和育種實踐中，無論是谷穗生長診斷，還是變異選擇，首選的幾何特征應(yīng)該是穗體積，穗面積次之，穗長和穗粗再次之。這為谷穗生長診斷和籽粒產(chǎn)量的間接選擇提供了新的更優(yōu)的途徑。

參 考 文 獻：

[1]?趙春明，韓仲志，楊錦忠，等. 玉米果穗 DUS 性狀測試的圖像處理應(yīng)用研究[J]. 中國農(nóng)業(yè)科學，2009，42（11）：4100-4105.

[2] 楊錦忠，張洪生，趙延明，等. 玉米穗粒重與果穗三維幾何特征關(guān)系的定量研究[J].中國農(nóng)業(yè)科學，2010，43（21）：4367-4374.

[3] 于經(jīng)川，劉兆曄，馬淑麗，等. 小麥上三葉與穗粒重關(guān)系的研究[J]. 萊陽農(nóng)學院學報： ? ? 自然科學版，2006，23（1）：116-118.

[4] 成東梅，彭濤，高燕，等. 高產(chǎn)小麥旗葉與穗粒重關(guān)系的研究[J]. 安徽農(nóng)業(yè)科學，2007， ?35（36）：11798-11799.

[5] 李淑芳，李玉發(fā)，王鳳華，等. 粳稻劍葉與穗粒重關(guān)系的研究[J]. 吉林農(nóng)業(yè)科學，2004， ? 29（5）：9-11.

[6] 張曉宇，楊錦忠. 數(shù)字圖像處理在玉米發(fā)芽試驗中的應(yīng)用研究[J]. 玉米科學，2005， 13（2）：109-111.

[7] 楊錦忠，郝建平，杜天慶，等. 玉米圖像處理技術(shù)及其評價初探[J]. 青島農(nóng)業(yè)大學學報：自然科學版，2009，26（3）：246-249.

[8] 姜盼，張彬，畢昆. 基于圖像處理的小麥穗長測量[J]. 中國傳媒大學學報：自然科學版，2010，17（4）：69-73.

[9] 畢昆，姜盼，李磊，等. 基于形態(tài)學圖像處理的麥穗形態(tài)特征無損測量[J]. 農(nóng)業(yè)工程學報，2010，26（12）：212-216.

[10]李秀敏，江衛(wèi)華. 相關(guān)系數(shù)與相關(guān)性度量[J]. 數(shù)學的實踐與認識，2006，36（12）：188-192.

[11]高忠江，施樹良，李鈺. SPSS方差分析在生物統(tǒng)計中的應(yīng)用[J]. 現(xiàn)代生物醫(yī)學進展， ? 2008，8（11）：2116-2119.endprint