全文总字数：5705字
[摘要]：传统的植物叶片表型信息采集方法存在样本量小、效率低、误差大、适应性差等缺点，无法适应大批量、快速、准确、无损的表型测量要求。随着现代化、智能化农林装备的发展，学者们希望在大批量植株中挖掘物种功能多样性、比较品种性能及植株对环境的响应，以获取表型性状之间的关联，基因、环境与表型之间的关系等。图像采集与分析技术是突破植物叶片表型信息获取瓶颈的有效手段，利用图像采集与分析技术对植物叶片进行监测，从而在短时间内获取较多的表型参数，为植物的生长管理提供技术指导。本次设计特色在于开发一套用于表型信息采集的自动化成像平台，利用图像采集与分析技术对植物叶片进行监测，从而在短时间内获取较多的表型参数，为植物的生长管理提供技术指导。
关键词：机器视觉 植物表型 自动化成像平台 图像采集与分析
- 课题研究目的和意义
传统的植物表型状态监测方法存在很多缺陷，比如操作不够灵活，监测精度较低，缺乏时效性等等。植物表型是指植株个体或群体在特定生长条件下所表现出的可观察的形态特征，如性状、结构、大小和颜色等。植物表型是农林业生产实践过程中的重要影响因素，但由于其本身的复杂性和动态变化，导致表型研究技术发展相对滞后[1]。
机器视觉系统是一种非接触式的光学传感系统，它同时集成软硬件，能够自动地从所采集到的图像中获取信息或者产生控制动作。在很多不方便进行人为操作的情况下，常用机器视觉来替代人工视觉[2]。同时在工作量较大的植物监测环节，由于存在人的主观作用，人工视觉检查的质量效率低且精度不高 ，因此用机器视觉来进行监测不仅能够很大地消除不必要的误差，同时也能够提高林业自动化的水平[3]。一个基于机器视觉的植物表型监测系统不仅可以检测设施内植物的叶片面积、叶片周长、茎杆直径、叶柄夹角等外部生长参数，还可以根据果实表面颜色及果实大小判别其成熟度以及植物缺水缺肥等情况。通过监测和分析，能够及时让种植者发现植物生长过程中出现的病害或压力，而且能够指导植物灌溉的精确用水量[4]。
- 国内外研究现状
植物表型研究始于20世纪末，其核心是获取高质量、可重复的性状数据，进而量化分析基因型和环境互作效应及其对产量、质量、抗逆等相关性状的影响。相对于单一性状，植物表型组能为植物研究提供全面的科学证据。特别是伴随着基因组学的快速发展，表型组学的理论基础和研究方法在过去10年间得到了极大的完善。
2.1国内研究现状
我国作为林业大国，目前许多研究者已经在大量文献资料中说明了植物表型监测在林业上的应用，如植物表型监测在性状挖掘、水分胁迫、植物病虫害、高通量筛选、化学筛选、分子育种等领域中均得到发展。
南玉龙等人[5]基于低成本超声波传感器搭建了一套植物冠层超声回波信号检测系统，建立了基于圆柱面叶片分布模型的量化测试台。通过超声波传感器探测植物冠层特征信息（直径、体积、密度、叶面积指数和叶面积密度等）。为获取超声波回波包络信号，设计了一套由超声波传感器、单片机控制板、电源转接板、CH340模块、计算机、数据采集卡等组成的超声波回波信号检测系统，通过搭建的密度监测系统以及超声波采集的数据，根据密度计算方法顺利计算出了室外环境下桂树的冠层密度，如图1所示。
