基于深度学习的棉花花药识别和检测技术研究
作者单位：作物遗传改良国家重点实验室/华中农业大学
会议名称：《第十九届中国作物学会学术年会》
会议日期：2020年
学科分类：082804[工学-农业电气化与自动化] 08[工学] 0828[工学-农业工程] 09[农学] 0901[农学-作物学]
摘 要：全球气候变暖使得高温天气变得频繁,而植物的生殖器官对环境变化非常敏感,逆境胁迫造成的生殖器官发育异常是作物产量下降的一个重要原因。前人的研究发现,雄性生殖器官对于逆境胁迫的敏感程度远远高于雌性生殖器官。高温下会导致棉花花粉活性降低、以及花药不开裂。所以快速准确获取棉花花药的数量以及是否开裂的表型对棉花的抗胁迫高产育种具有重要意义。本研究使用510份不同品种的棉花材料,种植在不同的环境,在开花期对其花药开裂使用RGB成像手段对棉花花药进行拍照。结合深度学习的方法,使用改进Cascade R-CNN对棉花花药进行检测,其m AP(平均精度)可达0.65以上,平均数量准确度可达92%。同时,为了解决深的神经网络在小物体分类上的些许缺陷,本研究使用稍浅的基于Resnet18的Imagenet网络对检测的花药目标进行单独分类,分类结果的Top-1精度可达95%以上。处理一张图片只需要2 s,并能够快速精准地获取花药表型数据。本研究使用深度学习技术快速精准获取表型数据后,结合已获得的重测序数据作全基因组关联分析,用正向遗传学手段寻找与花药开裂相关的候选功能基因。这对解析棉花对于高温胁迫的反应机制及高温胁迫影响雄性生殖器官发育的分子机理有重要的科学意义和价值。