CN105510362A - 基于微型ct的水稻分蘖性状无损测量装置及其测量方法 - Google Patents

Abstract

本发明公开了一种基于微型CT的水稻分蘖性状无损测量装置及其测量方法，本装置包括升降台、平移台以及载物旋转台等；本方法包括使用机械手将检测样品搬运至载物旋转台上等步骤。本发明由机械手完成搬运工作，通过微焦斑射线源、载物旋转台及平板探测器可以采集到检测样品的面阵列图像，再基于计算机***可以实现检测样品的断层重建图像，通过机器视觉技术同时获取水稻分蘖的分蘖数、茎粗、茎壁厚、髓腔面积、总面积、分蘖角度等分蘖性状。

Description

基于微型CT的水稻分蘖性状无损测量装置及其测量方法

技术领域

本发明涉及机器视觉检测技术领域，具体为一种基于微型CT的水稻分蘖性状无损测量装置及其测量方法。

背景技术

由于水稻抗倒伏问题是制约水稻增产的关键问题，同时随着水稻功能基因组及分子育种的飞速发展，需要在生物胁迫或土壤养分等不同的生长条件下进行表型性状鉴定，用***分析的方法把基因功能和表型性状联系起来，最终为每个基因进行功能注释。水稻茎秆对于水稻来说，起到了养分输送与抗倒伏的作用，而快速且精准的筛选出具有抗倒伏能力的品种，将直接关系到产量的提升及功能基因的确定，因此水稻分蘖性状的研究具有重要意义。

传统的水稻分蘖性状的测量手段主要依靠人工完成。利用量角器手动测量每根分蘖的角度(分蘖与水平面夹角)；手动选取单根分蘖，取倒一节，将分蘖剪断，利用游标卡尺测量外径长轴、短轴，再取长轴与短轴的平均值为茎粗，用游标卡尺测量4个不同方向的壁厚，取平均值为壁厚；再利用圆的面积公式，计算出髓腔面积和总面积。以上人工操作方法，存在检测效率低、有损离体测量、测量精度低、可重复性差等缺点。当一天测量成百上千株水稻，传统分蘖测量手段是无法完成的。

发明内容

本发明的目的是为了克服上述不足提供一种基于微型CT的水稻分蘖性状无损测量装置及其测量方法。

本发明由机械手完成搬运工作，通过微焦斑射线源、载物旋转台及平板探测器可以采集到检测样品的面阵列图像，再基于计算机***可以实现检测样品的断层重建图像，通过机器视觉技术同时获取水稻分蘖的分蘖数、茎粗、茎壁厚、髓腔面积、总面积、分蘖角度等分蘖性状。软件自动识别功能强大，能自动识别水稻分蘖茎秆，无需对叶片等杂质进行前期处理，软件兼容性好，易于与现有植物表型提取技术(可见光、近红外、红外成像等)相集成，对软件参数稍作调整后可以方便的应用于其它粮食作物的性状分析。而且PLC控制器、平板探测器、微焦斑射线源及计算机均基于LABVIEW编程平台研发自动控制程序，实现载物台旋转、图像采集、图像处理、性状提取及存储为一体。

附图说明

图1微型CT成像***装置示意图。

图2微型CT成像***技术流程图。

图3分蘖角度计算示意图。

图4水稻茎秆CT重建后的图像。

图5水稻茎秆处理后的图像。

图6CT***修正示意图

具体实施方式

下面结合附图及实施例进一步说明本发明。

实施例：本发明所述的基于微型CT的水稻分蘖性状无损测量装置，包括升降台5、平移台7以及载物旋转台6，其特征在于还包括微焦斑射线源3，用于提供稳定X射线束；平板探测器1，用于采集平面阵列图像；计算机4，用于接收、处理并输出信息；射线源冷却装置8，用于对微焦斑射线源3进行冷却；PLC控制器9，用于控制载物旋转台6启动停止的时间和步进角度；所述平板探测器1设置在升降台5的上表面，所述载物旋转台6设置在平移台7上，所述PLC控制器9的一端通过串口与计算机4进行通信交互，所述PLC控制器9的另一端与载物旋转台6相连。还包括机械手10，用于将检测样品2在指定位置与载物旋转台6之间进行来回搬运。

所述计算机4内置测量***，所述测量***包括：设备控制模块，用于通过计算机4发送指令给机械手10和PLC控制器9，控制机械手10完成搬运功能，控制PLC控制器9驱动载物旋转台6的伺服电机及驱动器，实现精确控制检测样品2的等间距间歇旋转。图像采集模块，每当检测样品2旋转一个角度后停止时，用于接收平板探测器1采集到的检测样品2图像，从而控制平板探测器1与载物旋转台6的协调运转。图像处理模块，用于对上述采集到的图像依次取同一行后组成正弦图，基于FBP算法进行断层图像重建，并对断层图像进行图像处理，最后将性状参数显示并存储。

一种基于微型CT的水稻分蘖性状无损测量方法包括以下步骤：

001、使用机械手10将检测样品2搬运至载物旋转台6上；

002、保持微焦斑射线源3与平板探测器1静止不动，通过PLC控制器9控制载物旋转台6等间距间歇旋转，以便易于精确控制检测样品2的角度；

003、平板探测器1在载物旋转台6间歇停止时采集图像并传输给计算机4；

004、待完成一株检测样品2的所有角度采集后，由计算机4中的测量***测量检测样品2的分蘖性状并存储，最后由机械手10将检测样品2放回指定位置。

所述步骤004中测量检测样品2的分蘖性状包括以下步骤：

041、用标准样品对微型CT成像***的各项性能参数指标进行测试，同时，确定***重建的各项参数。

042、在上述***各项性能参数标定完成的基础上，采集各个角度下的单个盆栽水稻投影图片，再选取同一高度下全角度线阵列图像并组成正弦图，基于FBP算法来获取质量较高的分蘖断层重建图像，FBP算法公式：

其中为图像分布函数，D为射线源到旋转中心的距离，r、分别为极坐标下的长度和角度，β为射线源和旋转中心连线与Y轴间的夹角，q(s)为投影函数，b(s)为卷积函数，S为检测器上与射线张角所对应的距离，

$S^{\′}=D\frac{rcos(\mathrm{\β}-\mathrm{\φ})}{D+rsin(\mathrm{\β}-\mathrm{\φ})}$

。基于FBP算法并结合偏移校准、增益校准等CT图像降噪技术来获取质量较高的分蘖断层重建图像，以解决水稻分蘖内部断层结构的精准重建问题，为水稻分蘖性状参数的准确提取提供必要前提。

043、上述基于FBP算法的分蘖断层重建过程可基于C语言编程实现，并通过标准样品进行效果测试和程序修正，最终编译成动态链接库(.dll)供LABVIEW调用。

所述步骤041中微型CT成像***的各项性能参数指标包括***空间放大倍率确定、视场FOV确定、***空间分辨率确定、***均一性测试、***密度分辨率测试、射线源发散角、射线源电压大小、射线源电流大小、投影旋转角度，中心点位置以及物体到射线源的距离。

所述步骤043中，针对分蘖断层重建图，由于分蘖结构近似为椭圆形态，基于分形维数和椭圆检测的茎秆识别技术，区分分蘖和杂散叶片，从而获取分蘖数这一性状参数；由于叶鞘中含有数目不等气腔，基于此利用特征提取和灰度图像分割可区分茎秆和附着在茎秆上叶鞘，并精准识别茎秆，从而获取茎粗与总面积性状参数；在茎秆识别的基础上，分别在两个不同高度的断层面取质心，投影到同一平面后，计算平面内两点的欧氏距离x，并且***已知两个断层面的垂直距离y，因此可以计算出分蘖角度α＝arctg(x/y)，从而获取分蘖角度这一性状参数；在茎秆识别的基础上，结合灰度图像分割，区分髓腔和茎壁，从而获取茎壁厚与髓腔面积性状参数。

CT***测量值修正如图6：***测量值所在平面为水平断层面，而人工测量值所在平面为轴断面，从而导致***测量值较实际值有个投影拉伸即测量值偏大，需要通过分蘖角度对***测量值进行修正。CT***测量值修正方法：将外径与壁厚的***测量值乘以修正因子2*sinα/(sinα+1)(其中α为CT***测量的分蘖角度)，将中空面积与总面积的***测量值乘以修正因子sinα。

(1)微型CT成像***的重复性检测

本实例选用的检测样品为8个标准塑料筒(7个相同，1个不同)，分散插在盆栽土壤中，选用的X射线电压为40KV，电流为1mA，微焦斑射线源与平板探测器距离为63cm，被检测样品与平板探测器距离为15cm，采集的图像张数为380张，步进旋转角度为0.6度。本实验共重复10次，以下数据均为平均值。对本实验所述的微型CT成像***进行重复性检测，检测评价标准为变异系数(变异系数＝标准偏差/平均值)，当变异系数小于10％时，则认为该***完全可接受。微型CT成像***各分蘖性状的变异系数如下表：

表1微型CT成像***各分蘖性状的变异系数

由上表可以看出，检测样品分蘖性状的变异系数均小于10％，则认为本发明所述微型CT成像***测量值重复性好，完全可接受。

(2)微型CT成像***测量分蘖性状的相对误差检测

对微型CT成像***实际测量分蘖性状的精准性做定性分析，评价标准为相对误差小于5％，实验数据同上述重复性检测实验。微型CT成像***测量值与人工测量值结果如下表：

表2微型CT成像***测量值与人工测量值结果(外径)

表3微型CT成像***测量值与人工测量值结果(壁厚)

表4微型CT成像***测量值与人工测量值结果(中空面积)

表5微型CT成像***测量值与人工测量值结果(总面积)

表6微型CT成像***测量值与人工测量值结果(分蘖角度)

由上述表格可见，除了标准件分蘖角度以外，其余4个参数(外径、壁厚、中空面积与总面积)的相对误差或平均相对误差均大于评价标准，需要对这4个性状参数进行修正。CT***测量值的参考平面为水平断层面，而实际人工测量值的参考平面为轴断面，与水平面的夹角为分蘖角度，需通过分蘖角度对***测量值进行修正。从数学关系可推导出外径与壁厚的修正因子：2*sinα/(sinα+1)(其中α为CT***测量的分蘖角度)，中空面积与总面积的修正因子：sinα。

(3)微型CT成像***测量分蘖性状修正后的相对误差检测

将上述表格中***测量值进行相对应的修正，评价标准为相对误差小于5％，实验数据同上述重复性检测实验。微型CT成像***修正后测量值与人工测量值结果如下表：

表7微型CT成像***修正后测量值与人工测量值结果(外径)

表8微型CT成像***修正后测量值与人工测量值结果(壁厚)

表9微型CT成像***修正后测量值与人工测量值结果(中空面积)

表10微型CT成像***修正后测量值与人工测量值结果(总面积)

表11微型CT成像***修正后测量值与人工测量值结果(分蘖角度)

上述分蘖性状(外径、壁厚、中空面积、总面积、分蘖角度)的***修正后测量值与人工测量值的平均相对误差均小于5％，且每个检测样品的相对误差也小于5％，这个相对误差是可以接受的。通过以上实验与分析，本发明所述微型CT成像***能保证测量的精准性。

Claims (7)

1.一种基于微型CT的水稻分蘖性状无损测量装置，包括升降台(5)、平移台(7)以及载物旋转台(6)，其特征在于还包括微焦斑射线源(3)，用于提供稳定X射线束；平板探测器(1)，用于采集平面阵列图像；计算机(4)，用于接收、处理并输出信息；射线源冷却装置(8)，用于对微焦斑射线源(3)进行冷却；PLC控制器(9)，用于控制载物旋转台(6)启动停止的时间和步进角度；所述平板探测器(1)设置在升降台(5)的上表面，所述载物旋转台(6)设置在平移台(7)上，所述PLC控制器(9)的一端通过串口与计算机(4)进行通信交互，所述PLC控制器(9)的另一端与载物旋转台(6)相连。

2.根据权利要求1所述的基于微型CT的水稻分蘖性状无损测量装置，其特征在于还包括机械手(10)，用于将检测样品(2)在指定位置与载物旋转台(6)之间进行来回搬运。

3.根据权利要求1所述的基于微型CT的水稻分蘖性状无损测量装置，其特征在于所述计算机(4)内置测量***，所述测量***包括：

设备控制模块，用于通过计算机(4)发送指令给机械手(10)和PLC控制器(9)，控制机械手(10)完成搬运功能，控制PLC控制器(9)驱动载物旋转台(6)的伺服电机及驱动器，实现精确控制检测样品(2)的等间距间歇旋转。

图像采集模块，每当检测样品(2)旋转一个角度后停止时，用于接收平板探测器(1)采集到的检测样品(2)图像，从而控制平板探测器(1)与载物旋转台(6)的协调运转。

图像处理模块，用于对上述采集到的图像依次取同一行后组成正弦图，基于FBP算法进行断层图像重建，并对断层图像进行图像处理，最后将性状参数显示并存储。

4.根据权利要求1-3中任意一项所述的基于微型CT的水稻分蘖性状无损测量装置，其测量方法包括以下步骤：

001、使用机械手(10)将检测样品(2)搬运至载物旋转台(6)上；

002、保持微焦斑射线源(3)与平板探测器(1)静止不动，通过PLC控制器(9)控制载物旋转台(6)等间距间歇旋转，以便易于精确控制检测样品(2)的角度；

003、平板探测器(1)在载物旋转台(6)间歇停止时采集图像并传输给计算机(4)；

004、待完成一株检测样品(2)的所有角度采集后，由计算机(4)中的测量***测量检测样品(2)的分蘖性状并存储，最后由机械手(10)将检测样品(2)放回指定位置。

5.根据权利要求4所述的基于微型CT的水稻分蘖性状无损测量方法.其特征在于所述步骤004中测量检测样品(2)的分蘖性状包括以下步骤：

041、用标准样品对微型CT成像***的各项性能参数指标进行测试，同时，确定***重建的各项参数。

042、在上述***各项性能参数标定完成的基础上，采集各个角度下的单个盆栽水稻投影图片，再选取同一高度下全角度线阵列图像并组成正弦图，基于FBP算法来获取质量较高的分蘖断层重建图像，FBP算法公式：

其中为图像分布函数，D为射线源到旋转中心的距离，r、分别为极坐标下的长度和角度，β为射线源和旋转中心连线与Y轴间的夹角，q(s)为投影函数，b(s)为卷积函数，S为检测器上与射线张角所对应的距离，

$S^{\′}=D\frac{rcos(\mathrm{\β}-\mathrm{\φ})}{D+rsin(\mathrm{\β}-\mathrm{\φ})}.$ 043、所述基于FBP算法的分蘖断层重建图像通过标准样品进行效果测试和修正，然后进行分蘖性状的测量与计算，最后将性状参数显示并存储。

6.根据权利要求5所述的基于微型CT的水稻分蘖性状无损测量方法.其特征在于所述步骤041中微型CT成像***的各项性能参数指标包括***空间放大倍率确定、视场FOV确定、***空间分辨率确定、***均一性测试、***密度分辨率测试、射线源发散角、射线源电压大小、射线源电流大小、投影旋转角度，中心点位置以及物体到射线源的距离。

7.根据权利要求5或6所述的基于微型CT的水稻分蘖性状无损测量方法.其特征在于所述步骤043中，针对分蘖断层重建图，由于分蘖结构近似为椭圆形态，基于分形维数和椭圆检测的茎秆识别技术，区分分蘖和杂散叶片，从而获取分蘖数这一性状参数；由于叶鞘中含有数目不等气腔，基于此利用特征提取和灰度图像分割可区分茎秆和附着在茎秆上叶鞘，并精准识别茎秆，从而获取茎粗与总面积性状参数；在茎秆识别的基础上，分别在两个不同高度的断层面取质心，投影到同一平面后，计算平面内两点的欧氏距离x，并且***已知两个断层面的垂直距离y，因此可以计算出分蘖角度α＝arctg(x/y)，从而获取分蘖角度这一性状参数；在茎秆识别的基础上，结合灰度图像分割，区分髓腔和茎壁，从而获取茎壁厚与髓腔面积性状参数。