CN113994885A - 一种杂交玉米制种节本去杂去雄保纯的方法 - Google Patents
一种杂交玉米制种节本去杂去雄保纯的方法 Download PDFInfo
- Publication number
- CN113994885A CN113994885A CN202111360324.2A CN202111360324A CN113994885A CN 113994885 A CN113994885 A CN 113994885A CN 202111360324 A CN202111360324 A CN 202111360324A CN 113994885 A CN113994885 A CN 113994885A
- Authority
- CN
- China
- Prior art keywords
- corn
- hybrid
- plant
- tassel
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 235000002017 Zea mays subsp mays Nutrition 0.000 title claims abstract description 133
- 240000008042 Zea mays Species 0.000 title claims abstract description 132
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 title claims abstract description 122
- 235000005822 corn Nutrition 0.000 title claims abstract description 122
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000004321 preservation Methods 0.000 title claims description 12
- 239000012535 impurity Substances 0.000 title abstract description 14
- 241000196324 Embryophyta Species 0.000 claims abstract description 145
- 235000016383 Zea mays subsp huehuetenangensis Nutrition 0.000 claims abstract description 10
- 235000009973 maize Nutrition 0.000 claims abstract description 10
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 claims abstract description 5
- 241001057636 Dracaena deremensis Species 0.000 claims description 43
- 238000012549 training Methods 0.000 claims description 30
- 238000013527 convolutional neural network Methods 0.000 claims description 19
- 238000005286 illumination Methods 0.000 claims description 17
- 239000003086 colorant Substances 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 10
- 241000482268 Zea mays subsp. mays Species 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000009331 sowing Methods 0.000 claims description 3
- 208000003643 Callosities Diseases 0.000 abstract description 3
- 206010020649 Hyperkeratosis Diseases 0.000 abstract description 3
- 210000005069 ears Anatomy 0.000 abstract description 2
- 238000010899 nucleation Methods 0.000 abstract description 2
- 238000005457 optimization Methods 0.000 description 6
- 239000010977 jade Substances 0.000 description 3
- 238000009395 breeding Methods 0.000 description 2
- 230000001488 breeding effect Effects 0.000 description 2
- 235000013339 cereals Nutrition 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 230000009418 agronomic effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000035784 germination Effects 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000008774 maternal effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000003147 molecular marker Substances 0.000 description 1
- 230000010152 pollination Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000010153 self-pollination Effects 0.000 description 1
- 230000007103 stamina Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01H—NEW PLANTS OR NON-TRANSGENIC PROCESSES FOR OBTAINING THEM; PLANT REPRODUCTION BY TISSUE CULTURE TECHNIQUES
- A01H1/00—Processes for modifying genotypes ; Plants characterised by associated natural traits
- A01H1/02—Methods or apparatus for hybridisation; Artificial pollination ; Fertility
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01H—NEW PLANTS OR NON-TRANSGENIC PROCESSES FOR OBTAINING THEM; PLANT REPRODUCTION BY TISSUE CULTURE TECHNIQUES
- A01H1/00—Processes for modifying genotypes ; Plants characterised by associated natural traits
- A01H1/04—Processes of selection involving genotypic or phenotypic markers; Methods of using phenotypic markers for selection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Genetics & Genomics (AREA)
- Biomedical Technology (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Botany (AREA)
- Developmental Biology & Embryology (AREA)
- Environmental Sciences (AREA)
- Breeding Of Plants And Reproduction By Means Of Culturing (AREA)
Abstract
本发明涉及一种杂交玉米制种节本去杂去雄保纯的方法,根据父本和母本的种植生育期特点以及父母本开花时间调整播种期,使母本吐丝期和父本雄穗散粉期相遇;分别在制种玉米父母本定苗后、拔节后及抽雄前利用玉米杂株识别模型进行杂株识别,并清除杂株;在母本抽雄期,利用玉米雄穗识别模型识别雄穗,并拔除已抽出的雄穗;重复进行清除母本中未去除干净的雄穗植株,确保在母本抽雄后散粉前100%去除母本雄穗;本发明在玉米制种过程中,减轻人工去杂和母本去雄的劳动强度,不受人为因素影响,提高杂交玉米种子纯度。
Description
技术领域
本发明属于农业技术领域,尤其是涉及杂交玉米制种去雄保纯的方法领域。
背景技术
玉米是世界上最主要的农作物之一,也是杂种优势利用最成功的农作物。优良的玉米杂交种是玉米高产优质的重要遗传基础,杂交种的纯度是种子质量好坏的衡量标准之一,是确保杂种优势充分发挥的重要前提,玉米为自花授粉作物,去雄是杂交制种最重要的工作之一,故在杂交玉米制种过程中需要严格去除杂株,特别是母本的严格去雄保纯;杂交制种田间的纯度控制是伴随整个制种过程的,当前去杂和母本去雄还是以人工去除方式为主,主要包括苗期在父母本4-5叶时通过幼苗叶色、叶形等性状判断;抽雄前根据父母本的株高、茎秆粗细等农艺性状判断并去除杂株以及为了达到优质合格的杂交种纯度,所有母本行的雄穗必须在散粉或抽丝前及时彻底清除干净,因此制种田每次去雄必须做到去雄1次,复查2次,这样的工作要连续坚持15-20天,劳动强度大,需要大量的劳动力,且需要有对玉米杂株识别的经验,不同人由于观察角度不同、杂株识别能力不同等均会影响到去杂的效果,故人工去杂、去雄方法都会导致种子纯度超标风险变大,种子生产成本变高,尤其是母本去雄不彻底累计散粉率超过1%时会导致制种田种子质量不合格致报废;提高种子的纯度,不仅可以充分发挥杂种优势,还可以加快新品种的推广进程,提高农业生产中的产量,因此研究与解决种子纯度问题具有任重而道远的意义。
发明内容
为了解决上述问题,本发明通过克服现有制种过程人工去雄难度大及去雄不彻底问题,提供了一种杂交玉米制种智能化快速节本去杂去雄保纯的方法。
本发明通过以下技术方案来实现上述目的:
一种杂交玉米制种节本去杂去雄保纯的方法,包括以下步骤;
步骤S1:根据父本和母本的种植生育期特点以及父母本开花时间调整播种期,使母本吐丝期和父本雄穗散粉期相遇;
步骤S2:分别在制种玉米父母本定苗后、拔节后及抽雄前利用玉米杂株识别模型进行杂株识别,并清除杂株;
步骤S3:在母本抽雄期,利用玉米雄穗识别模型识别雄穗,并拔除已抽出的雄穗;
步骤S4、重复进行步骤S3,确保在母本抽雄后散粉前100%去除母本雄穗。
作为本发明的进一步优化方案,所述步骤S2中玉米杂株识别模型进行杂株识别的具体步骤包括:
步骤S21、利用无人机搭载CCD摄像机拍摄田间玉米植株,生成实时视频流数据;
步骤S22、从实时视频流数据中采集玉米植株图像,并将玉米植株图像通过杂株识别模型进行识别,检测图像中是否有杂株;
步骤S23、若检测到杂株时,输出杂株在图像中的位置坐标,否则返回步骤S22继续进行杂株检测;其中,杂株的位置坐标包括植株分布的行和列位置信息。
作为本发明的进一步优化方案,所述步骤S3中通过玉米雄穗识别模型进行雄穗识别的具体步骤包括:
步骤S31、利用无人机搭载CCD摄像机拍摄田间玉米植株,生成实时视频流数据;
步骤S32、从实时视频流数据中采集玉米植株图像,并将玉米植株图像通过玉米雄穗识别模型进行识别,检测图像中是否有玉米雄穗;
步骤S33、若检测到玉米雄穗时,输出该玉米雄穗在图像中的位置坐标,否则返回步骤S32继续进行玉米雄穗检测。
作为本发明的进一步优化方案,从实时视频流数据中采集玉米植株图像后,先对玉米植株图像利用RETINEX算法进行预处理,用于消除环境光照的影响。
作为本发明的进一步优化方案,所述玉米杂株识别模型和玉米雄穗识别模型均采用卷积神经网络进行构建,且该卷积神经网络采用YOLOV3网络。
作为本发明的进一步优化方案,通过卷积神经网络构建玉米杂株识别模型具体包括以下步骤;
A1、采集玉米田间的玉米植株标本图像,包括正常玉米植株图像和玉米杂株图像;
A2、对采集的植株图像进行预处理,利用RETINEX算法消除环境光照影响,并删除拍摄效果差的异常图像;
A3、使用标注工具在图像中用矩形框选取植株区域,标注正常植株和杂株的位置坐标,利用标注后的图像数据制作训练集;
A4、利用制作的训练集对卷积神经网络进行训练,生成玉米杂株识别模型。
作为本发明的进一步优化方案,步骤A1中的玉米杂株包括苗期杂株和拔节后抽雄前杂株,其中,苗期杂株为颜色不同、叶鞘颜色不同、叶形不同的幼苗植株;拔节后抽雄前杂株包括株型不同、株高不同、茎杆粗细不同、叶形不同、叶色不同、叶片大小不同、开张角度不同、雄穗分枝数不同、生长速差异大的植株。
作为本发明的进一步优化方案,所述步骤S2中,清除杂株采用杂株清除装置进行机械清除,在获取到杂株在图像中的位置坐标后,将位置坐标传输给杂株清除装置,杂株清除装置行进至玉米杂株位置处,识别玉米杂株并进行清除。
作为本发明的进一步优化方案,所述步骤S3中,拔除已抽出的雄穗采用杂株清除装置进行机械拔除,在获取到抽雄母本的位置坐标后,将位置坐标传输给杂株清除装置,杂株清除装置行进至抽雄母本位置处,识别玉米雄穗并进行机械拔除
本发明的有益效果在于:
1)本发明在玉米制种过程中,减轻人工去杂和母本去雄的劳动强度,不受人为因素影响,提高杂交玉米种子纯度;
2)机械化程度高,显著降低了杂交玉米制种的劳动力成本,利于提高良种质量,保障粮食生产安全。
附图说明
图1是本发明的玉米杂株识别流程图;
图2是本发明的玉米杂株识别模型训练流程图;
图3是本发明的玉米雄穗识别流程图;
图4是本发明的玉米雄穗识别模型训练流程图;
图5是本发明的杂株清除装置结构示意图;
具体实施方式
下面结合附图对本申请作进一步详细描述,有必要在此指出的是,以下具体实施方式只用于对本申请进行进一步的说明,不能理解为对本申请保护范围的限制,该领域的技术人员可以根据上述申请内容对本申请作出一些非本质的改进和调整。
如图1至图5所示的一种杂交玉米制种节本去杂去雄保纯的方法;包括以下步骤:
步骤S1:根据父本和母本的种植生育期特点以及父母本开花时间调整播种期,使母本吐丝期和父本雄穗散粉期相遇;
步骤S2:分别在制种玉米父母本定苗后、拔节后及抽雄前利用玉米杂株识别模型进行杂株识别,并清除杂株;
步骤S3:在母本抽雄期,利用玉米雄穗识别模型识别雄穗,并拔除已抽出的雄穗;
步骤S4、重复进行步骤S3,利用玉米雄穗识别模型识别雄穗去除情况,清除母本中未去除干净的雄穗植株,确保在母本抽雄后散粉前的2-4天内100%去除母本雄穗;
具体的,上述步骤S2中玉米杂株识别模型进行杂株识别的具体步骤包括:步骤S21、利用无人机搭载CCD摄像机拍摄田间玉米植株,生成实时视频流数据;
步骤S22、从实时视频流数据中采集玉米植株图像,先对采集的玉米植株图像进行补偿处理,针对不同季节和天气条件下环境光照的剧烈变化对图像的影响,利用RETINEX算法消除光照的非均性,保持图像亮度和颜色的一致性,使采集的图像在不同光照环境下具有较好的稳定性;然后将玉米植株图像通过杂株识别模型进行识别,检测图像中是否有杂株;
步骤S23、若检测到杂株时,输出杂株在图像中的位置坐标,否则返回步骤S22继续进行杂株检测;其中,杂株的位置坐标包括植株分布的行和列位置信息;
同时,步骤S3中通过玉米雄穗识别模型进行雄穗识别的具体步骤包括:
步骤S31、利用无人机搭载CCD摄像机拍摄田间玉米植株,生成实时视频流数据;
步骤S32、从实时视频流数据中采集玉米植株图像,并将玉米植株图像通过玉米雄穗识别模型进行识别,检测图像中是否有玉米雄穗;同理,在进行识别之前也利用RETINEX算法消除光照的非均性,保持图像亮度和颜色的一致性;
步骤S33、若检测到玉米雄穗时,输出该玉米雄穗在图像中的位置坐标,否则返回步骤S32继续进行玉米雄穗检测;
进一步的,玉米杂株识别模型采用卷积神经网络进行构建,且该卷积神经网络采用YOLOV3网络,其准确率和运行速度均较高,再通过设置多个候选窗对网络进行优化,可有效提高对植株大小变化的适应能力;
通过卷积神经网络构建玉米杂株识别模型具体包括以下步骤;
A1、采集玉米田间的玉米植株标本图像,包括正常玉米植株图像和玉米杂株图像;其中,玉米杂株分为苗期杂株和拔节后抽雄前杂株,苗期杂株为颜色不同、叶鞘颜色不同、叶形不同的幼苗植株,拔节后抽雄前杂株包括株型不同、株高不同、茎杆粗细不同、叶形不同、、叶色不同、叶片大小不同、开张角度不同、雄穗分枝数不同、生长速差异大的植株;采集图像时,分别在玉米生长的苗期和拔节后抽雄前,利用无人机在植株上方与地面成一定角度(30-90度)拍摄;
各生育期需要采集的样本图像如下表:
A2、对采集的植株图像进行预处理,利用RETINEX算法消除环境光照影响,并删除拍摄效果差的异常图像;对采集的玉米植株图像进行补偿处理,针对不同季节和天气条件下环境光照的剧烈变化对图像的影响,利用RETINEX算法消除光照的非均性,保持图像亮度和颜色的一致性,使采集的图像在不同光照环境下具有较好的稳定性,确保最终训练集的可靠性;
A3、使用标注工具在图像中用矩形框选取植株区域,标注正常植株和杂株的位置坐标,利用标注后的图像数据制作训练集;
A4、利用制作的训练集对卷积神经网络进行训练,生成玉米杂株识别模型;
此外,玉米雄穗识别模型也采用卷积神经网络进行构建,不同的是,在进行构建玉米雄穗识别模型过程中,
B1、先采集玉米田间的玉米植株标本图像,具体包括玉米未抽雄植株和玉米雄穗植株的样本图像;
B2、对采集的植株图像进行预处理,利用RETINEX算法消除环境光照影响,并删除拍摄效果差的异常图像;
B3、标注玉米雄穗的位置,利用标注后的图像制作训练集;
B4、利用训练集对网络进行训练,生成玉米雄穗识别模型;
此外,当玉米杂株识别模型识别出杂株后,清除杂株采用杂株清除装置进行机械清除,在获取到玉米杂株在图像中的位置坐标后,将位置坐标传输给杂株清除装置,杂株清除装置行进至玉米杂株位置处,识别玉米杂株并进行清除;具体的,该清除装置包括可移动平台,可移动平台的底部设有行走组件,该行走组件可以采用行走轮或履带,优选的,该行走组件采用履带,便于清除装置在田间行走;在可移动平台的前端设有摄像机,在可移动平台的中部设有至少一个机械臂,其中,该机械臂采用多自由度机械臂便于同时进行两组清除工作,提升工作效率;在机械臂的端部上设有植株粉碎装置,植株粉碎装置包括用于粉碎杂株的粉碎刀体和设于粉碎刀体下方的抓手;使用时,当杂株清除装置行进到标记的杂株位置处,利用抓手将杂株固定抓住,此时玉米植株的杆部会伸至粉碎刀体处,然后通过粉碎刀体逐步将杂株粉碎;
在母本抽雄期,当玉米雄穗识别模型识别出母本抽雄后,采用杂株清除装置拔除母本已抽出的雄穗,在获取到抽雄玉米植株在图像中的位置坐标后,将位置坐标传输给杂株清除装置,杂株清除装置行进至抽雄玉米植株位置处,识别已抽出的玉米雄穗并进行拔除雄穗;具体使用时,当杂株清除装置行进到标记的抽雄玉米植株位置处,利用抓手将雄穗固定抓住,此时雄穗会伸至粉碎刀体处,然后通过粉碎刀体将雄穗拔除并粉碎;
实施例一
本实施例中用到的杂交玉米种子为杂交玉米品种“全玉1233”及其父本“512”,母本“533”。
一、材料种植
2021年4月于玉米制种基地分别对“全玉1233”的父本“512”和母本“533”进行直播播种,种植于2个田块(田块A和田块B,面积均为2000平方米):其中父本“512”于4月17日播种;母本“533”于4月15日播种;父母本同田种植(父本1行:母本7行),行株距50cm×19cm。田块A为对照田块,杂交制种过程中采用人工去杂及去雄方法提高制种纯度;田块B为利用本发明方法去除杂株提高制种纯度。
二、定苗后至开花期杂株快速识别并清除
1、田块B于5月18日父本“533”定苗,5月17日母本“512”定苗,定苗后通过无人机搭载CCD摄像机距离地面1.5米-2米高度、与地面垂直或成一定角度(30-90度)拍摄田间玉米苗期植株,生成实时视频流数据;从实时视频流数据中采集一张玉米苗期图像;采集苗期样本图像包含有正常植株和杂株;杂株是指叶片颜色、叶鞘颜色、叶形与正常幼苗有明显差异的杂株。
对玉米苗期图像进行预处理,对采集的玉米植株图像进行补偿处理,针对不同季节和天气条件下环境光照的剧烈变化对图像的影响,利用RETINEX算法消除环境光照的影响,主要为利用RETINEX算法消除光照的非均性,保持图像亮度和颜色的一致性,使采集的图像在不同光照环境下具有较好的稳定性;
将图像输入杂株识别模型(通过训练卷积神经网络生成杂株识别模型:采集玉米田间的玉米植株标本图像,包括正常植株和杂株(幼苗颜色不同、叶鞘颜色不同、叶形不同的幼苗)样本图像;对采集的植株图像进行预处理,利用RETINEX算法消除环境光照影响,并删除拍摄效果差的异常图像;标注正常植株和杂株的位置,利用标注后的图像制作训练集;定义所用的卷积神经网络,利用训练集对网络进行训练;训练结束后,生成杂株识别模型),检测图像中是否有杂株,当检测到杂株时,输出杂株在图像中的位置坐标,最终显示杂株的位置,并与玉米生产技术专家进行杂株的相关性符合,确定为杂株;自走式智能杂株识别与清除机根据杂株的行列位置自动移至杂株处,利用自走式智能杂株识别与清除机侧壁的玉米单株自动粉碎设备粉碎杂株并清除。
2、田块B在拔节后大喇叭口时期6月25日、抽雄前7月5日两次通过无人机搭载CCD摄像机距离地面3米-4米高度、与地面垂直或成一定角度(30-90度)拍摄田间玉米植株,生成实时视频流数据;从实时视频流数据中采集一张玉米植株图像;采集玉米样本图像包含有正常植株和杂株。杂株是指株型、株高、茎杆粗细、叶形、叶色、叶片大小、开张角度、雄穗分枝数等与正常植株有明显差异的杂株。
对玉米植株图像进行预处理,对采集的玉米植株图像进行补偿处理,针对不同季节和天气条件下环境光照的剧烈变化对图像的影响,利用RETINEX算法消除环境光照的影响,主要为利用RETINEX算法消除光照的非均性,保持图像亮度和颜色的一致性,使采集的图像在不同光照环境下具有较好的稳定性;
将图像输入杂株识别模型(通过训练卷积神经网络生成杂株识别模型:采集玉米田间的玉米植株标本图像,包括正常植株和杂株(株型、株高、茎杆粗细、叶形、叶色、叶片大小、开张角度、雄穗分枝数等与正常植株有明显差异的杂株)样本图像;对采集的植株图像进行预处理,利用RETINEX算法消除环境光照影响,并删除拍摄效果差的异常图像;标注正常植株和杂株的位置,利用标注后的图像制作训练集;定义所用的卷积神经网络,利用训练集对网络进行训练;训练结束后,生成杂株识别模型。),检测图像中是否有杂株,当检测到杂株时,输出杂株在图像中的位置坐标,最终显示杂株的位置,并与玉米生产技术专家进行杂株的相关性符合,确定为杂株;杂株清除装置根据杂株的行列位置自动移至杂株处,利用杂株清除机侧壁的粉碎设备粉碎杂株并清除;
3、田块B在母本“533”自7月10日至7月17日抽雄期,连续每天上午和下午利用无人机搭载CCD摄像机距离地面3米-4米高度、与地面垂直或成一定角度(30-90度)拍摄田间玉米植株,生成实时视频流数据,从实时视频流数据中采集一张玉米图像,对玉米图像进行预处理,利用RETINEX算法消除环境光照的影响,将图像输入玉米雄穗识别模型(通过训练卷积神经网络生成,包括采集玉米田间的玉米植株标本图像,包括玉米未抽雄植株和玉米雄穗植株的样本图像,对采集的植株图像进行预处理,利用RETINEX算法消除环境光照影响,并删除拍摄效果差的异常图像,标注玉米雄穗的位置,利用标注后的图像制作训练集,定义所用的卷积神经网络,利用训练集对网络进行训练,训练结束后,生成玉米雄穗识别模型),检测图像中是否有玉米雄穗,当检测到玉米雄穗时,识别玉米雄穗的长短和雄穗去除情况,输出玉米雄穗在图像中的位置坐标,利用杂株清除装置的对抽出3-5厘米的雄穗进行清除除,或将检测到未拔除干净的雄穗粉碎并清除。
田块A在上述各个时期采用人工去杂方法清除杂株,在母本抽雄期通过人工去雄方法去雄。
父本“512”授粉结束后将其割除。
三、纯度鉴定
对应上述田块A和田块B玉米成熟期间分别收获杂交种“全玉1233”,随机抽取“全玉1233”种子发芽,随机取发芽一周后的384株叶片抽提DNA,进行室内SSR分子标记鉴定纯度,得出田块A的384株中有8株杂株(6株串粉株和2株母本),制种纯度为97.9%;田块B的384株中有2株杂株(串粉株),制种纯度为99.5%。
以上实施例表明,本发明方法相比较于人工去杂方法可提高制种纯度,实现全程机械化智能化操作,降低劳动力成本进而降低制种成本。
本发明在玉米制种过程中,减轻人工去杂和母本去雄的劳动强度,不受人为因素影响,提高杂交玉米种子纯度;并且机械化程度高,显著降低了杂交玉米制种的劳动力成本,利于提高良种质量,保障粮食生产安全。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (9)
1.一种杂交玉米制种节本去杂去雄保纯的方法,其特征在于:包括以下步骤;
步骤S1:根据父本和母本的种植生育期特点以及父母本开花时间调整播种期,使母本吐丝期和父本雄穗散粉期相遇;
步骤S2:分别在制种玉米父母本定苗后、拔节后及抽雄前利用玉米杂株识别模型进行杂株识别,并清除杂株;
步骤S3:在母本抽雄期,利用玉米雄穗识别模型识别雄穗,并拔除已抽出的雄穗;
步骤S4、重复进行步骤S3,确保在母本抽雄后散粉前100%去除母本雄穗。
2.根据权利要求1所述的一种杂交玉米制种节本去杂去雄保纯的方法,其特征在于:所述步骤S2中玉米杂株识别模型进行杂株识别的具体步骤包括:
步骤S21、利用无人机搭载CCD摄像机拍摄田间玉米植株,生成实时视频流数据;
步骤S22、从实时视频流数据中采集玉米植株图像,并将玉米植株图像通过杂株识别模型进行识别,检测图像中是否有杂株;
步骤S23、若检测到杂株时,输出杂株在图像中的位置坐标,否则返回步骤S22继续进行杂株检测;其中,杂株的位置坐标包括植株分布的行和列位置信息。
3.根据权利要求2所述的一种杂交玉米制种节本去杂去雄保纯的方法,其特征在于:所述步骤S3中通过玉米雄穗识别模型进行雄穗识别的具体步骤包括:
步骤S31、利用无人机搭载CCD摄像机拍摄田间玉米植株,生成实时视频流数据;
步骤S32、从实时视频流数据中采集玉米植株图像,并将玉米植株图像通过玉米雄穗识别模型进行识别,检测图像中是否有玉米雄穗;
步骤S33、若检测到玉米雄穗时,输出该玉米雄穗在图像中的位置坐标,否则返回步骤S32继续进行玉米雄穗检测。
4.根据权利要求2或3所述的一种杂交玉米制种节本去杂去雄保纯的方法,其特征在于:从实时视频流数据中采集玉米植株图像后,先对玉米植株图像利用RETINEX算法进行预处理,用于消除环境光照的影响。
5.根据权利要求4所述的一种杂交玉米制种节本去杂去雄保纯的方法,其特征在于:所述玉米杂株识别模型和玉米雄穗识别模型均采用卷积神经网络进行构建,且该卷积神经网络采用YOLOV3网络。
6.根据权利要求5所述的一种杂交玉米制种节本去杂去雄保纯的方法,其特征在于:通过卷积神经网络构建玉米杂株识别模型具体包括以下步骤;
A1、采集玉米田间的玉米植株标本图像,包括正常玉米植株图像和玉米杂株图像;
A2、对采集的植株图像进行预处理,利用RETINEX算法消除环境光照影响,并删除拍摄效果差的异常图像;
A3、使用标注工具在图像中用矩形框选取植株区域,标注正常植株和杂株的位置坐标,利用标注后的图像数据制作训练集;
A4、利用制作的训练集对卷积神经网络进行训练,生成玉米杂株识别模型。
7.根据权利要求6所述的一种杂交玉米制种节本去杂去雄保纯的方法,其特征在于:所述A1中的玉米杂株包括苗期杂株和拔节后抽雄前杂株,其中,苗期杂株为颜色不同、叶鞘颜色不同、叶形不同的幼苗植株;拔节后抽雄前杂株包括株型不同、株高不同、茎杆粗细不同、叶形不同、叶色不同、叶片大小不同、开张角度不同、雄穗分枝数不同、生长速差异大的植株。
8.根据权利要求7所述的一种杂交玉米制种节本去杂去雄保纯的方法,其特征在于:所述步骤S2中,清除杂株采用杂株清除装置进行机械清除,在获取到杂株在图像中的位置坐标后,将位置坐标传输给杂株清除装置,杂株清除装置行进至玉米杂株位置处,识别玉米杂株并进行清除。
9.根据权利要求7所述的一种杂交玉米制种节本去杂去雄保纯的方法,其特征在于:所述步骤S3中,拔除已抽出的雄穗采用杂株清除装置进行机械拔除,在获取到抽雄母本的位置坐标后,将位置坐标传输给杂株清除装置,杂株清除装置行进至抽雄母本位置处,识别玉米雄穗并进行机械拔除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111360324.2A CN113994885A (zh) | 2021-11-17 | 2021-11-17 | 一种杂交玉米制种节本去杂去雄保纯的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111360324.2A CN113994885A (zh) | 2021-11-17 | 2021-11-17 | 一种杂交玉米制种节本去杂去雄保纯的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113994885A true CN113994885A (zh) | 2022-02-01 |
Family
ID=79929478
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111360324.2A Pending CN113994885A (zh) | 2021-11-17 | 2021-11-17 | 一种杂交玉米制种节本去杂去雄保纯的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113994885A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114766347A (zh) * | 2022-04-26 | 2022-07-22 | 新疆荣耀九天科技有限公司 | 一种玉米抽雄作业的目标三维位置获取方法 |
CN116098055A (zh) * | 2023-04-13 | 2023-05-12 | 北京市农林科学院智能装备技术研究中心 | 玉米去雄除弱机器人及利用其进行去雄除弱的方法 |
CN116098056A (zh) * | 2023-04-13 | 2023-05-12 | 北京市农林科学院智能装备技术研究中心 | 玉米去雄巡检机器人及利用其进行去雄的方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101313664A (zh) * | 2008-07-07 | 2008-12-03 | 丹东登海良玉种业有限公司 | 一种玉米杂交种良玉88号的生产方法 |
CN106359074A (zh) * | 2016-08-24 | 2017-02-01 | 张掖市农业科学研究院 | 一种两母夹一父的玉米制种方法 |
CN111837593A (zh) * | 2020-07-24 | 2020-10-30 | 安徽农业大学 | 一种新型基于机器视觉和卷积神经网络算法的前胡除草机 |
-
2021
- 2021-11-17 CN CN202111360324.2A patent/CN113994885A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101313664A (zh) * | 2008-07-07 | 2008-12-03 | 丹东登海良玉种业有限公司 | 一种玉米杂交种良玉88号的生产方法 |
CN106359074A (zh) * | 2016-08-24 | 2017-02-01 | 张掖市农业科学研究院 | 一种两母夹一父的玉米制种方法 |
CN111837593A (zh) * | 2020-07-24 | 2020-10-30 | 安徽农业大学 | 一种新型基于机器视觉和卷积神经网络算法的前胡除草机 |
Non-Patent Citations (2)
Title |
---|
吴多瑛: "提高玉米杂交制种种子质量的技术措施", 《农业工程技术》 * |
朱红艳: "伊犁玉米机械化去雄杂交制种技术", 《上海蔬菜》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114766347A (zh) * | 2022-04-26 | 2022-07-22 | 新疆荣耀九天科技有限公司 | 一种玉米抽雄作业的目标三维位置获取方法 |
CN116098055A (zh) * | 2023-04-13 | 2023-05-12 | 北京市农林科学院智能装备技术研究中心 | 玉米去雄除弱机器人及利用其进行去雄除弱的方法 |
CN116098056A (zh) * | 2023-04-13 | 2023-05-12 | 北京市农林科学院智能装备技术研究中心 | 玉米去雄巡检机器人及利用其进行去雄的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113994885A (zh) | 一种杂交玉米制种节本去杂去雄保纯的方法 | |
CN1018516B (zh) | 杂交水稻生产的改良途径 | |
CN108235904B (zh) | 一种早熟棉品种的种性保持和原种生产方法 | |
CN110073968A (zh) | 一种高油耐盐花生的快速培育方法 | |
CN104472157A (zh) | 一种黄秋葵新品种的培育方法 | |
KR20220082952A (ko) | 작물 이미지 빅데이터를 이용한 영농 자동화 시스템 | |
CN110119901A (zh) | 一种芦笋种植综合管理平台及其管理办法 | |
CN103155772B (zh) | 一种油用向日葵新葵19号恢复系654r的繁殖方法 | |
CN112005876B (zh) | 一种利用棉花核不育杂交种选育抗病虫优质棉品种的方法 | |
CN112119907A (zh) | 一种洋葱全不育制种方法 | |
CN116391615A (zh) | 一种小麦品种的新型育种方法 | |
CN106718850A (zh) | 一种甜瓜杂交种的育种方法 | |
CN115119746B (zh) | 一种抗倒伏水稻不育系的筛选与鉴定方法及其在育种中的应用 | |
CN110915450A (zh) | 一种选育高产文冠果品系的方法 | |
CN101861828B (zh) | 一种菠萝杂交方法 | |
CN114140702A (zh) | 一种杂交水稻制种田去除杂株提高制种纯度的方法 | |
Begho et al. | Some observations on the fruit set and incidence of mistletoes on rubber trees in Nigeria. | |
Ilbi et al. | The effects of different truss-vibration durations on pollination and fruit set of greenhouse grown tomatoes | |
CN111264379A (zh) | 一种便于人工授粉的粉蕉栽培方法 | |
Genaidy et al. | Increase the economic value of the jojoba (Simmondsia chinensis) yield using evaluation of distinctive clones grown under the Egyptian environmental conditions. | |
CN105638451A (zh) | 一种耐低温弱光海阳白黄瓜雌性系的选育方法及其应用 | |
CN117158307A (zh) | 一种多穗新品系杂交育种技能 | |
CN116349600B (zh) | 一种燕麦不剪颖杂交方法及应用 | |
CN111990248B (zh) | 一种培育观赏矮秆甘蔗新种质的育种方法 | |
Németh | Parasitic production of ergot alkaloids |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220201 |