一种花椰菜花球一二级花梗表型量化检测方法及系统

本发明属于智慧农业，具体涉及一种花椰菜花球一二级花梗表型量化检测方法及系统。

背景技术：

1、花椰菜是重要的十字花科蔬菜作物，花球为其主要商品器官。花球的形态、分枝结构和色泽等表型性状与品种选育及商品品质评价密切相关。花球背面花梗结构能够反映花球发育状态、分枝紧密程度以及不同品种间的形态差异，花球色泽也是评价其外观品质的重要指标。因此，对花椰菜花球花梗表型参数进行客观、快速的量化分析，对花椰菜表型研究和品种选育具有重要意义。

2、传统的花椰菜花梗表型测量多依赖人工观察、手工测量和人工记录。该类方法虽然操作简单，但存在主观性强、测量效率低、重复性差等问题。当样品数量较大时，人工测量不仅耗时耗力，而且容易受到操作者经验、测量角度和记录方式的影响，难以满足大规模品种筛选和高通量表型分析的需求。

3、随着数字图像处理和计算机视觉技术的发展，利用图像分析方法量化植物表型参数逐渐成为农业领域研究的重要方向。现有方法通常通过图像阈值分割、边缘检测、轮廓提取等方式获取目标区域，并进一步计算面积、周长、长度、宽度等形态参数。然而，花椰菜花球背面花梗结构复杂，存在分枝交错、粘连、遮挡和层级不清等现象，传统图像处理方法容易受到背景干扰、光照变化和目标边界模糊的影响，难以实现对单个花梗实例的精细化区分。

4、近年来，基于深度学习的目标检测和图像分割技术在农业图像识别领域得到了广泛应用。实例分割模型能够同时获得目标类别、位置和像素级掩膜信息，适用于复杂农业目标的分割识别任务。但现有植物表型分析方法更多集中于叶片、果实、根系或整株植株等对象，对于花椰菜花球背面花梗结构的实例识别和表型参数量化研究较少。尤其是在复杂粘连、交错花梗场景下，如何精准量化单个花梗的形态参数和颜色参数，仍然存在一定技术难点。

5、因此，构建一种能够实现花梗实例精准分割、形态参数与颜色参数准确量化、结果可视化导出的方法与系统是当前花椰菜表型分析和智慧育种领域亟待解决的技术问题。

技术实现思路

1、解决的技术问题

2、针对现有技术的不足，本发明提供了一种花椰菜花球一二级花梗表型量化检测方法及系统，能够快速实现花梗实例分割、形态参数与颜色参数精准量化，适用于植物表型分析、智慧农业等多个领域。

3、本发明的一种花椰菜花球一二级花梗表型量化检测方法，其包括如下步骤：

4、s1、选取不同自交系品种的花椰菜，在一致的生长环境下培育，并在花球成熟期采收待测样品；

5、s2、使用图像采集装置对花椰菜花球背面进行拍摄，得到花球背面rgb图像；

6、s3、对所拍摄花球rgb图像中的一级梗和二级梗进行实例轮廓标注并通过图像裁剪、数据集划分、数据增强和标注格式转换中的一种或多种预处理操作得到可用于模型训练的数据集；

7、s4、构建轻量化实例分割模型，利用所述花椰菜花球花梗专用数据集对所述轻量化实例分割模型进行训练，获得用于花梗实例分割的模型权重；

8、s5、将待测花球rgb图像输入加载有模型权重的轻量化实例分割模型，获取每个花椰菜样本单个实例的掩膜区域；基于图像的实例掩膜分别提取花梗形态参数和颜色参数，并基于颜色参数构建一级梗和二级梗的颜色量化模型；

9、s6、构建可视化交互平台，实现图像导入、图像预处理、模型离线推理、结果展示、表型参数量化与数据导出功能；

10、进一步地，在步骤s1中，在样品采收过程中，选择每个品种中花球完整、无明显机械损伤、花梗结构清晰的花椰菜作为待测样品，以提高后续图像采集和表型参数量化的可靠性；

11、进一步地，在步骤s2中，拍摄过程中固定相机拍摄倍数和拍摄距离，使图像采集装置的成像视场覆盖完整花椰菜花球背面区域，从而获得包含完整花梗结构的花球背面图像；

12、进一步地，在步骤s3中，标注过程中将每一可辨识花梗作为独立实例进行闭合轮廓标注，并对同一类型花梗采用一致的类别标签；

13、进一步地，在步骤s4中，实例分割模型为yolo11n实例分割模型。轻量化改进是将yolo11n实例分割模型的主干网络和颈部网络中的c3k2模块以及主干网络末端的c2psa模块替换为c3ghost模块；主干网络和颈部网络中用于生成p5尺度特征的标准卷积模块被替换为ghostconv模块；主干网络p5尺度特征的输出通道数设置为768；主干网络p1/2阶段和p2/4阶段的标准卷积模块被替换为smde细节增强模块；颈部网络的上采样模块被替换为动态上采样模块。通过上述方式，在降低模型参数量和权重文件大小的同时，尽量保持花椰菜一级梗和二级梗实例掩膜的分割精度；

14、进一步地，在步骤s5中，形态参数包括花梗长度、花梗宽度、长宽比、轮廓周长、轮廓面积共5项；颜色参数包括rgb颜色空间中r、g、b三个通道各自的均值和标准差共6项；hsv颜色空间中h通道的圆形均值和圆形标准差以及s、v通道各自的均值和标准差共6项；lab颜色空间中l、a、b及色度c各自的均值和标准差共8项；实例区域内各像素与实例中位lab颜色之间色差δe的均值和标准差共2项；归一化rgb分量r、g、b的均值共3项；以及r/g、r/b和g/b颜色通道比值的均值共3项；

15、在上述步骤中，基于形态参数，根据输入的参照物实际尺寸计算像素尺寸与实际尺寸之间的比例系数，利用比例系数将花梗长度、花梗宽度和轮廓周长换算为实际长度参数，将轮廓面积换算为实际面积参数；基于28项颜色参数，通过数据标准化、pca降维分析、隶属函数计算、归一化、0～100映射操作分别得到对应一级梗和二级梗的颜色量化模型。

16、本发明的一种花椰菜花球一二级花梗表型量化检测系统，用于实施上述任意一项的花椰菜花球一二级花梗表型量化检测方法，其包括：

17、图像采集装置：用于在固定拍摄距离和固定拍摄角度条件下采集花椰菜花球背面图像；

18、图像导入模块：用于导入花椰菜花球背面图像，并读取图像尺寸、图像格式和图像路径信息；

19、图像预处理模块：用于对采集到的花椰菜背面二维图像进行裁剪，保留花球前景部分并去除无关背景区域，得到待推理图像；

20、图像推理模块：用于加载实例分割模型权重文件，并对待推理图像进行离线推理，获得花椰菜花球花梗的实例分割结果，实例分割结果包括花梗实例掩膜、花梗轮廓、类别信息和置信度信息；

21、尺寸标定模块：用于根据参照物在图像中的像素尺寸和参照物的实际尺寸，计算像素尺寸与实际尺寸之间的比例系数；

22、表型参数提取、量化模块：用于根据花梗实例掩膜、花梗轮廓和比例系数提取并量化花椰菜花球花梗的表型参数，表型参数包括形态参数和颜色参数，其中形态参数包括花梗长度、花梗宽度、长宽比、轮廓面积和轮廓周长，颜色参数包括rgb颜色空间中r、g、b通道的均值和标准差共6项；hsv颜色空间中h通道的圆形均值和圆形标准差，以及s、v通道的均值和标准差共6项；lab颜色空间中l、a、b及色度c的均值和标准差共8项；实例掩膜区域内各像素相对于实例中位lab颜色的色差δe的均值和标准差共2项；归一化rgb分量r、g、b的均值共3项；以及r/g、r/b和g/b通道比值的均值共3项；

23、分割结果展示模块：用于显示原始图像、预处理图像、花梗实例掩膜图像、轮廓叠加图像以及表型参数量化结果；

24、数据导出模块：用于将实例分割结果、表型参数和尺寸标定结果导出为表格文件或图像文件；

25、可视化交互模块：用于实现图像导入、图像预处理、模型权重加载、模型离线推理、尺寸标定、结果展示、参数量化和数据导出的人机交互操作。

26、有益的技术效果

27、与现有技术相比，本发明具有以下有益效果：

28、（1）本发明针对花椰菜花球背面花梗结构复杂、花梗之间存在粘连和交错的问题，采用实例轮廓标注方式构建专用数据集，并基于实例分割模型实现花梗实例级分割，能够提高单个花梗识别和边界提取的准确性；

29、（2）本发明能够在花椰菜花梗数据集基础上获得适用于分割该特定对象的模型权重，提高对复杂花球背面花梗结构的分割适应性；

30、（3）本发明基于花梗实例掩膜自动量化花梗长度、花梗宽度、长宽比、轮廓面积、轮廓周长以及rgb、hsv和lab基础颜色特征等颜色参数，提高了表型参数量化效率和数据丰富度；

31、（4）本发明通过已知实际尺寸参照物建立像素尺寸与实际尺寸之间的比例关系，能够将像素单位下的长度、宽度、周长和面积参数换算为实际物理尺寸参数，提高不同样品之间表型数据的可比性和实用性；

32、（5）本发明通过可视化交互平台集成图像导入、图像预处理、模型离线推理、分割结果展示、表型参数量化和数据导出功能，减少多个软件之间的切换操作，提高系统的自动化程度和使用便利性；

33、（6）本发明在yolo11n实例分割模型的主干网络和颈部网络中引入ghost轻量化模块；主干网络p1、p2浅层替换为smde细节增强模块；颈部上采样替换为dynamic sampling动态采样模块。降低模型参数量和权重文件大小的同时，增强浅层细节特征提取能力并提高实例分割精度；

34、（7）本发明提出了针对花椰菜花梗的颜色量化模型，解决了传统颜色评级的困难、主观性强等问题。