一种基于花蕾尺寸和重量的可育株判别方法及系统与流程

本发明属于制种，尤其涉及一种基于花蕾尺寸和重量的可育株判别方法及系统。

背景技术：

1、在油菜育种过程中，识别可育株是关键环节之一。目前，现有技术中可实现可育株识别的方式包括挤浆识别技术、花蕾形态识别技术以及看花识别技术，分别适用于在抽薹期至大蕾期之间的小蕾期进行，在大蕾期进行，以及在始花期至初花期进行。

2、然而，挤浆识别技术的准确度高，但是因为需要育种人员反复掐花、挤浆使得操作劳动强度大，尤其是种田面积较大时，操作劳动强度更是成倍增加。花蕾形态识别技术以及看花识别技术的操作劳动强度相对较低，但是准确度不足。

技术实现思路

1、本发明为解决现有可育株识别技术不能兼顾操作劳动强度和准确度的问题，提供一种基于花蕾尺寸和重量的可育株判别方法及系统，通过构建数据采集-初筛-验证-阈值生成-全田判别的完整闭环流程，通过自适应阈值机制和分层处理策略，形成了系统性的技术优势，解决现有可育株识别技术不能兼顾操作劳动强度和准确度的问题，为制种领域的可育株判别提供了一种新的解决方案，可形成一系列不同品种、不同种植时间、不同地域、不同农业模式下判别可育株数据的、固化的动态数据标准集。

2、本发明采用的技术方案是：

3、一种基于花蕾尺寸和重量的可育株判别方法，包括以下步骤：

4、步骤s1，从同一块种田中选取处于相同生长周期的部分植株，采集选取的每株植株主花薹最外圈至少1颗花蕾的纵径、横径及鲜重，构建多元数据集；所述多元数据集中每条多元数据包括植株编号、纵径、横径及鲜重；所述生长周期是指植株处于抽薹期至大蕾期之间的特定发育阶段；

5、步骤s2，将所述多元数据集中的纵径数据划分纵径分组区间，将对应的植株编号、横径及鲜重归入对应的同纵径样本集；

6、步骤s3，在各个所述同纵径样本集中，按照横径数据由大到小排序，选取排名靠前的横径对应的鲜重数据，进一步校验是否满足对应纵径区间下的预设鲜重下限，将鲜重数据通过校验的相应植株编号的植株记为候选可育株；

7、步骤s4，对所述候选可育株采用挤浆法进行破坏性采样以鉴别可育性，将经挤浆鉴别确认为可育株的所述候选可育株作为标准样本；参照所述步骤s1和所述步骤s2，重新采集每株所述标准样本主花薹最外圈至少1颗花蕾的纵径、横径及鲜重，构建多元可育数据集及同纵径可育样本集；所述多元可育数据集包括纵径、横径及鲜重；

8、步骤s5，在各个所述同纵径可育样本集中，统计横径和鲜重的分布特征，输出不同纵径分组区间对应的横径下限阈值和鲜重下限阈值；

9、步骤s6，参照所述步骤s1，采集种田中剩余的每株植株主花薹最外圈至少1颗花蕾的纵径、横径及鲜重，基于纵径数据选择对应的纵径分组区间以及相应的横径下限阈值和鲜重下限阈值进行比较；若横径大于等于相应横径下限阈值且鲜重大于等于相应鲜重下限阈值，则将该植株判别为可育株。

10、一种基于花蕾尺寸和重量的可育株判别系统，以实施如签述的所述的基于花蕾尺寸和重量的可育株判别方法，包括：

11、数据采集模块，用于从同一块种田中选取处于相同生长周期的部分植株，采集选取的每株植株主花薹最外圈至少1颗花蕾的纵径、横径及鲜重，构建多元数据集；所述多元数据集中每条多元数据包括植株编号、纵径、横径及鲜重；

12、分组处理模块，用于将所述多元数据集中的纵径数据划分纵径分组区间，将对应的植株编号、横径及鲜重归入对应的同纵径样本集；

13、初筛判别模块，用于在各个所述同纵径样本集中，按照按横径数据由大到小排序，选取排名靠前的横径对应的鲜重数据，进一步校验是否满足对应纵径区间下的预设鲜重下限，将鲜重数据通过校验的相应植株编号的植株记为候选可育株；

14、可育性验证模块，用于对所述候选可育株采用挤浆法进行破坏性采样以鉴别可育性，将经挤浆鉴别确认为可育株的所述候选可育株作为标准样本；重新采集每株所述标准样本主花薹最外圈至少1颗花蕾的纵径、横径及鲜重，构建多元可育数据集及同纵径可育样本集；所述多元可育数据集包括纵径、横径及鲜重；

15、阈值生成模块，用于在各个所述同纵径可育样本集中，统计横径和鲜重的分布特征，输出不同纵径分组区间对应的横径下限阈值和鲜重下限阈值；

16、全田判别模块，用于采集种田中剩余的每株植株主花薹最外圈至少1颗花蕾的纵径、横径及鲜重，基于纵径数据选择对应的纵径分组区间以及相应的横径下限阈值和鲜重下限阈值进行比较；若横径大于等于相应横径下限阈值且鲜重大于等于相应鲜重下限阈值，则将该植株判别为可育株。

17、本发明的有益效果是：

18、本申请提供了一种基于花蕾尺寸和重量的可育株判别方法及系统，通过从同一块种田中选取处于相同生长周期的部分植株，采集每株植株主花薹最外圈至少1颗花蕾的纵径、横径及鲜重构建多元数据集，并将纵径数据划分纵径分组区间形成同纵径样本集，在此基础上按照横径数据由大到小排序并选取排名靠前的横径对应的鲜重数据进行预设鲜重下限校验以获取候选可育株，进而对候选可育株采用挤浆法进行破坏性采样鉴别可育性并将确认为可育株的作为标准样本，随后重新采集标准样本的花蕾纵径、横径及鲜重构建多元可育数据集及同纵径可育样本集，统计横径和鲜重的分布特征从而输出不同纵径分组区间对应的横径下限阈值和鲜重下限阈值，最后采集种田中剩余植株的花蕾数据并基于纵径数据选择对应的纵径分组区间以及相应的横径下限阈值和鲜重下限阈值进行比较，若横径大于等于相应横径下限阈值且鲜重大于等于相应鲜重下限阈值则将该植株判别为可育株。通过先利用少量样本建立初步筛选模型，再经由真实可育性验证优化判别阈值，实现了从经验判断向数据驱动的转变，使得大部分植株无需进行破坏性检测即可完成判别，因此有效解决了现有可育株识别技术不能兼顾操作劳动强度和准确度的问题，避免了传统挤浆法劳动强度大或形态识别法准确率低的情况，提升了判别过程的科学性、稳定性及普适性，确保了在不同品种和环境条件下均能获得可靠的可育株判别结果，实现了精度与效率的最优平衡。同时，采用本发明中可形成一系列不同品种、不同种植时间、不同地域、不同农业模式下判别可育株数据的、固化的动态数据标准集。

1.一种基于花蕾尺寸和重量的可育株判别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于花蕾尺寸和重量的可育株判别方法，其特征在于，所述步骤s1中采集选取的每株植株主花薹最外圈至少1颗花蕾的纵径、横径及鲜重后，对纵径、横径及鲜重采用离群统计分析，剔除异常数据；

3.根据权利要求1或2所述的基于花蕾尺寸和重量的可育株判别方法，其特征在于，所述步骤s2中所述将多元数据集中的纵径数据划分纵径分组区间，包括：

4.根据权利要求1或2所述的基于花蕾尺寸和重量的可育株判别方法，其特征在于，所述步骤s3中选取排名靠前10%~30%的横径对应的鲜重数据；

5.根据权利要求1或2所述的基于花蕾尺寸和重量的可育株判别方法，其特征在于，所述步骤s5中在统计横径和鲜重的分布特征之前，还为每株所述标准样本分配可信度权重；所述可信度权重根据该标准样本在所述步骤s3中的横径排名位置和/或鲜重与预设鲜重下限的差值确定：横径排名越靠前、鲜重余量越大，则可信度权重越高；

6.根据权利要求1或2所述的基于花蕾尺寸和重量的可育株判别方法，其特征在于，所述步骤s5中同一纵径分组区间对应的所述横径下限阈值为横径数据的平均值、中位数或者横径数据由大到小排序后，第g百分位数对应的横径数据，g的取值范围为5～30；

7.根据权利要求1或2所述的基于花蕾尺寸和重量的可育株判别方法，其特征在于，所述步骤s6执行前以所述步骤s5首次输出的横径下限阈值和鲜重下限阈值作为初始预设值，重复执行以下步骤至少两轮：

8.根据权利要求1或2所述的基于花蕾尺寸和重量的可育株判别方法，其特征在于，所述步骤s6中将植株判别为可育株之后，还执行空间一致性修正：

9.一种基于花蕾尺寸和重量的可育株判别系统，以实施如权利要求1~8中任意一项所述的所述的基于花蕾尺寸和重量的可育株判别方法，其特征在于，包括：