玉米籽粒数字化考种机

托普云农作物考种分析系统TPKZ-1型，专业用于各种作物籽粒的考种，同时也适用于测量玉米果穗、截面。种子尺寸分析仪-玉米种子粒型参数分析仪器。　　种子分析仪适用范围：　　玉米、水稻、小麦、油菜、豆类、花生、芝麻等各种作物种子。　　种子尺寸分析仪功能特点：　　1、配A3幅面最gao分辨率1600dpi × 1600dpi、紫光M1彩色扫描仪。可分析各类种粒的种粒直径1～20mm。扫描仪分析工作区：A3幅面(431.8mm×304.8 mm)。　　2、分析速度：可同时成像分析10个玉米果穗、35个玉米截面、1000粒左右玉米籽粒。　　3、自动数粒速度：1500～3000粒/分钟(玉米籽粒)，其它籽粒为1200～20000粒/分钟，数粒误差≤±0.1~0.4%，可监视修正结果，监视修正即达准确。具有相机画面畸变、背光板均匀性的自动矫正特性，有效减小尺寸测量误差。　　4、自动测出籽粒数、各籽粒的粒形参数(长、宽、长宽比、面积、等效直径、周长等)，以及其平均值，并排序输出。自动千粒重分析的精度误差：≤±0.5%。并能对不同品种的种子进行长和宽的对比，并输出矢量图。　　5、同时成像分析玉米果穗：10个/次/分钟、玉米截面：35个/次/2分钟。自动测出各玉米穗长、穗粗、秃尖长、左右穗缘角、穗行角、平均行粒数、粒厚、截面穗行数、穗粗、轴粗，颜色以及其平均值，可测出各玉米截面上的种子粒长、粒宽、颜色(RGB具体数值表示)、粒高等尺寸参数。　　6、水分测定：通过水分测定仪，数据能输入到软件中，然后统一输出分析数据。　　7、图像分析：有任意放大、缩小，方便查看标记结果。　　8、有被测样本条码、电子天平RS232重量数据的自动输入接口，插上电脑条码枪即可刷入样本条码编号 电子天平上的被测样本重量数据可一键送到电脑保存为EXCEL表。　　9、分析过程为全程电脑控制，高效、准确、简便易用，真正一键式操作，鼠标一点，结果即现。　　10、辅助删补：用鼠标选择增加/删除，或直接用鼠标在屏上手工计数，以确保结果准确性。目标区的个性化计数：对工作区视野中任选范围或矩形范围内的计数。　　11、种子尺寸分析数据导出：分析图像结果可保存，自动形成总报表，统计分析结果能输出至Excel表，考种系统有云平台的支持，通过云平台可以上传或是下载数据。　　12、软件加密：采用动态二维码+密码狗加密，登记具体使用单位的信息，防止加密狗的丢失。

俗话说：春种一粒粟,秋收万颗子。意思就是说：春天只要播下一粒种子，秋天就可以收获很多粮食。然而，实际情况该做的都做了，那么，究竟到底是哪个环节出了问题呢？▼只要思想不滑坡,方法总比困难多在排除旱情、品比、试验等原因后，我们有检查过考种方面的原因吗？▼ 考种也叫选种，是一种考察作物品种特征特性的方法。在农业科学实验中，考种的正确与否将直接影响实验结果的准确度。而且考种是作物品种选育的主要环节之一，可为育种家的决选提供重要依据。在传统的考种工作中，数穗粒、测长短占用了大量的人工，不仅速度慢、效率低，而且影响考种数据的准确性和对农作物品种生物学特性的正确评价。 现在，利用自动考种仪即可自动测量籽粒数量、重量、千粒重、长宽比等数据，帮助科研人员快速获取基础数据，进行“优中选优”。 近年来，随着计算机图像处理技术的发展，自动考种仪、测产系统等智能设备开始应用于作物种子领域。自动考种仪采用智能系统获取作物种粒图像，并进行图像处理，从而实现作物种粒数的提取，具有快速、简单、准确、高效的优点，对于推动农作物品种区域试验工作的开展具有重要意义。 四川杰莱美科技有限公司生产的这款：自动考种仪Mini 1600，是一款室内考种专用仪器，该仪器可以在极短的时间内快速完成考种工作，是现代育种考种、种子研发中的常用仪器之一。 👇 👇分析图像结果可保存，自动形成总报表，统计分析结果能输出至Excel表： ↓↓↓ 那我们这款Mini 1600的自动考种仪究竟能测量哪些种子呢？ 我们的自动考种仪啊，它可用于各类水稻、玉米、小麦、油菜等作物实粒种子的精确考种、虫口计数分析，以及出苗数、整齐度、均匀度分析、可兼做表面光滑的昆虫计数或虫卵计数。 更值一提的是：杰莱美自动考种分析仪Mini 1600助力水稻粒型和穗粒数QTL定位，该研究中粒型和千粒重考种由杰莱美自动考种分析仪Mini 1600完成。▼ 籽粒大小和穗粒数均为数量性状，是直接影响水稻产量的两大因素，其背后的遗传机制十分复杂，目前研究还很不清楚。四川农业大学国家重点实验室、水稻研究所李仕贵教授团队在以93-11为受体亲本，日本晴为供体亲本构建的一套染色体片段代换系材料中鉴定到一个粒长显著增加，但穗粒数减少的代换系CSSL28。近日，该团队将控制CSSL28粒型和穗粒数的QTL位点精细定位到第5染色体长臂端的85.60 Kb区间，命名为grain size and grain number 5 (qGSN5)（图1）。遗传分析表明，qGSN5位点是半显性，作者将9311和单片段代换系SSSL-qGSN5分别与两个不育系进行测配，证实qGSN5位点对改善杂交稻粒型，培育大粒型杂交稻具有重要应用价值。此外，作者在相同的9311背景下研究了qGSN5与粒型主效QTL GS3的遗传互作效应，发现qGSN5的效应被GS3几乎完全掩盖，推测GS3可能是qGSN5的抑制子。该研究结果为后续克隆该粒型和穗粒数基因奠定了基础，为长粒型杂交稻培育提供了良好的遗传材料。相关研究成果“Fine mapping and candidate gene analysis of qGSN5, a novel quantitative trait locus coordinating grain size and grain number in rice”于2021年10月23日在线发表于中科院一区TOP期刊Theoretical and Applied Genetics，IF=5.699。袁华博士、博士研究生高鹏和硕士研究生胡潇翎为该文共同第一作者，陈薇兰博士和李仕贵教授为共同通讯作者。该研究得到国家自然科学基金、作物基因资源与遗传改良四川省重点实验室开放课题、四川省杰出青年科技人才项目资助。 该研究中粒型和千粒重考种由杰莱美自动考种分析仪Mini 1600完成。▲ 图1 9311和SSSL- qGSN5表型对比 四川杰莱美科技将一如既往，保持高水平的研发和服务质量，为全国范围内的客户提供更优质全面的服务。责任于心，技术于行

人工智能作为计算机科学的一个重要分支，伴随着信息技术的快速发展，已经渗透在医疗、教育、金融等众多领域，农业作为国民经济的基础性产业，也不例外，近年来，农业被评为最具前景的人工智能与机器学习应用场景之一。在我国，农业人工智能的应用主要涉及基于机器视觉技术的农作物图像分析和基于数据挖掘技术的农业大数据分析、算法模型构建等。其中，图像分析技术的应用有农作物根-茎-叶-种子的表型分析测量、农作物长势识别、杂草识别、病虫害识别、果蔬品质检测以及自动采摘等方面；大数据分析与算法模型构建的应用有农作物病害预测、虫害预测、墒情预测、产量预测、价格预测、专家系统等，能够对农作物的生产链进行实时的监管控制，从而提升作物的产出量和品质。伴随着农业领域多元性数据的存在与大量理解力问题的出现，单一机器学习技术已经难以解决。作为一家深研农业十余年的现代化企业，托普云农将前沿信息技术与农业专业深度融合，通过传统图像处理与最新深度学习等技术，构建起针对农业的多维混合算法模型，并使用积累多年的农业数据样本进行训练学习，满足当前多元化人工智能时代的发展需要，并深受业内关注。其中图像处理主要是对图像进行分割、前景提取、获取关键信息等，深度学习主要包括目标检测和图像分类等对目标进行识别分析。农业病虫害目标识别是人工智能技术的应用热点之一。托普云农通过大量数据样本对已构建好的算法模型进行训练学习，利用训练后的目标检测算法模型对各作物的病虫害进行识别，根据识别的病虫害数量对病虫害的严重程度进行判断与预警；根据识别的病虫害的种类给出病虫害档案，包括病虫危害情况、病虫害特征、病虫害原因、防治措施等。历经近十年的研究实践，托普云农已有60TB约2000多万张图库，15万张精选样本库，每月增量达3TB。目前已覆盖包括草地贪夜蛾、大螟、二化螟、稻飞虱等国家一二类农作物主要虫害109种的识别，病害识别覆盖小麦、玉米、水稻等6种农作物，涵盖赤霉病、灰斑病、稻瘟病等在内59种病害，平均识别一张图片3s左右，为粮食安全、生态保护提供了有力保障。植物表型研究在作物育种领域有着不可替代的作用。托普云农人工智能技术通过对农作物根-茎-叶-种等器官进行特征提取与降维、目标分割与定位、高精度图像识别与检测，现已实现了对玉米珠型、作物株高、剑叶夹角、籽粒果穗考种、作物形态测量、叶面积分析、亩穗数测量等的多个作物表型识别与测量。大数据分析与算法模型构建是人工智能技术的另一重要应用。托普云农通过监督机器学习算法，从大规模数据集中训练出墒情预测、作物病虫害预测、作物生长等模型，搭建成作物生长管理系统，由此为作物生产进行规划与管理；通过海量图像数据的积累以及高精度的目标检测和样本分类技术的应用，对病虫害分布及时自动感知，对虫害首发期、爆发期的有效预警预测；通过对传感器数据与视觉数据的分析以及统计模型的应用，进而预测作物产量。此外，托普云农的人工智能技术还应用于果实成熟期禁止打药监测等农事作业行为识别；烟火识别；文字识别以及人脸、动物、车辆、农机等集成第三方生态识别领域……有效保障农业生产安全、提高农业农村领域网格化治理能力，提升乡村居民幸福感。随着对人工智能的利用不断深入，农业生产管理与科研领域也展现出更多新的变革。在江苏海门的高标准农田里，从选种耕种、土壤成分监测、农田灌溉用水分析、病虫害识别预警、农业环境监测到农业专家系统、作物采收管理、产量预测、品质检验等全过程动态管理，极大提升了资源利用率和劳动效率，藏粮于地更藏粮于技。在乔司农业产业示范园里，通过对数据资源的采集、整合、分析，打造全域数字孪生、智慧农机系统、遥感监测系统、农情监测系统、种植管理系统、智能灌溉系统，形成了生产、预测、防控等全要素智能化管理，带动农业可持续发展。在江西湘东的数字种业园区里，结合科研和产业需求，建设现代化种业基地，打造智慧种业服务平台，涵盖6大应用场景，从育种、制种、种子检验、加工、仓储、流通等各环节强化信息监测以及溯源管理，探索水稻生长标准模型，创新园区服务体系，保障优质种业发展。在浙江古林的数字农田里，利用北斗导航、物联网、农业遥感、机器视觉等技术手段，打造农机高精度自动作业与导航系统、大田精细化生产灌溉管理系统、“天空地”一体化公共服务平台，并在超过1万亩的规模化种植基地进行集成示范，形成了一套可复制的产业应用模式，为更多水稻产区提供种植推广示范样板。当前，以数字孪生、人工智能、移动互联网、区块链等为代表的新一代信息技术与先进制造业加速融合，现代农业、服务业领域新产品新业态新模式竞相涌现。未来，在各种农业人工智能设备工作中，数据上“云”更便捷；在农业生产中，全要素数据采集汇聚、智能决策分析、精准作业指导和操控，节本降耗、提质增效、环境友好、生态安全；在农业科研中，基地管理、数据采集、数据挖掘分析更加便捷、智能，研发更加高效，目标更加精准。虽然现代农业与人工智能的深度融合还面临着许多困难和挑战，但是以人工智能为核心的智慧农业发展已是大势所趋。