第37卷第8期农业工程学报 V ol.37 No.8
2021年4月Transactions of the Chinese Society of Agricultural Engineering Apr. 2021 169 基于玉米根系图像的表型指标获取方法 王传宇，郭新宇※，温维亮，吴升，顾生浩
（1. 北京农业信息技术研究中心，北京 100097；2. 国家农业信息化工程技术研究中心，北京 100097；3. 数字植物北京市重点
实验室，北京 100097）
摘要：为了快速获取玉米根系表型指标，该研究提出一种基于图像的高通量解决方案。系统整合一套简易可靠的根系图像获取硬件和自动化根系图像处理算法，首先在固定背景下获取玉米根系图像，通过标定物检出、背景分割算法得到根系目标前景图像，识别根系起始点并剪除冗余部分得到根系感兴趣区域后计算颜、形状、空间分布3大类29个表型指标。应用该系统获取135个玉米自交系材料吐丝期根系图像和表型数据，其中根系分支角度指标与人工测量值回归分析的决定系数为0.85，验证了系统的精度和准确性。采用非监督聚类方法对135个自交系材料根系表型指标分类，获得3种根系形态类型，通过剖面图分析了各指标在分类中的作用以及不同类型根系的主要表型差异。该方法能够快速获取多个玉米根系表型指标，满足了大规模种质资源鉴定和商业化育种对表型数据的需求。
关键词：图像处理；根系；机器视觉；表型；高通量；玉米
doi：10.11975/j.issn.1002-6819.2021.08.019
中图分类号：TP391.41 文献标志码：A 文章编号：1002-6819(2021)-08-0169-08
王传宇，郭新宇，温维亮，等. 基于玉米根系图像的表型指标获取方法[J]. 农业工程学报，2021，37(8)：169-176.
doi：10.11975/j.issn.1002-6819.2021.08.019
Wang Chuanyu, Guo Xinyu, Wen Weiliang, et al. Phenotyping index acquisition method based on maize root images[J].
Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(8): 169-176. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2021.08.019
0 引 言
根系是植物重要结构功能器官，对地上部分起到支持固定作用，是水分和氮素等营养进入植物的主要通道，是某类生长调节激素的重要合成场所[1-4]。根系物理和生理功能的发挥，主要受到根系系统结构（Root System Architecture，RSA）的影响，RSA被定义为根系的外部轮廓形状和根系内部的空间排布特征，由基因型和外部土壤环境交互作用决定[5-9]。可以通过根系的表型指标描述RSA，例如根数量、长度、直径、侧根分支角度等，定量化获取根系表型，为研究根系的氮素高效吸收、作物抗倒伏、节水抗旱提供关键根系构型数据支持，从而缓解环境变化和耕地减少对粮食增产的压力[10-14]。
土壤是不透明的固体，这造成根系表型获取难度大大高于地上部器官，成为理想株型育种和功能基因组研究的主要瓶颈[15-16]。近年来，随着相关领域技术装备的发展涌现出一系列根系表型获取方法，如基于探地雷达和X射线断层扫描的原位测量技术，通过根系和介质对特定波长电磁波的吸收差异，三维重建根系结构，受限
收稿日期：2020-08-13 修订日期：2020-10-24
基金项目：国家自然科学基金项目（31871519）；国家重点研发计划项目（2016YFD0300605-02）；现代农业产业技术体系专项(CARS-02)；北京市农林科学院改革与发展项目
作者简介：王传宇，博士，副研究员，研究方向为基于图像的作物长相长势监测。Email：******************
※通信作者：郭新宇，博士，研究员，研究方向为数字植物。
Email：***************** 于植物含有的水分对电磁波吸收的影响，其精度不高适用范围不广，另外高昂的造价也限制其应用[17-18]。微根管方法适合长期定位观测根系生长状况，受到根管埋入土壤数量和位置的限制，很难获得根系全貌信息[19-20]。挖掘组学方法在实践中应用最为广泛，通过机械外力将半径20 cm和深度20 cm的根系挖掘出土，然后振动、喷淋等方式将土壤从根系剥离，最后采用人工测量、拍摄图像并解析计算、三维扫描重建等不同手段获取根系表型[21-22]。其中基于图像的根系表型获取方法，具有快速、准确、成本低等优势，近年来被广泛和深入的研究。Grift 等[23]搭建定制化的根系成像室，通过软件控制相机获取根系图片，使用MATLAB编写图像处理程序计算出根系分形维数和分支角度2个表型指标。Bucksch等[24]开发了数字图像根系特征系统（Digital Imaging of Root Traits，DIRT），将普通图像获取设备（数码相机、手机）在一般环境下获取的根系图像通过网页上传，经过交互操作后返回计算结果。Colombi等[25]研发了根系挖掘组特征估算器（Root Estimator for Shovelomics Traits，REST）平台，采用成像帐篷减少外界变化光源对图像分割的影响，图像获取使用消费级的数码单反相机，图像分析程序由MATLAB编写，获取了12项根系表型特征指标。上述基于图像的根系表型获取方法极大提高了RSA分析的信息化、数字化程度，节约了大量人力成本，使得轮廓、空隙等复杂表型计算成为可能。
前人研究虽已经取得较大进展，但仍然可从简化图像获取设备增加田间开放环境下的便携性、开发开
源软
农业工程学报（） 2021年170
件减少用户使用成本、提取适宜表征玉米体之间表型差异的表型参数等方面改进。本研究研发了一套适合田间开放环境玉米根系图像表型获取硬件设备，开发了基于图像处理的根系表型获取算法与软件，以达到根系图像获取过程容易开展，获取流程规范易操作，获取的图像根系表型指标更具代表性和分辨性等目的。为提高玉米根系表型指标获取的自动化程度，实现自动化表型指标检测流水线提供技术支撑。
1 材料与方法
根系图像数据获取与处理流程如图1所示，对田间种植的玉米自交系材料，挖掘根系取样后拍摄图像，然后进行根系图像的预处理、根系提取，计算包括颜、形状、空间分布的根系图像表型指标，最后编写根系图像表型解析软件，集成图像表型解析算法和用户操作界面。
图1 根系图像数据获取与处理流程
Fig.1 Root images data acquisition and processing procedure
1.1 试验设计与数据获取
北京市农林科学院（39°56′N，116°16′E）试验田内，种植玉米自交系135个，密度为6株/m2，行距为60 cm，小区长度为10 m，每个自交系种植1行。2018年6月15日播种，五叶期定苗，每穴留1株。播种前深耕15 cm，土壤质地为壤砂土，耕作层田间持水率为35%。耕层其他化学性质包括有机质 2.73×104 mg/kg，总氮1.37×103 mg/kg，有效磷37.5 mg/kg，有效钾93 mg/kg，土壤pH值为7.7。
玉米植株生长到吐丝期，每个自交系体中取样3株，使用挖掘工具取出植株半径20 cm深度20 cm范围的根系，抖落粘连不紧密的土壤后，用水冲洗掉剩余土壤，单个根系冲洗时间小于10 min，阴凉处晾干后进行图像获取（晾干时间3～4 h）。图像获取装置由相机（日本佳能EOS 5D Mark III，28～75 mm变焦镜头）、支架、背景布（蓝）、标定物（光盘）组成（图2a），获取图像时相机使用光圈优先模式，镜头焦距28 mm，其他设置保持默认。根系顶端用鱼线固定在支架上，获取根系图像405张，图像分辨率为5 760×3 840像素，单张图像获取时间小于10 s，图像示例如图2b所示。
1.2 根系表型图像解析方法
图像表型解析方法包括根系提取、预处理、根系指
标计算三部分，所述方法最终整合到根系表型图像解析（Root Phenotyping Image Analysis，RPIA）软件中。
a. 根系图像获取装置示意图
a. Diagram of root images acquisition device
高压智能环网柜>大豆糖蜜
注：图像i、ii和iii是从405张根系样本图像中随机选取。下同。
Note: i, ii, and iii images are randomly selected from all 405 root sample images. The same below.
b. 采集的根系样本图像
b. Images of acquired root samples
图2根系图像获取
Fig.2 Acquisition of root images
1）光盘标定物检出。蓝背景布前放置3种目标物体，标定物（光盘）、根系、支架。首先将图像转化为灰度图，然后采用固定阈值（200）对灰度图二值化，获得一系列光盘候选区域，采用Satoshi-Suzuki算法[26]查各个候选区域的轮廓，由轮廓点链表计算周长（p，像素）、面积（a s，像素×像素）形状描述算子Cl，其计算如式（1）所示
Cl =4πa s/p2（1）轮廓接近于圆形时Cl值接近1，考虑到根系等自然物体轮廓形状较难接近圆形，通常小于0.85，故Cl阈值取0.85。标准光盘直径120 mm，计数图像中光盘区域像素数量和光盘直径像素数量，则可获得图像中每个像素的实际物理尺寸。
2）背景分割。检出光盘标定物后，需进一步将根系从背景蓝幕布和黑支架中分割，考虑到玉米细小节根易误分割为背景，本研究采用基于支持向量机[27]的像素分类背景分割方法，随机抽取20张去除光盘标定物的根系图像作为训练样本集，分别在每张图像选择50个分辨率为15×15像素的矩形背景和根系区域，计算每个像素的特征值构成分类特征向量（表1），将分类特征向量输入支持向量机模型训练获得像素类别分类器。
使用像素类别分类器对根系图像分割背景，操作过程中图像会产生一些不连通区域和孤岛像素，根据面积、颜阈值将该类区域进行滤除与合并。
3）根系起点识别。拍摄根系图像时为了方便固定，余留部分茎秆区域，后续计算根系表型参数时，需要去除多余的茎秆区域图像并到根系开始的原点位置。固
第8期王传宇等：基于玉米根系图像的表型指标获取方法171
定根系时茎秆基本垂直水平地面，故采用扫描线方法从
根系图像顶部逐行获取茎秆宽度，形成茎秆图像宽度序
列，对序列进行中值滤波（序列中当前位置的前5个相
邻元素和后5个相邻元素构成的10邻域的中值）去除可
能的噪声影响，当序列中某个位置宽度数值大于相邻位
置宽度数值的1.5倍时，认为该位置是根系的起点位置。
表1 根系图像像素分类特征
内作Table 1 Classifying features of root image pixels
类型Types
特征
Features
维度
Dimensions RGB颜空间 3 HSV颜空间 3 XYZ颜空间 3
颜特征
Color features
Lab颜空间 3 纹理特征
Texture features
灰度共生矩阵 1
水平方向1阶梯度 1 梯度特征
Gradient features 垂直方向1阶梯度 1
4）多余根系剪除。在挖掘取根、喷头冲洗、风干晾晒过程中，难免对根系造成一定损伤，使得下部较细须根系的空间分布、分支角度、空隙排布出现一定异常，这种异常对于表征根系的基因差异和土壤环境特征属于干扰因素，需按照统一标准剪除。具体方法为：以根系起点为圆心画圆，圆与根系图像的交集记为新根系区域，若新根系区域所占像素面积超过原始根系像素面积的90%，则将该新根系区域作为剪除多余根系后的根系区域，若像素面积小于90%则增加圆的半径，重复上述操作直到满足条件为止，多余根系剪除后的图像处理效果如图3所示。
图3 冗余根系剪除
Fig.3 Removal of redundant root areas
5）根系分支角度计算。如图4所示，在图像中以根系起点O为圆心，10 cm为半径画半圆，在半圆弧上到一点M，使得扇形R2OM与根系相交的面积与扇形R1OM 与根系相交的面积相等，在圆弧R1M上到一点A1使得扇形A1OM与根系相交的面积为扇形R1OM与根系相交的面积的90%，在圆弧R2M上到一点A2使得扇形A2OM 与根系相交的面积为扇形R2OM与根系相交的面积的90%，则角A1O A2即为根系的分支角度。
6）根系凸包计算。凸包被定义为一个实数向量空间中，对于给定集合所有包含该集合的凸集的交集被称为给定集合的凸包，对于二维平面上的点集，凸包就是将最外层的点连接起来构成的凸多边形，其可包含点集中所有的点，凸多边形形状用来衡量根系图像的整体形状。
7）根系空隙。计算根系凸包图像与根系图像的“异或”操作，根系的空隙可分为2类即根系轮廓内部空隙和根系轮廓外部空隙（凸包与根系轮廓外部之间）如图5所示。
注：O为圆心，R1和R2为圆周（直径为10 cm）上两点，M为圆周上根系面积等分点，A1为圆弧R1M上90%根系面积分割点，A2为圆弧R2M上90%根系面积分割点。
Note: O is the center of the circle，R1 and R2 are two points on circumference (Diameter is 10 cm), M is point on the circle which divides root area into two equal parts, A1 is the dividing point of 90% root area on arc R1M, A2 is the dividing point of 90% root area on arc R2M.
图4 根系分支角度的计算
Fig.4
Calculation of root branching angle
a. 凸包
b.
凸包内根系 c.
“异或”操作
a. Convex hull
b. Roots inside the convex
hull
c. “Exclusive OR”
operation
图5 根系空隙图像计算结果
Fig.5 Calculation results of root gaps’ image 8）根系紧凑度被定义为根系凸包图像的形状描述算子C[28]，其计算如式（2）所示
C=4πa c/p c2（2）式中a c为根系凸包的面积，像素×像素；p c为根系凸包的周长，像素。紧凑度提供了边界复杂度的一个简单衡量指标，如果形状的边界越复杂，则C值越小，边界形状相似的区域具有相似的紧凑度，边界差异越大紧凑度变化越大，图像平移、旋转和缩放不影响C值计算结果。
9）根系整齐度定义为根系二值图像的重心（1阶矩）与根系最小外接圆圆心的欧式距离。反映根系中各个组成成分分布的对称性，对称性高则根系图像重心与外接圆圆心距离小，如图6所示。
注：O m为根系图像的最小外接圆的圆心，G r为根系图像像素坐标的重心点，线段O m G r为根系整齐度。
Note: O m is the center of the smallest circumcircle of the root image, G r is the center of gravity of the root image pixels, the line segment O m G r is root uniformity.
图6 根系整齐度
Fig.6 Root uniformity
农业工程学报（） 2021年172
10）颜表型指标，根系的颜随着根系类型差异
呈现一定差别，例如须根较少的根系颜呈现黄褐，须
根较多的根系彩更为暗沉，地面节根多呈现绿。为
了表征根系表型在彩上的差异，引入HSV及Lab颜
空间的6个颜通道，同时计算了深绿指数（Dark Green
Color Index，DGCI）[28]如式（3）所示
DGCI
=((H-60)/60+(1-S)+(1-I))/3 （3）
阻火带
式中H、S、I为HSI颜空间的颜通道分别代表调、
饱和度、亮度。
由根系图像提取的29个表型指标的具体定义和描述
如表2所示。
表2 根系表型指标描述
Table 2 Description of root phenotyping indices
类型Types
表型指标
Phenotyping
indices
描述Description
H_avg 根系彩图像HSV颜空间中H分量各个像素均值H_std 根系彩图像HSV颜空间中H分量标准差
S_avg 根系彩图像HSV颜空间中S分量各个像素均值S_std 根系彩图像HSV颜空间中S分量标准差
V_avg 根系彩图像HSV颜空间中V分量各个像素均值V_std 根系彩图像HSV颜空间中V分量标准差
L_avg 根系彩图像Lab颜空间中L分量各个像素均值L_std 根系彩图像Lab颜空间中L分量标准差
a_avg 根系彩图像Lab颜空间中a分量各个像素均值a_std 根系彩图像Lab颜空间中a分量标准差
b_avg 根系彩图像Lab颜空间中b分量各个像素均值b_std 根系彩图像Lab颜空间中b分量标准差DGCI_avg
根系彩图像HSI颜空间分量组合计算绿指
标均值
颜Color
DGCI_std 根系彩图像HSI颜空间分量组合计算绿指标标准差
分支角度
/(º) 以根系原点为圆心，10 cm为半径，覆盖90%根系面积的角度值
投影面积
/cm2
根系二值图像所有像素的面积之和周长/cm 根系二值图像外围轮廓像素长度之和长度/cm 根系二值图像外包矩形的长度
宽度/cm 根系二值图像外包矩形的宽度天一辉远
凸包面积/cm2根系二值图像凸包像素面积之和
形状
Morphology
凸包周长
/cm
根系二值图像凸包像素长度之和
空隙均值/cm2凸包二值图像与根系二值图像异或操作得到的空隙像素数量均值
空隙标准差
/cm2凸包二值图像与根系二值图像异或操作得到的空隙大小的标准差
空隙总和/cm2凸包二值图像与根系二值图像异或操作得到的空隙像素数量之和
内部空隙均
值/cm2
根系二值图像外围轮廓内部的空隙均值内部空隙标
准差/cm2
根系二值图像外围轮廓内部的空隙标准差内部空隙总
和/cm2
根系二值图像外围轮廓内部的空隙总和
紧凑度根系二值图像外围轮廓描述值，平滑接近圆形的轮廓紧凑度值接近1
空间分布Spatial arrangement
整齐度/cm 根系二值图像的重心点与最小外接圆圆心的欧式
距离
1.3 根系表型图像解析软件开发
根系表型图像解析软件（RPIA）的图形交互界面部
分使用开源图形界面框架Qt 5.10开发，图像处理使用了
开源图像处理库OpenCV3.0。软件功能主要包括1）功能
操作：根系图像导入、检测标定物、去除背景、轮廓相
关表型计算、中间计算过程结果析出、最终结果导出
EXCEL表格、根系表型类型分类等；2）计算过程显示，
为了提高计算效率，处理多个根系图像时软件采用多线
程并行处理方式，某一操作步骤执行进度在该区域显示，
当图像执行完某个操作且返回正确结果后，对应位置显
示“计算完成”，否则提示相应错误；3）图像结果显示，
某个根系图像表型计算过程执行完毕后，点击该行列表
图像位置，图像结果显示区域显示计算过程中生成的关
键步骤结果，点击可放大交互浏览查看；4）计算结果浏
la-5览，所有图像计算操作执行完毕后，点击“析出结果”
按钮，主要的计算过程数据（包括根系原点坐标、外包
矩形大小等）和表型相关数据（根系颜、形状、空间
分布等参数）即显示在该区域，单张图像全部参数计算
时间小于4 s。
以EXCEL表格格式导出表2中29项根系表型指标，
后续统计分析使用开源统计软件包R进行（R Studio
version1.1.45），线性回归使用lm函数，主成分分析使
用prcomp函数，rashape2用于数据的格式化，数据可视
化使用ggplot2包。
2 结果与分析
2.1 根系表型指标统计分布与测量精度
使用根系图像表型提取算法和软件，计算获得135
个玉米自交系根系29个表型指标，对数据进行初步统计
分析获得各个表型指标的均值、极值、标准差、标准分
数（Z-score）变换后的极值，具体如表3所示。
为了验证系统的测量精度，选择人工测量相对容易
开展的根系分支角度作为验证指标，测量方法按照
Bucksch等[24]所述根系测量板方法，所得到的人工测量数
据与根系表型图像解析软件计算结果进行回归分析
（图 7），其中决定系数为0.85达到极显著相关性。
2.2 玉米自交系根系系统结构分类
根系表型图像解析软件提取的29个表型指标包含
根系形状、颜、空间分布3大类，为了验证提取的表
型指标区分玉米根系系统结构差异的性能，使用K均值
聚类方法（K-means）对135个玉米自交系（每个自交
系3个重复样本）根系表型以29个表型指标为变量进
行聚类，K-means是一种非监督聚类方法，通过迭代求
解计算K个聚类中心。其中最关键的输入变量是分类的
类别数量，本研究中当选择3个中心进行聚类时，对聚
类结果进行主成分分析，第一和第二主成分对分类结果
的贡献率分别为34.3%和19.6%，当聚类中心超过4类
时，分类边界出现重合，为了便于说明29个表型指标
的分类效果故选择3个聚类中心，如图8所示3个类别
具有清晰的边界。
对于聚类获得的3类根系结果可绘制出K-means聚
第8期 王传宇等：基于玉米根系图像的表型指标获取方法
173
类剖面图（图9），分别展示出29个根系表型指标在不同类别中的均值分布情况，直观表达了不同类别表型指标的区别。如图9所示，1类组中形状、空间分布指标分布在总体均值附近，大多数颜指标大于总体均值，而H _avg 和S _avg 两个指标小于总体均值，甚至小于其他两类中对应指标数值；2类组中形状和空间分布指标均大于总体均值，颜指标数值在总体均值附近；3类组根系中，多数指标小于总体均值。
表3 根系表型指标数值分布统计描述
Table 3 Statistical description of numerical distribution of root phenotyping indices
类型 Types
表型指标
Phenotyping indices
均值 Mean
最小值Minimum values 最大值Maximum values
标准差 Standard deviation 标准分数最小值 Minimum values of Z-score 标准分数最大值
Maximum values of Z-score
H _avg 96.15776.566 111.397 9.255 -2.288 1.658 H _std 30.5680.997 51.999 12.922 -2.262 2.107
S _avg 165.956135.041194.744 13.665 -1.859 2.289
S _std 40.111 6.088 82.012 18.302 -2.676 2.944
V _avg 188.172
159.898
219.276 10.565 -2.042 2.163
V _std 35.05315.516 55.754 9.570 -2.226 2.358
L _avg 124.95999.583 151.839 11.399 -1.625 2.281 L _std 33.49410.997 65.075 13.847 -1.784 2.712
a _avg 137.962129.002
151.581 5.022 -1.915 2.591
a _std 5.498 1.544 10.850 2.065 -2.544 1.983
b _avg 90.92068.712 108.236 8.731 -2.394 1.468
b _std 22.577 1.513 35.495 8.799 -3.331 1.615
DGCI_avg 0.4110.342 0.487 0.033 -1.870 2.052 颜
Color
DGCI_std 0.087
0.021 0.159 0.035 -2.117 1.647 分支角度Angle of branching/(º) 132.037114.000
154.000 8.400
-1.621 5.294 投影面积Projecting area/cm 2
131.60865.687 197.932 29.726 -1.603 4.544 周长Perimeter/cm
82.88243.449 194.648 24.597 -1.657 3.562 长度Length/cm 12.4058.116 21.625 2.588 -2.598 2.455 宽度Width/cm 16.43911.134 21.453 2.042 -1.997 2.746 凸包面积Area of convex/cm 2 153.49183.014 250.394 35.289 -2.366 2.340 形状 Morphology
凸包周长Perimeter of convex/cm 49.63936.895 62.243 5.386 -2.128 2.304 空隙均值Average size of the gap /cm 2 1.3720.351 4.707 0.630 -1.248 5.405 空隙标准差Standard deviation of the gap/cm 2
0.4760.062 2.267 0.331 -1.352 4.566 空隙总和Sum of the gap/cm 2
24.498 3.039 96.956 15.871
-1.669
5.863 内部空隙均值Average size of the inner gap/cm 2
0.6130 2.765 0.367 -1.170 5.079 内部空隙标准差Standard deviation of the inner gap/cm 2
0.1670 0.894 0.143 -1.116 4.480 内部空隙总和Sum of the inner gap/cm 2
5.4520 27.330 4.883 -2.218 2.231 紧凑度Compactness 0.8190.544 0.953 0.083 -2.543 2.158 空间分布 Spatial arrangement
整齐度Uniformity/cm
1.433
0.001 4.107 0.892
-1.605
2.998
图7 根系分支角度人工测量与根系表型图像解析测量的
回归分析
Fig.7 Regression analysis between manual measurement and Root Phenotyping Image Analysis (PRIA) measurement of root
branch angles
注：1到405为根系样本编号。
Note: 1 to 405 are the No. of root samples.
图8 K-means 聚类结果的主成分分析
Fig.8 Principal component analysis of K-means clustering results
结合根系图像分类图结果可以进一步说明3个类别的差异和分类依据（图10），使用玉米根系表型图像分
