摘要：在自然环境下对5个腰果无性系果实的图像进行了识别研究,得出腰果果实图像识别的组合算法设计。该组合算法设计是首选对原始图像进行双边滤波,选用Lab颜色空间模型,采用OTSU算法进行粗分割,对红色系果实图像选择a通道作为分割通道,对于黄色系果实图像将a通道和L通道的分割图像做代数乘法运算,对残留背景较多的粗分割图像采用K-means算法做精细分割,分割完成后进行连通域分析和圆盘均值滤波,将面积最大的连通域作为目标区域,完成识别。结果表明,在粗分割阶段,CP63-36、GA63、HL2-13和HL2-21果实图像中大部分背景被去除,只残留零星噪声部分,而FL30的粗分割图像残留背景较多,需做精细分割,其精细分割图像中残留背景较少。通过连通域分析和滤波,所有腰果无性系的果实图像都被完整地识别出来。研究表明,该组合算法设计能从自然环境图像中准确有效地识别出腰果果实。

摘要：由专性寄生菌咖啡驼孢锈菌(Hemileia vastatrix)引起的咖啡叶锈病是影响咖啡产量的最主要真菌病害。为建立对咖啡驼孢锈菌具有高特异性、高灵敏度、易操作的分子检测方法,本研究通过对咖啡驼孢锈菌DNA核糖体转录间隔区ITS1~ITS4序列与其近源序列作多重比较分析,获得其特异性区域,并于特异性区域设计了1对引物Hv-ITS-F/R。利用该特异引物,通过对咖啡驼孢锈菌、咖啡褐斑病菌、咖啡锈菌重寄生菌、咖啡炭疽菌以及不同属其它真菌基因组DNA进行PCR扩增。结果表明:此引物对仅能从咖啡驼孢锈菌基因组DNA中扩增出396 bp的特异条带,对其它相似或相近的病原真菌则无扩增条带。灵敏度试验结果表明,在DNA水平上检测浓度可达10 pg/μL。进一步通过田间健康与疑似发病植株的检测,结果呈现出很好的应用前景。由此表明,该引物对能有效地用于咖啡组织中驼孢锈菌的检测。