全文总字数：5990字
1. 研究目的与意义（文献综述）
气孔是植物与外界环境进行气体交换的门户，也是植物体内水分蒸腾散失的通道。植物叶片气孔特征（形态、大小、分布和密度）影响植物的光合和蒸腾等生理活动。所以对气孔的识别和数量提取对于研究植物的生长发育具有一定的实践意义。
大部分双子叶植物气孔可通过剥撕表皮细胞观察气孔，但单子叶植物叶肉层相对薄、表皮细胞剥离非常困难，所以一般采用合适的固定剂固定气孔形态并结合显微镜观察，或者直接通过显微镜观察其气孔形态[1]。但是，通过显微镜图像识别气孔并计数过程较为繁琐，一般拍摄完图像后，还需通过人工识别统计气孔的数目，费时费力，而且长时间通过肉眼观察也会增加出错的概率。随着技术的发展，已实现通过 image-j等图像处理软件进行气孔识别半手工测量，但需用户手动标记孔隙边界、气孔长度和宽度等兴趣点[2]。这些软件可提供额外的插件，以降低气孔识别的难度，但仍需使用者手动调整每幅图像的参数，才能获得较准确的结果。
同时，受观测时间等限制，研究人员大多从捕获的显微镜图像中只选择几个气孔进行取样人工测量，导致只能采用较少的数据点进行相关的研究[3-4]。目前，也出现了很多有关气孔识别和计数的算法。如 duarte 等用预处理后的图像通过颜色特征进行阈值分割以分离出气孔进行计数[5]，但这种方法在采集照片的光照等环境发生变化时，效率会明显下降。还有一些算法需要用户先手动分割气孔，为后面的气孔样本检测提供模板进行匹配[6]，同时还需要用户输入一些模型的参数，以适应具体的科研需求。总之，上述研究未能达到自动化检测的效果。因此，建立一种快速、全自动、精准的气孔识别与计数工具，对提升相关领域的科研效能具有重要意义。近年来，卷积神经网络（cnn,convolutional neuralnetworks）在目标检测、语义分割等领域获得广泛应用，目标检测算法在精准农业领域也取得了很大的突破。如madec 等基于目标检测技术，采用高分辨率 rgb 图像估算了小麦麦穗密度[7]。
2. 研究的基本内容与方案
研究目标：获取足够多的杨树表皮照片数据集，设计气孔识别与计数算法，搭建基于web的气孔计数服务平台
研究内容：
1.气孔图像数据集构建。
3. 研究计划与安排
20
202
2020/3/1—2020/4/30：样本获取，进行系统架构，程序设计与开发，系统测试与完善；
2020/5/1—2020/5/25：撰写及修改毕业论文；
2020/5/26—2020/6/5：准备答辩。
4. 参考文献（12篇以上）
[1]韦存虚，谢佩松，周卫东，等. 凹凸不平的植物叶片表皮制片方法的观察比较[j]. 生物学杂志，2008，25(2)：63－66.
[2]cheng yan, cao ling, wang sheng, et al. analyses of plant leaf cell size, density and number, as well as trichome number using cell counter plugin[j]. bio-protocol, 2014, 4(13): 54－57.
[3] jayakody h, liu s, whitty m, et al. microscope image based fully automated stomata detection and pore measurement method for grapevines[j]. plant methods, 2017, 13(1): 94－98.
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
