根系圖像分析儀是一款現(xiàn)代植物生理研究的重要儀器，主要用于研究作物根系拓?fù)浣Y(jié)構(gòu)。通過該儀器，工作人員可以快速完成的根系的節(jié)點、長度等多個參數(shù)測量的工作，大大簡化了工作人員的測量工作，提升了工作效率，工作準(zhǔn)確度。因此，該根系圖像分析儀一上市就廣受農(nóng)業(yè)科研教學(xué)機構(gòu)喜愛。例如，就有學(xué)者使用根系圖像分析儀等儀器對水稻表層根系圖像分割算法研究。具體如下：

    水稻根系形態(tài)特征的定量研究對于改進農(nóng)田管理方式、水稻品種選育和遺傳改良等具有重要意義。近年來，隨著表型組技術(shù)迅速發(fā)展，利用圖像處理技術(shù)對水稻根系生長情況進行測量和分析，同時配合施肥、灌溉、光照、溫控等環(huán)境監(jiān)控技術(shù)已成為水稻育種和功能基因組研究新型技術(shù)手段，而根系圖像分割技術(shù)是進行后續(xù)表型組學(xué)分析的重要基礎(chǔ)之一。由于生長在土壤中的水稻根系圖像具有對比度低、信噪比低、紋理復(fù)雜的特點，分割十分困難。針對此問題，研究了主干-分支連接算法、基于形態(tài)特征的局部閾值分割算法和基于形態(tài)特征的自適應(yīng)閾值分割算法，對生長在土壤中水稻根系圖像進行分割處理和比較。

    實驗結(jié)果表明，主干-分支連接算法雖然保留了大量細(xì)節(jié)，但是受噪聲影響嚴(yán)重，其結(jié)構(gòu)略顯雜亂，毛刺現(xiàn)象嚴(yán)重；基于形態(tài)特征的局部閾值分割算法能保留更多根部的細(xì)節(jié)，但輪廓斷裂的現(xiàn)象比較嚴(yán)重；自適應(yīng)閾值分割算法分割的圖像根系連續(xù)性較好，毛刺現(xiàn)象也得到了抑制，但是細(xì)小的須根無法保留。最終將兩種算法結(jié)合起來，提出一種適用于水稻表層根系圖像分割的綜合算法，則可以獲得較為理想的分割結(jié)果，為后續(xù)水稻根系性狀提取奠定了重要基礎(chǔ)。