不同氮素處理棉花冠層圖像顏色特征分析

賈彪+馬富裕

摘要：為了探明顏色特征值參數(shù)與棉花生長(zhǎng)發(fā)育的關(guān)系，選用北疆2個(gè)棉花主栽品種新陸早43號(hào)（XLZ 43）和新陸早48號(hào)（XLZ 48）為試驗(yàn)材料，于2013—2014年開展5個(gè)N素水平的小區(qū)試驗(yàn)，應(yīng)用高清數(shù)碼相機(jī)獲取棉花群體冠層圖像，通過(guò)數(shù)字圖像識(shí)別系統(tǒng)提取各處理棉花群體冠層圖像的顏色特征參數(shù)值，分析各顏色特征指數(shù)在棉花生育進(jìn)程內(nèi)的動(dòng)態(tài)變化。結(jié)果表明，基于RGB模型的紅光值（R）、綠光值（G）和基于HIS模型的亮度值（I）能充分反映棉花群體生長(zhǎng)發(fā)育規(guī)律，且相關(guān)性好，其動(dòng)態(tài)模擬曲線的函數(shù)通式為：y=a-b×ln（x+c）；基于HIS模型的色度值（H），隨不同施N量的增加，擬合參數(shù)呈現(xiàn)規(guī)律性變化，且相關(guān)性顯著，其動(dòng)態(tài)曲線滿足通式：y=a+bx+cx2；而模型中藍(lán)光值（B）的動(dòng)態(tài)變化雖然滿足二次函數(shù)關(guān)系，但不同N素水平間擬合參數(shù)值波動(dòng)性大，規(guī)律不明顯；飽和度值（S）動(dòng)態(tài)模擬結(jié)果不理想，無(wú)規(guī)律可循，這說(shuō)明S值受氮水平影響較小。因此顏色特征指數(shù)R、G和I能作為棉花群體監(jiān)測(cè)的量化指標(biāo)。

關(guān)鍵詞：棉花；數(shù)字圖像；顏色特征指數(shù)；生育進(jìn)程；動(dòng)態(tài)變化

中圖分類號(hào)： S126 文獻(xiàn)標(biāo)志碼： A

文章編號(hào)：1002-1302（2016）09-0344-08

隨著計(jì)算機(jī)視覺(jué)技術(shù)和數(shù)字圖像分析技術(shù)的日新月異，應(yīng)用數(shù)字圖像處理技術(shù)分析作物群體顏色特征已步入了農(nóng)業(yè)信息化的快車道。目前，大量研究集中對(duì)作物冠層數(shù)字圖像進(jìn)行分割[1-4]，提取其群體顏色特征參數(shù)值[1-4]，通過(guò)顏色色彩模型對(duì)作物群體特征進(jìn)行分析[1，3-4]，從而探索利用數(shù)字圖像處理技術(shù)進(jìn)行作物長(zhǎng)勢(shì)監(jiān)測(cè)的方法，研究不同群體冠層圖像顏色變化的特征，闡釋農(nóng)作物整個(gè)生育期群體冠層顏色變化規(guī)律，反映農(nóng)作物長(zhǎng)勢(shì)情況的潛在指標(biāo)。這對(duì)于基于計(jì)算機(jī)視覺(jué)技術(shù)的作物長(zhǎng)勢(shì)監(jiān)測(cè)具有極其重要的意義[1]。近年來(lái)，國(guó)內(nèi)外學(xué)者運(yùn)用數(shù)碼照相法和數(shù)字圖像分割法在作物長(zhǎng)勢(shì)監(jiān)測(cè)與營(yíng)養(yǎng)狀態(tài)診斷等方面的研究有了突破性進(jìn)展，主要作物包括油菜[5]、小麥[6-12]、玉米[7，13-16]和水稻[17-18]等。對(duì)于棉花作物，通過(guò)分割不同滴灌水處理群體圖像研究表明，基于RGB模型的部分顏色特征參數(shù)與棉花水分含量間呈指數(shù)極顯著相關(guān)[2-3]；通過(guò)提取不同密度的顏色特征參數(shù)紅光值R、綠光值G、藍(lán)光值B值，研究發(fā)現(xiàn)其參數(shù)值同密度間呈二次函數(shù)關(guān)系[1]。然而，基于RGB模型對(duì)棉花營(yíng)養(yǎng)指標(biāo)評(píng)價(jià)和基于HIS模型對(duì)棉花長(zhǎng)勢(shì)監(jiān)測(cè)的突破性研究相對(duì)較少，有待于進(jìn)一步創(chuàng)新。應(yīng)用數(shù)字圖像處理和分析技術(shù)可評(píng)價(jià)田間棉花長(zhǎng)勢(shì)長(zhǎng)相和營(yíng)養(yǎng)狀況，為基于數(shù)碼相機(jī)等彩色圖像處理技術(shù)在農(nóng)作物的生長(zhǎng)監(jiān)測(cè)與營(yíng)養(yǎng)診斷應(yīng)用奠定了理論基礎(chǔ)；利用數(shù)字圖像分割技術(shù)可實(shí)時(shí)、快速、自動(dòng)、非破壞性地進(jìn)行棉花長(zhǎng)勢(shì)監(jiān)測(cè)與診斷，對(duì)其生長(zhǎng)發(fā)育的季節(jié)性變化進(jìn)行評(píng)估[19]，還可以幫助種植戶適時(shí)采取農(nóng)藝措施（施肥、灌水、中耕以及病蟲害防治等），從而提高棉花產(chǎn)量與品質(zhì)[19]。本研究的主要目的是探討6組不同顏色特征參數(shù)R、G、B值和色度值H、飽和度值S、亮度值I值與不同N素水平棉花群體間的相關(guān)性。利用棉花群體特征數(shù)字圖像識(shí)別系統(tǒng)分析處理已獲取的棉花冠層圖像，提取每一張數(shù)字圖像的R、G、B值以及H、S、I值，研究不同N素水平下棉花群體各顏色特征值間的相關(guān)性，從而準(zhǔn)確反映棉花全生育期內(nèi)各顏色分量變化規(guī)律。

1 材料與方法

1.1 試驗(yàn)材料

試驗(yàn)于2013—2014年在石河子大學(xué)農(nóng)學(xué)院田間試驗(yàn)站（44°20′N，86°3′E）進(jìn)行，供試品種為新陸早43號(hào)（XLZ 43）和新陸早48號(hào)（XLZ 48）。2013年4月20日播種，4月30日灌出苗水；2014年4月16日播種，4月21日灌出苗水，留苗密度均為26萬(wàn)株/hm2左右；采用膜下滴灌法進(jìn)行灌水。小區(qū)面積66 m2 （20 m×3.3 m），行株距配置為（10 cm+66 cm+10 cm）×10 cm的采摘種植模式。設(shè)置5個(gè)N水平處理，即：N0（0 kg/hm2，對(duì)照）、N1（120 kg/hm2）、N2（240 kg/hm2）、N3（360 kg/hm2）、N4（480 kg/hm2），完全隨機(jī)排列，重復(fù)3次。各N處理作為追肥隨水施入，各小區(qū)間用防滲帶隔開，獨(dú)立滴灌，全生育期灌水11次，灌水總量5 400 m3/hm2，其他管理措施按當(dāng)?shù)卮筇锔弋a(chǎn)棉田進(jìn)行。各試驗(yàn)小區(qū)播前一次性施基肥P2O5 150 kg/hm2和K2O75 kg/hm2，N肥作為追肥隨滴灌水施入，苗期施10%，蕾期施25%，花期施45%，盛鈴期或吐絮前期施20%。試驗(yàn)地土壤質(zhì)地為壤質(zhì)灰漠土，土壤地力中等。各試驗(yàn)地土壤營(yíng)養(yǎng)狀況如表1所示。

1.2 冠層圖像獲取

與試驗(yàn)過(guò)程中葉面積指數(shù)（LAI）測(cè)量時(shí)間同步，2013年和2014年圖像獲取均從現(xiàn)蕾開始，每隔12 d拍攝1次，選用1 220萬(wàn)像素Canon EOS 450D（Canon Inc.，Japan）數(shù)碼照相機(jī)獲得棉花冠層圖像。數(shù)碼相機(jī)安裝在一自制的鋁合金單腳支架上，距地面高度2.20 m，鏡頭與地面垂直拍攝，拍攝時(shí)單腳架安置在2.05 m標(biāo)準(zhǔn)寬膜中間位置，標(biāo)準(zhǔn)寬膜可播種6行，即單腳架安裝在第3行位和第4行位中間位置，保證拍攝每1張圖片能獲取6行完整棉株信息。

圖像獲取難免會(huì)受環(huán)境因子影響，主要包括天氣變化、光照度等。為確保圖像清晰可靠，根據(jù)新疆當(dāng)?shù)貢r(shí)間選擇拍攝時(shí)段（北京時(shí)間12：00—14：00），天氣狀況良好，無(wú)風(fēng)、無(wú)云或風(fēng)速較小的晴空，圖像分辨率為4 272×2 848像素，存儲(chǔ)格式為JPEG格式。

1.3 顏色參數(shù)值提取

將獲取的棉花群體冠層圖像傳輸?shù)接?jì)算機(jī)，通過(guò)數(shù)字圖像識(shí)別系統(tǒng)將圖像進(jìn)行分割（圖1），數(shù)字圖像識(shí)別系統(tǒng)是基于Microsoft Visual Studio.NET平臺(tái)，運(yùn)用Visual C++和Matlab 軟件編寫代碼，提取RGB模型和HIS模型顏色空間對(duì)應(yīng)的顏色參數(shù)值[20-21]。

1.4 數(shù)據(jù)分析

本研究采用SPSS 17.0 （SPSS Inc.，Chicago，USA）進(jìn)行數(shù)據(jù)分析與處理，運(yùn)用Origin Pro 8.5 （Origin Lab.，USA）進(jìn)行數(shù)據(jù)擬合與作圖，選用決定系數(shù)（R2）判斷數(shù)據(jù)擬合的優(yōu)劣[22]。

2 結(jié)果與分析

2.1 基于RGB模型下不同N處理棉花群體數(shù)字圖像特征

由圖2和圖3可以看出，在棉花整個(gè)生育期內(nèi)，顏色特征指數(shù)R和G動(dòng)態(tài)變化相似，受施N量不同影響顯著，2品種變化結(jié)果遵循一個(gè)普遍規(guī)律，隨著出苗后天數(shù)的增加，R值和G值呈現(xiàn)先快速增加后緩慢增加的狀態(tài)。即從苗期到蕾期均呈現(xiàn)快速增加，從花期、結(jié)鈴期到吐絮期緩慢增長(zhǎng)。運(yùn)用Origin8.5對(duì)顏色特征指數(shù)R值和G值進(jìn)行擬合，模擬結(jié)果表明，各處理棉花群體圖像的R值和G值均表現(xiàn)為對(duì)數(shù)函數(shù)曲線，其模擬方程式為：y=a-b×ln（x+c）。

由曲線模擬結(jié)果（表2）可知，在棉花全生育期內(nèi)，不同氮素水平的顏色指數(shù)值R和G均呈對(duì)數(shù)函數(shù)關(guān)系，且擬合度較高，均達(dá)到了顯著水平，R2>0.705，這充分反映在棉花整個(gè)生育期內(nèi)所需的氮肥量由當(dāng)季土壤氮素提供。將模擬方程相對(duì)應(yīng)參數(shù)a、b和c進(jìn)行比較，研究結(jié)果發(fā)現(xiàn)，隨施N量不同，參數(shù)a、b值有規(guī)律地減?。坏珔?shù)c值隨著施N量的增加變化規(guī)律不明顯。由此可見(jiàn)，不同施N量主要影響參數(shù)a、b的改變，進(jìn)而影響顏色指數(shù)值R和G變化。

由圖4動(dòng)態(tài)變化可以看出，在棉花的整個(gè)生長(zhǎng)發(fā)育進(jìn)程中，顏色特征指數(shù)B受施N素水平影響顯著，但動(dòng)態(tài)變化規(guī)律不同于R和G，應(yīng)用Origin 8.5對(duì)B值進(jìn)行擬合，模擬結(jié)果表明，不同氮素處理棉花群體圖像B值均表現(xiàn)為開口向下的二次函數(shù)曲線變化趨勢(shì)，模擬方程式為：y=a+bx+cx2。

顏色特征指數(shù)值B二次函數(shù)曲線模擬結(jié)果（表3）表明，在棉花整個(gè)生育期內(nèi)，5個(gè)氮素水平擬合度相對(duì)較高，達(dá)到了顯著水平或極顯著水平，R2>0.727。但將各模擬方程對(duì)應(yīng)的參數(shù)a、b、c值進(jìn)行分析比較發(fā)現(xiàn)，不同施N量間，參數(shù)a、b、c值隨著施N量的增加變化規(guī)律不明顯，這說(shuō)明不同N素水平棉花冠層顏色特征指數(shù)B所呈現(xiàn)出的二次函數(shù)曲線不能準(zhǔn)確反映其動(dòng)態(tài)變化規(guī)律，可能是由于棉花葉片反射的藍(lán)色顏色特征指數(shù)值極少，從而導(dǎo)致B值變化規(guī)律不明顯。這充分說(shuō)明應(yīng)用RGB模型進(jìn)行棉花長(zhǎng)勢(shì)監(jiān)測(cè)時(shí)，顏色特征指數(shù)B不能準(zhǔn)確評(píng)判施N量不同帶來(lái)的影響，不能用B值進(jìn)行棉花長(zhǎng)勢(shì)監(jiān)測(cè)與N素評(píng)價(jià)，因此B值不能作為評(píng)判棉花群體顏色動(dòng)態(tài)變化特征的指標(biāo)變量。

2.2 基于HIS模型下不同N處理棉花群體數(shù)字圖像特征

由圖5動(dòng)態(tài)變化趨勢(shì)可以看出，在棉花整個(gè)生育期內(nèi)，對(duì)于亮度值I變化規(guī)律類似于RGB模型中顏色特征指數(shù)R和G，且不同N素水平下2品種XLZ 43和XLZ 48遵循一定的變化規(guī)律。同理，運(yùn)用Origin 8.5對(duì)I值進(jìn)行模擬，模擬結(jié)果表明，5個(gè)氮素水平處理棉花群體圖像I值均表現(xiàn)為開口向下的對(duì)數(shù)函數(shù)曲線，其模擬方程通式為：y=a-b×ln（x+c）。

由表4可見(jiàn)，各氮素水平模型擬合度較高，R2>0.778。將亮度值I模擬方程相對(duì)應(yīng)參數(shù)a、b、c值進(jìn)行比較，結(jié)果類似于R值和G值各參數(shù)變化規(guī)律，不同施N量間，隨施N量的增加，參數(shù)a、b值呈規(guī)律性減小，參數(shù)c值變化幅度不明顯。

由圖6可以看出，在棉花整個(gè)生育期內(nèi)，不同N素水平顯著影響棉花色度色調(diào)值H的變化，運(yùn)用Origin 8.5對(duì)H值進(jìn)行模擬，模擬結(jié)果表明，各處理棉花群體圖像的H值均為開口向上的二次函數(shù)曲線變化，其模擬方程通式為：y=a+bx+cx2。

由圖7可以看出，在棉花整個(gè)生育期內(nèi)，不同N素水平對(duì)棉花冠層圖像飽和度值S的影響無(wú)明顯規(guī)律，波動(dòng)性大，無(wú)規(guī)律可循，且各施N處理間差異不顯著。

由表5可以看出，不同氮素水平的色度色調(diào)值H，在棉花生長(zhǎng)全生育期內(nèi)均滿足二次函數(shù)關(guān)系，且5個(gè)氮素水平相關(guān)性和擬合度相對(duì)較高，也達(dá)到了顯著水平或極顯著水平，R2>0.504，將各函數(shù)對(duì)應(yīng)的參數(shù)a、b、c值進(jìn)行比較，結(jié)果發(fā)現(xiàn)，不同施N量間參數(shù)a、b、c值隨著施N量的增加，變化幅度不明顯；對(duì)于飽和度S運(yùn)用二次函數(shù)進(jìn)行模擬，結(jié)果表明，在棉花整個(gè)生育期內(nèi)，5個(gè)氮素水平S值各參數(shù)擬合度偏低，R2最大值為0.292，且各N素處理間均未達(dá)到顯著水平， 將模擬的參數(shù)值進(jìn)行分析比較發(fā)現(xiàn)，參數(shù)值a、b、c值無(wú)任何規(guī)律，失去統(tǒng)計(jì)學(xué)意義。因此色調(diào)值H和飽和度值S無(wú)法反映棉花生長(zhǎng)的生物學(xué)意義。

3 結(jié)論與討論

本研究采用高清數(shù)碼相機(jī)獲取棉花冠層圖像，運(yùn)用Microsoft Visual Studio.NET平臺(tái)、Visual C++和Matlab軟件編寫代碼，提取了不同施N水平下棉花冠層圖像顏色參數(shù)動(dòng)態(tài)變化特征，探討了各顏色特征參數(shù)在棉花生育進(jìn)程內(nèi)的動(dòng)態(tài)變化，分析了基于RGB模型[23]和HIS模型[24-25]的顏色參數(shù)值對(duì)棉花群體冠層圖像顏色特征的影響。研究結(jié)果表明，基于RGB模型的R值和G值和基于HIS模型的I值能充分反映棉花生長(zhǎng)發(fā)育規(guī)律，其動(dòng)態(tài)模擬曲線的函數(shù)通式為y=a-b×ln（x+c），且相關(guān)性顯著，精確度高，能作為棉花生長(zhǎng)監(jiān)測(cè)與診斷的量化指標(biāo)。

棉花的生長(zhǎng)環(huán)境和生長(zhǎng)條件不同，其植株表現(xiàn)出的顏色特征就不同[26]。本研究表明，施N量不同，棉株冠層各部位表現(xiàn)出的顏色特征就不同，應(yīng)用圖像識(shí)別系統(tǒng)提取的顏色參數(shù)R、G、B值和H、S、I值也不同（圖1）。這說(shuō)明棉株冠層顏

色特征參數(shù)值的規(guī)律性變化由棉花生長(zhǎng)過(guò)程中的葉片數(shù)量、葉片大小、株高、葉傾角及棉鈴數(shù)等多個(gè)綠色體反射光決定。

本研究發(fā)現(xiàn)，基于顏色參數(shù)R和G擬合的動(dòng)態(tài)曲線具有規(guī)律性的變化（圖2、圖3），但參數(shù)B擬合曲線波動(dòng)性大（圖4），與孫恩紅等的研究結(jié)果[4，27-28]相類似。這充分表明了棉花冠層綠色體、土壤等的反射和吸收水平；而基于顏色參數(shù)H、S、I值的動(dòng)態(tài)分析表明，亮度值I動(dòng)態(tài)變化規(guī)律類似于R和G值（圖5、表4），飽和度值S變化沒(méi)有規(guī)律可循[17，29]。這充分說(shuō)明HIS模型中I值反映顏色參數(shù)各波長(zhǎng)的總能量，受拍攝環(huán)境、光源和光照度等因子的影響，所以試驗(yàn)拍攝過(guò)程選擇晴天正午時(shí)分，環(huán)境條件誤差小，從而減少了數(shù)字圖片獲取誤差；S值反映彩色的濃淡與飽和度，受外界環(huán)境因素影響非常大，在拍攝過(guò)程中受光照、天氣等多種影響因子的干擾比較明顯，變化幅度較大，因而失去其統(tǒng)計(jì)學(xué)與生物學(xué)意義。

近年來(lái)，3D數(shù)碼相機(jī)和無(wú)人機(jī)技術(shù)的發(fā)展日新月異，若大力發(fā)展近、遠(yuǎn)距離的無(wú)人機(jī)對(duì)棉花冠層進(jìn)行圖像采集、圖像處理和生長(zhǎng)檢測(cè)與診斷，且不斷提升檢測(cè)設(shè)備的光學(xué)精確度與敏感度，將會(huì)使新疆超高產(chǎn)棉花的生產(chǎn)管理和數(shù)字化、信息化有一個(gè)全新的技術(shù)創(chuàng)新與突破。

參考文獻(xiàn)：

[1]李亞兵，毛樹春，韓迎春，等. 不同棉花群體冠層數(shù)字圖像顏色變化特征研究[J]. 棉花學(xué)報(bào)，2012，24（6）：541-547.

[2]王方永，王克如，王崇桃，等. 基于圖像識(shí)別的棉花水分狀況診斷研究[J]. 石河子大學(xué)學(xué)報(bào)：自然科學(xué)版，2007，25（4）：404-407.

[3]王方永，王克如，李少昆，等. 利用數(shù)字圖像估測(cè)棉花葉面積指數(shù)[J]. 生態(tài)學(xué)報(bào)，2011，31（11）：3090-3100.

[4]雷詠雯，王 娟，李 艷，等. 圖像分析在大田作物生長(zhǎng)監(jiān)測(cè)中的應(yīng)用進(jìn)展[J]. 新疆農(nóng)業(yè)科學(xué)，2006，43（3）：213-217.

[5]Behrens T，Diepenbrock W. Using digital image analysis to describe canopies of winter oilseed rape during vegetative developmental stages[J]. Journal of Agronomy and Crop Science，2006，192（4）：295-302.

[6]Li Q Q，Dong B D，Qiao Y Z，et al. Root growth，available soil water，and water-use efficiency of winter wheat under different irrigationregimes applied at different growth stages in North China[J].Agriculture Water Management，2010，97（10）：1676-1682.

[7]Raun W R，Solie J B，Taylor R K，et al. Ramp calibration strip technology for determining midseason nitrogen rates in corn and wheat[J]. Agronomy Journal，2008，100（4）：1088-1093.

[8]Mayfield A H，Trengove S P. Grain yield and protein responses in wheat using the N-sensor for variable rate N application[J]. Crop and Pasture Science，2009，60（9）：818-823.

[9]Pan G，Li F M，Sun G J. Digital camera based measurement of crop cover for wheat yield prediction[C]. IEEE International，2007：797-800.

[10]Chen X P，Zhang F S，Rmheld V，et al. Synchronizing N supply from soil and fertilizer and N demand of winter wheat by an improved Nmin method[J]. Nutrient Cycling in Agroecosystems，2006，74（2）：91-98.

[11]Jia L L，Chen X P，Li M Z，et al. Optimum nitrogen fertilization of winter wheat based on color digital camera image[J]. Communications in Soil Science and Plant Analysis，2007，38（11/12）：1385-1394.

[12]Jia L L，Chen X P，Zhang F S，et al. Use of digital camera to assess nitrogen status of winter wheat in the northern china plain[J].Journal of Plant Nutrition，2004，27（3）：441-450.

[13]Yu Z H，Cao Z G，Wu X，et al. Automatic image-based detection technology for two critical growth stages of maize：emergence and three-leaf stage[J]. Agricultural and Forest Meteorology，2013（174）：65-84.

[14]Toshihiro S，Anatoly A，Gitelson B D，et al. Application of day and night digital photographs for estimating maize biophysical characteristics[J]. Precision Agriculture，2012，13（2）：285-301.

[15]Wang Y，Wang D J，Shi P H，et al. Leaf nitrogen concentration with a digital still color camera under natural light[J]. AgronomyJournal，2014，103（2）：529-535.

[16]Graeff S，Claupein W. Quantifying nitrogen status of corn （Zea mays L.） in the field by reflectance measurements[J]. European Journal of Agronomy，2003，19（4）：611-618.

[17]祝錦霞，鄧勁松，林芬芳，等. 水稻氮素機(jī)器視覺(jué)診斷最佳葉位和位點(diǎn)的選擇研究[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2010，41（4）：179-183.

[18]Wang Y，Wang D J，Zhang G，et al. Estimating nitrogen status of rice using the image segmentation of G-R thresholding method[J]. Field Crops Research，2013（149）：33-39.

[19]Sui R X，Thomasson J A，Hanksb J，et al. Ground-based sensing system for weed mapping in cotton[J]. Computers and Electronics in Agriculture，2008，60（1）：31-38.

[20]Bai X D，Cao Z G，Wang Y，et al. Crop segmentation from images by morphology modeling in the CIE L*a*b* color space[J].Computers andElectronics in Agriculture，2013（99）：21-34.

[21]Guijarro M，Pajares G，Riomoros I，et al. Automatic segmentation of relevant textures in agricultural images[J]. Computers andElectronics in Agriculture，2011，75（1）：75-83.

[22]蓋鈞鎰. 試驗(yàn)統(tǒng)計(jì)方法[M]. 北京：中國(guó)農(nóng)業(yè)出版社，2000：175-190.

[23]齊國(guó)紅，張?jiān)讫?，張晴? 基于作物病害葉片顏色的病斑提取方法[J]. 江蘇農(nóng)業(yè)科學(xué)，2014，42（12）：434-436.

[24]夏永泉，李耀斌，曾 莎. 基于HSI顏色空間的植物葉片病斑提取方法[J]. 江蘇農(nóng)業(yè)科學(xué)，2015，43（8）：406-408.

[25]田 昊，王維新，畢新勝，等. 基于圖像處理的機(jī)采棉雜質(zhì)提取算法[J]. 江蘇農(nóng)業(yè)科學(xué)，2014，42（1）：366-368.

[26]Jia B，He H B，Ma F Y，et al. Use of a digital camera to monitor the growth and N status of cotton[J/OL]. The Scientific World Journal，2014-02-27[2015-08-10]. http：//dx.doi.org/10.1155/2014/602647.

[27]孫恩紅. 基于數(shù)字圖像的棉花群體光合有效射的時(shí)空分布[D]. 北京：中國(guó)農(nóng)業(yè)科學(xué)院，2012.

[28]顧 清，鄧勁松，陸 超，等. 基于光譜和形狀特征的水稻掃描葉片氮素營(yíng)養(yǎng)診斷[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2012，43（8）：170-174.

[29]孫 紅，孫 明，王一鳴. 植物生長(zhǎng)機(jī)器視覺(jué)無(wú)損測(cè)量研究綜述[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2006，37（10）：181-185.