基于Android手機(jī)平臺(tái)的玉米葉片含氮量無(wú)損檢測(cè)

(西北農(nóng)林科技大學(xué)機(jī)械與電子工程學(xué)院， 陜西楊凌 712100)

基于Android手機(jī)平臺(tái)的玉米葉片含氮量無(wú)損檢測(cè)

郭文川薛憲法楊彪周超超朱新華

(西北農(nóng)林科技大學(xué)機(jī)械與電子工程學(xué)院， 陜西楊凌712100)

為了提供一種玉米葉片含氮量無(wú)損快速檢測(cè)方法，分析了玉米葉片的顏色特征參數(shù)與含氮量的關(guān)系，并基于Android手機(jī)平臺(tái)開(kāi)發(fā)了玉米葉片含氮量檢測(cè)軟件。首先獲取包含被測(cè)玉米葉片與標(biāo)定色塊組的圖像，利用標(biāo)定色塊對(duì)圖像色彩進(jìn)行校正，以減小外界光照等因素對(duì)圖像色彩造成的失真。進(jìn)而進(jìn)行圖像分割、圖像平滑和顏色特征信息提取等處理，分析了各顏色特征參數(shù)與玉米葉片含氮量的關(guān)系，發(fā)現(xiàn)綠光標(biāo)準(zhǔn)化值與含氮量之間線性關(guān)系最好。應(yīng)用Java語(yǔ)言和OpenCV計(jì)算機(jī)視覺(jué)庫(kù)在Android手機(jī)平臺(tái)上實(shí)現(xiàn)了玉米葉片的圖像獲取、圖像處理和查看結(jié)果等功能。實(shí)驗(yàn)結(jié)果表明，該方法對(duì)玉米葉片含氮量的絕對(duì)測(cè)量誤差為-0.40%～0.35%，均方根誤差為0.20%，從采集圖像到給出結(jié)果所用時(shí)間小于10s。

玉米葉片； 含氮量； Android； 手機(jī)； 無(wú)損檢測(cè)

引言

氮素是植物最重要的營(yíng)養(yǎng)元素，也被稱為“生命元素”。植物缺氮會(huì)造成植株矮小、生長(zhǎng)緩慢；氮素過(guò)剩又會(huì)導(dǎo)致植株修長(zhǎng)倒伏、貪青晚熟。實(shí)時(shí)、精準(zhǔn)地獲取植物的氮素含量信息，不僅有利于按需施肥，促進(jìn)植物更好地生長(zhǎng)，還能有效地緩解因過(guò)量施肥造成的環(huán)境污染問(wèn)題[1-2]。

傳統(tǒng)的植物含氮量檢測(cè)方法主要有凱氏定氮法、奈氏比色法和杜馬斯燃燒法等[3-4]。這些檢測(cè)方法具有檢測(cè)精度高、可靠性好的優(yōu)點(diǎn)，但同時(shí)存在檢測(cè)過(guò)程繁瑣、檢測(cè)成本較高，且需專業(yè)人員操作的缺點(diǎn)。此外，這些方法都很難應(yīng)用于植物含氮量的現(xiàn)場(chǎng)、無(wú)損和快速檢測(cè)。相關(guān)研究發(fā)現(xiàn)，植物在可見(jiàn)光區(qū)的光譜反射屬性與葉綠素顯著相關(guān)[5-6]，而氮素又是葉綠素的重要組成成分，二者變化趨勢(shì)相近，這使得利用SPAD葉綠素儀無(wú)損、快速地檢測(cè)植物含氮量成為可能[7-9]，然而該方法需要與植物葉片接觸[10]。孫俊等[11]基于高光譜成像技術(shù)定性分析了離體生菜葉片氮素水平的豐缺狀況。王巧男等[12]利用高光譜成像技術(shù)實(shí)現(xiàn)了柑橘冠層氮素水平的定量預(yù)測(cè)，模型決定系數(shù)為0.607 1。但高光譜儀器比較昂貴，目前僅用于實(shí)驗(yàn)室研究中，且測(cè)量精度有限。賈良良等[13]利用數(shù)碼相機(jī)獲取田間冬小麥冠層圖像，利用圖像處理技術(shù)提取顏色特征指標(biāo)，發(fā)現(xiàn)其綠色分量與紅綠藍(lán)分量和的比值與小麥植株的含氮量具有很好的相關(guān)性。張立周等[14]將數(shù)字圖像技術(shù)應(yīng)用于夏玉米氮素營(yíng)養(yǎng)診斷中，研究得出藍(lán)光標(biāo)準(zhǔn)化值B/(R+G+B)是進(jìn)行夏玉米氮素營(yíng)養(yǎng)診斷的最佳色彩參數(shù)指標(biāo)。但這些研究存在數(shù)據(jù)處理滯后的問(wèn)題。

近年來(lái)，功能強(qiáng)大、方便實(shí)用的智能手機(jī)在農(nóng)業(yè)中得到了一定的應(yīng)用。例如，智能手機(jī)被應(yīng)用于無(wú)損、快速檢測(cè)生長(zhǎng)中的植物葉片面積[15]，用于診斷農(nóng)作物病蟲(chóng)害[16]，用于開(kāi)發(fā)農(nóng)業(yè)信息發(fā)布平臺(tái)等[17-19]。然而，目前尚未有利用智能手機(jī)進(jìn)行無(wú)損、非接觸、快速檢測(cè)植物葉片含氮量的報(bào)道。為此，本文以玉米[20-21]為對(duì)象，提出一種基于Android手機(jī)平臺(tái)實(shí)現(xiàn)玉米葉片含氮量無(wú)損、非接觸、快速檢測(cè)的方法，以期為玉米田間變量施肥及玉米產(chǎn)量的提高提供技術(shù)支撐。

1 實(shí)驗(yàn)材料與方法

1.1 實(shí)驗(yàn)材料

以“咸科858”玉米品種為研究對(duì)象，實(shí)驗(yàn)地點(diǎn)為西北農(nóng)林科技大學(xué)中國(guó)旱區(qū)節(jié)水農(nóng)業(yè)研究院實(shí)驗(yàn)田。將實(shí)驗(yàn)田均分為4塊，每塊長(zhǎng)12 m、寬3.5 m。設(shè)置氮肥施用量為4個(gè)梯度：不施氮肥、正常施氮肥量的一半、正常施氮肥量和正常施氮肥量的1.5倍。施肥方案為施基肥1次，追肥2次，追肥時(shí)間分別在拔節(jié)期和抽雄期[22]。其中基肥使用過(guò)磷酸鈣和尿素，每塊地過(guò)磷酸鈣用量均為2.5 kg，各塊地尿素施肥量按照上述4個(gè)梯度設(shè)置，其中正常施肥量為1.6 kg，每塊均勻施肥。2次追肥只施尿素，同樣采用上述4個(gè)梯度施肥方式，正常情況下尿素用量為1.6 kg。除各塊施肥量不同外，其余栽培條件均相同。分別在玉米拔節(jié)期、抽雄期以及乳熟期[23]采集數(shù)據(jù)。每次實(shí)驗(yàn)分別在4塊實(shí)驗(yàn)田中各隨機(jī)抽取不相鄰的10株玉米作為研究對(duì)象，共用玉米植株120株進(jìn)行數(shù)據(jù)采集。有效實(shí)驗(yàn)樣本數(shù)為115株。

1.2 測(cè)量方法

以玉米植株中部的葉片為對(duì)象，用華為Honor 3C智能手機(jī)獲取葉片中部的彩色圖片。然后從玉米植株上剪下該葉片，放入保鮮袋內(nèi)迅速帶回實(shí)驗(yàn)室后，置于105℃的電熱鼓風(fēng)干燥箱(WG-71型，天津泰斯特儀器有限公司，天津)中殺青30 min，再于80℃下干燥至恒質(zhì)量后研磨成粉狀。然后利用FOSS-2300型自動(dòng)凱氏定氮儀(福斯分析儀器有限公司，瑞典)，按照農(nóng)業(yè)標(biāo)準(zhǔn)NY/T 2017—2011(植物中氮、磷、鉀的測(cè)定)測(cè)量玉米葉片的含氮量。每個(gè)玉米葉片的含氮量重復(fù)測(cè)量3次，3次測(cè)量的平均值作為測(cè)量結(jié)果。

2 玉米葉片圖像處理及含氮量檢測(cè)模型的建立

2.1 圖像獲取

將拍攝玉米葉片的背景設(shè)置為不含綠色分量的品紅色(R：255，G：0，B：255)。由于光照、背景和成像系統(tǒng)等因素會(huì)造成圖像顏色的失真[24-25]，為克服該問(wèn)題，在背景板中設(shè)置6個(gè)色塊以對(duì)圖像色彩進(jìn)行校正。該6個(gè)色塊分別是：標(biāo)準(zhǔn)紅(R：255，G：0，B：0)、標(biāo)準(zhǔn)綠(R：0，G：255，B：0)、標(biāo)準(zhǔn)藍(lán)(R：0，G：0，B：255)、白(R：255，G：255，B：255)、黑(R：0，G：0，B：0)和灰(R：120，G：120，B：120)。圖像獲取示意圖如圖1所示。

圖1 圖像獲取方法Fig.1 Image acquisition method1.手機(jī) 2.背景 3.待測(cè)玉米葉片 4.標(biāo)定色塊

2.2 色彩校正

為克服光照等各種外在因素對(duì)圖像色彩的影響，以獲得預(yù)測(cè)玉米葉片含氮量較精確的模型，對(duì)獲得的圖像進(jìn)行色彩校正。校正過(guò)程如下：

(1)采用閾值分割法分割出圖像中的灰度色塊，然后遍歷灰度色塊區(qū)域，分別統(tǒng)計(jì)該區(qū)域R通道的均值RGray、G通道的均值GGray和B通道的均值BGray。

(2)求出RGray、GGray和BGray的均值A(chǔ)Gray，再分別求出R、G、B3通道的校正系數(shù)Gr、Gg和Gb。

(1)

(3)采用閾值分割法分割出圖像中的標(biāo)準(zhǔn)紅色色塊、標(biāo)準(zhǔn)綠色色塊和標(biāo)準(zhǔn)藍(lán)色色塊，并分別統(tǒng)計(jì)標(biāo)準(zhǔn)紅色色塊R通道的均值RRed、標(biāo)準(zhǔn)綠色色塊G通道的均值GGreen和標(biāo)準(zhǔn)藍(lán)色色塊B通道的均值BBlue，分別求出標(biāo)準(zhǔn)紅色色塊R通道、標(biāo)準(zhǔn)綠色色塊G通道和標(biāo)準(zhǔn)藍(lán)色色塊B通道的色彩校正系數(shù)r、g和b，計(jì)算式為

(2)

(4)用校正系數(shù)Gr、Gg、Gb和色彩校正系數(shù)r、g、b分別對(duì)玉米葉片圖像的R、G、B通道進(jìn)行校正。校正方法為

(3)

式中fR(x,y)、fG(x,y)、fB(x,y)、fCR(x,y)、fCG(x,y)、fCB(x,y)為校正前、后圖像中某像素點(diǎn)(x,y)在R、G、B通道的值。

圖像校正前、后的對(duì)比效果如圖2a、2b所示。從圖2a中的灰度標(biāo)定色塊可以看出，色彩校正前圖片顏色明顯偏藍(lán)，校正后的顏色與圖1給出的拍攝背景的顏色比較接近。說(shuō)明該方法能有效地實(shí)現(xiàn)色彩校正。

圖2 原始圖像和色彩校正后的圖像Fig.2 Original image and color corrected image

2.3 圖像分割與平滑

由于玉米葉片圖像都是在如圖1所示的背景下采集的，因此葉片區(qū)域的R/G小于1，而背景中R/G大于1，因此將R/G設(shè)為1作為玉米葉片圖像分割的閾值。

由于拍攝背景中預(yù)設(shè)有標(biāo)定色塊，為更好地將玉米葉片分割出來(lái)，首先需將標(biāo)定色塊從圖像中裁減掉，因此需對(duì)標(biāo)定色塊進(jìn)行識(shí)別定位。結(jié)果表明，黑色和白色標(biāo)定色塊均有較好的識(shí)別效果，文中選擇黑色色塊用作定位，進(jìn)而完成圖像裁剪。由于標(biāo)定色塊整齊地排列于葉片的上側(cè)，根據(jù)閾值R<70、G<70和B<150可以找到標(biāo)定色塊中的黑色色塊。再根據(jù)黑色色塊在圖像中的坐標(biāo)，可以很方便地對(duì)葉片進(jìn)行裁剪，裁剪后的圖像如圖3所示。然后利用R/G值進(jìn)行圖像分割。由于葉片表面顏色不均勻，使得閾值分割后的葉片區(qū)域內(nèi)會(huì)出現(xiàn)空洞，為消除此現(xiàn)象，對(duì)分割后的圖像進(jìn)行膨脹、腐蝕和填充空洞等操作，再對(duì)葉片區(qū)域的輪廓采用線性濾波法進(jìn)行平滑處理，處理后的結(jié)果如圖4所示。

圖3 裁剪后的圖像Fig.3 Image after cutting

圖4 圖像分割及平滑等處理后的玉米葉片區(qū)域Fig.4 Maize leaf area after image segmentation and smoothing

對(duì)圖4進(jìn)行二值化處理生成圖像分割的掩膜，將掩膜與原圖像按像素進(jìn)行“與”操作，最后得到玉米葉片的圖像如圖5所示。

圖5 最終得到的玉米葉片圖像Fig.5 Final maize leaf image

2.4 玉米葉片含氮量檢測(cè)模型的建立

遍歷圖5中玉米葉片區(qū)域的每一個(gè)像素點(diǎn)的R、G、B信息，統(tǒng)計(jì)整個(gè)葉片區(qū)域的顏色特征信息。提取該玉米葉片的R、G和B的均值Rave、Gave和Bave，并計(jì)算紅光標(biāo)準(zhǔn)化值RS、綠光標(biāo)準(zhǔn)化值GS和藍(lán)光標(biāo)準(zhǔn)化值BS

(4)

將其作為玉米葉片區(qū)域的顏色特征值。

將所有樣本按照含氮量由小到大排列，每3個(gè)數(shù)據(jù)為1組，每組中最小和最大含氮量的樣本用作建模，處于中間含氮量的樣本用作驗(yàn)證。據(jù)此方法得到建模樣本77個(gè)。求取該77個(gè)玉米葉片圖像的Rave、Gave、Bave、RS、GS和BS。分別建立Rave、Gave、Bave、RS、GS、BS與玉米葉片含氮量的線性關(guān)系式。各顏色特征參數(shù)與含氮量的線性相關(guān)系數(shù)r見(jiàn)表1。表1說(shuō)明，GS與含氮量的線性相關(guān)性最高，線性相關(guān)系數(shù)為0.775。圖6為玉米葉片的GS與含氮量N的關(guān)系圖，其線性擬合關(guān)系為

GS=6.74×10-2N+0.237

(5)

因此，在已知玉米葉片GS條件下，可根據(jù)式(5)很方便地求出玉米葉片的含氮量。

表1 玉米葉片顏色特征參數(shù)與含氮量之間的線性相關(guān)系數(shù)Tab.1 Linear correlation coefficient between color parameters and nitrogen content of maize leaves

圖6 玉米葉片含氮量與GS的關(guān)系Fig.6 Relationship between nitrogen content and GS of maize leaves

3 軟件設(shè)計(jì)

3.1 系統(tǒng)硬件平臺(tái)

基于Android 手機(jī)平臺(tái)的玉米葉片含氮量無(wú)損快速檢測(cè)系統(tǒng)硬件部分采用智能手機(jī)華為Honor 3C(華為技術(shù)有限公司)，其操作系統(tǒng)為Android 4.2.2，CPU為QSD8255(高通公司，美國(guó))，主頻1 GHz，2 GB RAM。

3.2 軟件開(kāi)發(fā)平臺(tái)

在Windows 7操作系統(tǒng)下，搭建基于Android SDK(Software development kit)+ Java JDK 7(Java development kit)+ Eclipse 4.2.1 + ADT 21.1(Android development tools)+ OpenCV(Open source computer vision library)的應(yīng)用程序開(kāi)發(fā)環(huán)境。

OpenCV為Android軟件開(kāi)發(fā)提供了異步初始化與靜態(tài)初始化2種使用方式。由于靜態(tài)初始化下的開(kāi)發(fā)過(guò)程比較繁瑣，為此本研究采用異步初始化方式。在異步初始化下需要在Android手機(jī)中安裝合適版本的OpenCV Manager，軟件運(yùn)行時(shí)，鏈接OpenCV Manager即可調(diào)用OpenCV庫(kù)文件。

3.3 系統(tǒng)軟件

為實(shí)現(xiàn)良好的人機(jī)交互，通過(guò)編寫(xiě)XML文件對(duì)軟件的用戶界面進(jìn)行了設(shè)計(jì)，檢測(cè)軟件的主界面如圖7所示。通過(guò)Java語(yǔ)言編寫(xiě)軟件算法，實(shí)現(xiàn)基于Android手機(jī)的OpenCV Manager鏈接、圖像獲取、圖像處理和含氮量計(jì)算等功能。

圖7 開(kāi)發(fā)系統(tǒng)的用戶界面Fig.7 User interface of developed system

3.3.1圖像獲取

軟件啟動(dòng)后，以異步初始化方式實(shí)現(xiàn)OpenCV庫(kù)的鏈接，避免了靜態(tài)初始化下繁瑣的開(kāi)發(fā)過(guò)程。軟件提供了2種圖像獲取方式，用戶既可以通過(guò)“拍攝圖像”功能調(diào)用手機(jī)攝像頭來(lái)完成圖像的實(shí)時(shí)采集，也可以通過(guò)“加載圖像”功能對(duì)本地圖像進(jìn)行顯示、處理，進(jìn)一步提高了軟件的實(shí)用性。為方便用戶對(duì)圖像數(shù)據(jù)的管理，還對(duì)軟件的存儲(chǔ)功能進(jìn)行了設(shè)計(jì)。在拍攝圖像時(shí)，軟件可自動(dòng)獲取系統(tǒng)當(dāng)前時(shí)間，并以當(dāng)前時(shí)間命名圖像，保存至手機(jī)SD卡所建立的工作目錄下?！芭臄z圖像”和“加載圖像”通過(guò)Android系統(tǒng)提供的Intent對(duì)象和ListView控件實(shí)現(xiàn)。

3.3.2圖像處理

圖像處理過(guò)程包括色彩校正、圖像分割、圖像平滑和顏色特征信息提取等步驟，相關(guān)算法同2.2～2.4節(jié)。軟件將待處理圖像轉(zhuǎn)換成Mat類型的數(shù)據(jù)結(jié)構(gòu)，再借助于OpenCV庫(kù)提供的函數(shù)實(shí)現(xiàn)圖像處理過(guò)程。收到圖像處理命令后，軟件通過(guò)new Thread()方法創(chuàng)建子線程，子線程每完成1個(gè)圖像處理步驟，向主線程發(fā)送消息，使主線程做出相應(yīng)的響應(yīng)。在圖像處理過(guò)程中，主線程主要處理人機(jī)交互信息和根據(jù)消息隊(duì)列中不同的信息更新UI界面，從而快速、有序地完成以上圖像處理步驟。

3.3.3結(jié)果查看

軟件經(jīng)顏色特征信息提取后得到當(dāng)前玉米葉片的綠光標(biāo)準(zhǔn)化值，利用式(5)便可計(jì)算出該玉米葉片的含氮量。通過(guò)編寫(xiě)結(jié)果顯示布局文件實(shí)現(xiàn)結(jié)果顯示界面的設(shè)計(jì)，并運(yùn)用setContentView()方法加載此界面，最后由TextView組件將含氮量計(jì)算結(jié)果顯示出來(lái)，如圖8所示。

圖8 含氮量計(jì)算結(jié)果顯示界面Fig.8 Display interface of calculated nitrogen content

4 系統(tǒng)驗(yàn)證

為驗(yàn)證該系統(tǒng)的操作性和可行性，以及該方法的可靠性，對(duì)式(5)建模中未用到的38個(gè)玉米葉片進(jìn)行驗(yàn)證。圖9所示是采用凱氏定氮法實(shí)測(cè)的玉米葉片含氮量與利用該軟件計(jì)算的含氮量的比較。結(jié)果表明，含氮量的計(jì)算值與實(shí)測(cè)值之間的絕對(duì)誤差為-0.40%～0.35%，均方根誤差為0.20%，從采集圖像到給出含氮量測(cè)量結(jié)果所需時(shí)間小于10 s。表明該方法可以方便、快速、準(zhǔn)確地測(cè)量玉米葉片的含氮量。

圖9 玉米葉片含氮量實(shí)測(cè)值與計(jì)算值的比較Fig.9 Comparison between measured and calculated nitrogen contents of maize leaves

5 結(jié)論

(1)開(kāi)發(fā)了一種基于Android手機(jī)平臺(tái)的玉米葉片含氮量無(wú)損、快速、便攜式檢測(cè)系統(tǒng)，有助于實(shí)現(xiàn)按需施肥。

(2)提出了基于標(biāo)定色塊的圖像色彩校正方法，有效地克服了因光照條件、成像系統(tǒng)等因素造成的圖像色彩失真問(wèn)題。

(3)分析了玉米葉片的6個(gè)顏色特征參數(shù)與含氮量的關(guān)系，發(fā)現(xiàn)綠光標(biāo)準(zhǔn)化值與玉米葉片的含氮量相關(guān)性最好，其線性相關(guān)系數(shù)為0.775。對(duì)該方法的驗(yàn)證結(jié)果表明，含氮量計(jì)算值與實(shí)測(cè)值之間的絕對(duì)誤差為-0.40%～0.35%，均方根誤差為0.20%，本研究具有較好的檢測(cè)效果。

1 INTARAVANNE Y, SUMRIDDETCHKAJORN S. Android-based rice leaf color analyzer for estimating the needed amount of nitrogen fertilizer[J]. Computers & Electronics in Agriculture, 2015, 116: 228-233.

2 銀敏華, 李援農(nóng), 李昊, 等. 氮肥運(yùn)籌對(duì)夏玉米根系生長(zhǎng)與氮素利用的影響[J/OL]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2016, 47(6): 129-138.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20160617&flag=1. DOI:10.6041/j.issn.1000-1298.2016.06.017. YIN Minhua, LI Yuannong, LI Hao, et al. Effects of nitrogen application rates on root growth and nitrogen use of summer maize[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(6): 129-138. (in Chinese)

3 高鳳梅, 武際. 2種植株全氮測(cè)定方法比較[J]. 現(xiàn)代農(nóng)業(yè)科技, 2012(14): 204-205. GAO Fengmei, WU Ji. Comparison of determining the plant total nitrogen with two methods[J]. Modern Agricultural Science and Technology, 2012(14): 204-205. (in Chinese)

4 范志影, 劉慶生, 張萍. 用凱氏法和杜馬斯法測(cè)定植物樣品中的全氮[J]. 現(xiàn)代科學(xué)儀器, 2007(1): 46-47. FAN Zhiying, LIU Qingsheng, ZHANG Ping. Comparison of the Kjeldahl method and the Dumas method for total nitrogen determination in grasses[J]. Modern Scientific Instruments, 2007(1): 46-47. (in Chinese)

5 THOMAS J R, GAUSMAN H W. Leaf reflectance vs. leaf chlorophyll and carotenoid concentrations for eight crops[J]. Agronomy Journal, 1977, 69(5): 799-802.

6 劉燕婕, 李建設(shè), 高艷明. 可見(jiàn)光波段不同氮處理生菜葉片光譜反射率與葉片全氮、葉綠素的相關(guān)性研究[J]. 北方園藝, 2015(22): 12-16. LIU Yanjie, LI Jianshe, GAO Yanming. Correlation between lettuce leaf spectral reflectance in visible light area and leaf nitrogen content and leaf chlorophyll content under different levels of nitrogen[J]. Northern Horticulture, 2015(22): 12-16. (in Chinese)

7 楊亦揚(yáng), 馬立鋒, 石元值, 等. 葉綠素儀(SPAD)在茶樹(shù)氮素營(yíng)養(yǎng)診斷中的適用性研究[J]. 茶葉科學(xué), 2008, 28(4): 301-308. YANG Yiyang, MA Lifeng, SHI Yuanzhi, et al. Evaluation of nitrogen status in tea plants by SPAD[J]. Journal of Tea Science, 2008, 28(4): 301-308. (in Chinese)

8 RAMBO L, MA B L, XIONG Y C, et al. Leaf and canopy optical characteristics as crop-N-status indicators for field nitrogen management in corn[J]. Journal of Plant Nutrition & Soil Science, 2010, 173(3): 434-443.

9 王秋紅, 周建朝, 王孝純. 采用SPAD儀進(jìn)行甜菜氮素營(yíng)養(yǎng)診斷技術(shù)研究[J]. 中國(guó)農(nóng)學(xué)通報(bào), 2015, 31(36): 92-98. WANG Qiuhong, ZHOU Jianchao, WANG Xiaochun. Diagnostic technique of sugarbeet nitrogen nutrient status using SPAD-502 chlorophyll meter[J]. Chinese Agricultural Science Bulletin, 2015, 31(36): 92-98. (in Chinese)

10 LI Li, QIN Yonglin, LIU Yanchun, et al. Leaf positions of potato suitable for determination of nitrogen content with a SPAD meter[J]. Plant Production Science, 2012, 15(4): 317-322.

11 孫俊, 衛(wèi)愛(ài)國(guó), 毛罕平, 等. 基于高光譜圖像及ELM的生菜葉片氮素水平定性分析[J/OL]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2014, 45(7): 272-277. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20140742&flag=1.DOI:10.6041/j.issn.1000-1298.2014.07.042. SUN Jun, WEI Aiguo, MAO Hanping, et al. Discrimination of lettuce leaves’ nitrogen status based on hyperspectral imaging technology and ELM[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2014, 45(7): 272-277. (in Chinese)

12 王巧男, 葉旭君, 李金夢(mèng), 等. 基于雙波段植被指數(shù)(TBVI)的柑橘冠層含氮量預(yù)測(cè)及可視化研究[J]. 光譜學(xué)與光譜分析, 2015, 35(3): 715-718. WANG Qiaonan, YE Xujun, LI Jinmeng,et al. Estimation and visualization of nitrogen content in citrus canopy based on two band vegetation index (TBVI) [J]. Spectroscopy and Spectral Analysis, 2015, 35(3): 715-718. (in Chinese)

13 賈良良, 范明生, 張福鎖, 等. 應(yīng)用數(shù)碼相機(jī)進(jìn)行水稻氮營(yíng)養(yǎng)診斷[J]. 光譜學(xué)與光譜分析, 2009, 29(8): 2176-2179. JIA Liangliang, FAN Mingsheng, ZHANG Fusuo, et al. Nitrogen status diagnosis of rice by using a digital camera[J]. Spectroscopy and Spectral Analysis, 2009, 29(8): 2176-2179. (in Chinese)

14 張立周, 王殿武, 張玉銘, 等. 數(shù)字圖像技術(shù)在夏玉米氮素營(yíng)養(yǎng)診斷中的應(yīng)用[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào), 2010, 18(6): 1340-1344. ZHANG Lizhou, WANG Dianwu, ZHANG Yuming, et al. Diagnosis of N nutrient status of corn using digital image processing technique[J]. Chinese Journal of Eco-Agriculture, 2010, 18(6): 1340-1344. (in Chinese)

15 郭文川, 周超超, 韓文霆. 基于Android手機(jī)的植物葉片面積快速無(wú)損測(cè)量系統(tǒng)[J/OL]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2014, 45(1): 275-280. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20140142&flag=1. DOI:10.6041/j.issn.1000-1298.2014.01.042. GUO Wenchuan, ZHOU Chaochao, HAN Wenting. Rapid and non-destructive measurement system for plant leaf area based on Android mobile phone[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2014, 45(1): 275-280. (in Chinese)

16 田磊, 李麗, 王明緒. 基于 Android 的玉米病蟲(chóng)害機(jī)器視覺(jué)診斷系統(tǒng)研究[J]. 農(nóng)機(jī)化研究, 2017, 39(4): 207-211. TIAN Lei, LI Li, WANG Mingxu. Research on the diagnosis system of maize plant diseases and insect pests based on Android[J]. Journal of Agricultural Mechanization Research, 2017, 39(4): 207-211. (in Chinese)

17 程曼, 袁洪波, 蔡振江. 基于智能手機(jī)的農(nóng)業(yè)信息綜合服務(wù)平臺(tái)的設(shè)計(jì)[J]. 中國(guó)農(nóng)機(jī)化學(xué)報(bào), 2013, 34(5): 224-227,242. CHENG Man, YUAN Hongbo, CAI Zhenjiang. The design of agricultural information service platform based on smartphone[J]. Journal of Chinese Agricultural Mechanization, 2013, 34(5): 224-227, 242. (in Chinese)

18 張海峰. 基于Android智能手機(jī)的農(nóng)業(yè)信息服務(wù)平臺(tái)應(yīng)用展望[J]. 黑龍江農(nóng)業(yè)科學(xué), 2014(8): 126-128. ZHANG Haifeng. Prospect of application of agricultural information service platform based on Android intelligent mobile phone[J]. Heilongjiang Agricultural Sciences, 2014(8): 126-128. (in Chinese)

19 CONFALONIERI R, FOI M, CASA R, et al. Development of an app for estimating leaf area index using a smartphone. Trueness and precision determination and comparison with other indirect methods[J]. Computers & Electronics in Agriculture, 2013, 96(12): 67-74.

20 BO Xiaodong, DU Taisheng, DING Risheng, et al. Stem flow of seed-maize under alternate furrow irrigation and double-row ridge planting in an arid region of Northwest China[J]. Journal of Integrative Agriculture, 2015, 14(7): 1434-1445.

21 SHIFERAW B, PRASANNA B M, HELLIN J, et al. Crops that feed the world 6. Past successes and future challenges to the role played by maize in global food security[J]. Food Security, 2011, 3(3): 307-327.

22 鄭惠玲, 姬變英, 武繼承, 等. 氮肥分期施用對(duì)夏玉米生長(zhǎng)發(fā)育和產(chǎn)量的影響[J]. 河南農(nóng)業(yè)科學(xué), 2007, 36(10): 67-69. ZHENG Huiling, JI Bianying, WU Jicheng, et al. Effects of nitrogen fertilizer application on terms on the growth, development and yield of corn[J]. Journal of Henan Agricultural Sciences, 2007, 36(10): 67-69. (in Chinese)

23 劉景輝, 劉克禮. 春玉米需氮規(guī)律的研究[J]. 內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(bào): 自然科學(xué)版, 1994, 15(3): 12-18. LIU Jinghui, LIU Keli. A study on the regularity of nitrogen requirement in spring maize[J]. Journal of Inner Mongolia Agricultural University: Natural Science Edition, 1994, 15(3): 12-18. (in Chinese)

24 RIZZI A, GATTA C, MARINI D. A new algorithm for unsupervised global and local color correction[J]. Pattern Recognition Letters, 2003, 24(11): 1663-1677.

25 徐曉昭, 沈蘭蓀, 劉長(zhǎng)江. 顏色校正方法及其在圖像處理中的應(yīng)用[J]. 計(jì)算機(jī)應(yīng)用研究, 2008, 25(8): 2250-2254. XU Xiaozhao, SHEN Lansun, LIU Changjiang. Color correction methods and application in image processing[J]. Application Research of Computers, 2008, 25(8): 2250-2254. (in Chinese)

Non-destructiveandRapidDetectionMethodonNitrogenContentofMaizeLeavesBasedonAndroidMobilePhone

GUO Wenchuan XUE Xianfa YANG Biao ZHOU Chaochao ZHU Xinhua

(CollegeofMechanicalandElectronicEngineering,NorthwestA&FUniversity,Yangling,Shaanxi712100,China)

Maize is widely planted in China and even in the world. Nitrogen is an essential nutrient for the growth and development of maize, which has a significant impact on maize yield. In order to provide a non-destructive and rapid detection method for nitrogen content of maize leaves, the relationship between the color characteristics and nitrogen content of maize leaves was analyzed, and a nitrogen content detection software for maize leaves was developed based on Android platform. The image containing the measured maize leaf and the calibration color block group (red, green, blue, white, black and grey) were obtained. In order to reduce the distortion caused by the external illumination and other factors, the image color was corrected by the calibration color block. After the image segmentation, image smoothing, and color feature information extraction, the relationship between the color features and the nitrogen content of the maize leaves was analyzed. The experimental results showed that the linear relationship between the green standard value and the nitrogen content was the best. Besides, Java programming language and OpenCV were applied to realize image acquisition, image processing and results viewing based on Android platform. The validation results indicated that the absolute error of the method for the nitrogen content of maize leaves was between -0.40% and 0.35%, and the root mean square error was 0.20%. The time from image collection to giving results was less than 10 s. The proposed nitrogen detection method had the advantages of rapidity, economy and portability, and can be used for real-time detection on nitrogen content of maize leaves.

maize leaf; nitrogen content; Android; mobile phone; non-destructive detection

S24； S126

A

1000-1298(2017)09-0137-06

10.6041/j.issn.1000-1298.2017.09.017

2017-02-20

2017-03-14

公益性行業(yè)(農(nóng)業(yè))科研專項(xiàng)(201503137)

郭文川(1969—)，女，教授，博士，主要從事智能化檢測(cè)技術(shù)與裝備研究，E-mail: guowenchuan69@126.com