用數字圖像技術評估番茄苗期鈣素水平

郭小清 范濤杰

摘要 ?[目的]探討數字圖像技術對番茄鈣素營養(yǎng)水平無損評估預測及診斷的可行性，明確該技術的最佳圖像特征。[方法]2015年以番茄為材料進行鈣素梯度（鈣離子0、80、160 mg/L）試驗。利用數碼相機獲取葉片數字圖像數據，明確采集葉片鈣素含量水平，確立了鈣素營養(yǎng)參數模擬預測方程。同時建立了基于顏色特征R/G標準差和R/G閾值的葉片鈣含量診斷模型。[結果]頂葉與側2枝頂葉鈣素含量實測值與預測值決定系數關鍵詞 ??R2關鍵詞 ??分別為0.853和0.902，均方根誤差RMSE分別為0.128和0.016，基于閾值的診斷模型準確率超過80%。[結論]葉片顏色特征可以表征番茄苗期鈣素營養(yǎng)水平，可為基于數字圖像技術預測與診斷番茄苗期鈣水平提供參考。

關鍵詞 ??鈣素脅迫;營養(yǎng)診斷;葉片鈣含量

中圖分類號S126文獻標識碼A文章編號0517-6611（2018）36-0192-04

土壤中鈣元素含量充足，但由于高溫、鹽分等環(huán)境以及生物或礦質元素作用，栽培番茄常會出現生理性缺鈣現象，從而導致葉綠素含量和葉綠素熒光性下降，出現葉片變黃、卷曲甚至生長點壞死等缺鈣癥狀，并使產量和品質下降，發(fā)生臍腐病[1-3]。傳統(tǒng)的農作物營養(yǎng)水平診斷方法主要是外觀判別法和化學分析法。外觀判別法需要豐富的田間經驗，且診斷過程主觀性強，容易發(fā)生誤判現象?；瘜W分析法需要破壞性采樣，診斷耗時長。數字圖像診斷技術通過獲取作物植株的形態(tài)圖像特征進行營養(yǎng)水平評估及施肥推薦，具有實時性和無損性[4-7]。徐貴力等[8]利用數字圖像技術識別番茄苗期葉片是否缺素，發(fā)現RGB顏色模型中的藍光分量標準偏差可以把正常番茄葉片和缺鉀番茄葉片區(qū)分開，而紅光分量與綠光分量的相關系數R/G可以把正常葉片和缺氮葉片、缺鉀葉片分開。胡春華等[9]利用數字圖像技術進行番茄缺素診斷研究，分別在RGB和HSI顏色模型中對缺氮、缺鎂、缺鐵與正常番茄葉片的彩色圖像進行顏色特征分析，發(fā)現G/R和G/B的標準差能較好地區(qū)別缺鎂、缺氮與正常番茄葉片，G/R與G/B的相關系數能將缺鎂、缺氮和正常的番茄葉片區(qū)分開。李艷等[10]研究發(fā)現，在番茄的整個生育期內，葉片圖像的G/B，R/B特征與葉片含氮量相關性顯著，可以作為番茄氮營養(yǎng)水平診斷的可靠依據。吳雪梅等[11]研究發(fā)現正常番茄葉片和缺氮番茄葉片之間的G分量均值和H分量均值差異性較大。丁永軍等[12]研究發(fā)現成熟期番茄葉片的顏色特征與全氮含量顯著相關。迄今為止，直接將數碼圖像技術應用于番茄鈣水平診斷的研究相對較少。目前已有基于數字圖像技術的番茄鈣營養(yǎng)狀況研究[13-15]，然而缺乏圖像特征與作物鈣素生理指標之間關系的探討。筆者擬探討基于數字圖像技術進行番茄鈣素水平無損診斷的可行性，通過梯度試驗獲取番茄葉片數字化指標，與葉片圖像顏色特征進行相關性分析，確定番茄鈣素水平快速診斷的參數及方程模型，然后基于典型顏色指標進行鈣素脅迫診斷，為番茄鈣素水平無損診斷建立理論基礎。

1材料與方法

1.1樣本培育

采取無土栽培的方式培育番茄苗期樣本，栽培試驗于2015年7—11月在南京農業(yè)大學牌樓試驗站（118°15′E，32°1′N）的玻璃溫室內進行，供試番茄品種為上海蔬菜研究所培育的合作903[2]，該品種為自封頂有限生長型，適宜于全國各地春秋季設施栽培和露天栽培，對鈣元素脅迫反應敏感。試驗選用改進型霍格蘭氏營養(yǎng)液，正常情況下，其鈣離子濃度為160 mg/L，滿足番茄植株生長對鈣元素及其他元素的需求[16]。配制缺鈣50%組營養(yǎng)液時，將正常的改進型霍格蘭營養(yǎng)液中的四水硝酸鈣含量扣除一半，損失的硝酸離子由相同摩爾數的硝酸鈉補足;配制完全缺鈣組營養(yǎng)液時，將正常的改進型霍格蘭營養(yǎng)液中的四水硝酸鈣完全去除，損失的硝酸離子由相同摩爾數的硝酸鈉補足。緩苗期結束后，設3個處理組：健康組、50%缺鈣組、完全缺鈣組，每個處理10個重復（共60株）。

1.2圖像數據采集與處理

用日本佳能公司生產的5DS單反數碼相機采集番茄新葉（包括頂葉、側1枝頂葉、側1枝頂2葉、側1枝頂3葉）、側2枝5個葉位的葉片圖像。在實驗室暗室中采集圖像，葉片平鋪在A4白紙上，葉脈朝上。用三腳架將數碼相機固定在葉片樣本正上方，鏡頭距離葉片樣本50 cm，在緩苗期后第5～30天每隔5 d取樣1次。

圖像色彩信息的獲取采用Matlab2010軟件，提取RGB和HIS顏色模型下統(tǒng)計類、均值類和線性組合類三大類51個色彩特征（表1）。

1.3鈣素含量測定

番茄葉片用微波消解技術處理，然后利用電感耦合等離子體發(fā)射光譜儀（ICP-AES）法測定消解液中的鈣含量。番茄葉片在烘箱105 ℃的環(huán)境中殺青30 min后，將溫度降至80 ℃烘干。8 h后取出，放在干凈的玻璃研磨皿中研磨至粉末狀，稱取干重后放入微波消解儀的內置管。每個內置管添加2 mL優(yōu)級純硝酸。將內置管放入微波消解儀，在150 ℃環(huán)境下消解15 min。微波消解結束后，將內置管取出冷卻30 min，把消解液倒入15 mL容量瓶中定容至10 mL，再轉移至10 mL離心管中。

2結果與分析

2.1不同鈣素處理水平番茄苗期葉片顏色特征差異性分析

針對表1所示的顏色特征值，用SPSS對3個鈣處理水平所有葉位葉片圖像的同一個顏色特征數據進行單因素方差分析，并進行事后多重檢驗（Duncans檢驗）。結果表明，相對于均值類顏色特征，統(tǒng)計類顏色特征和線性組合類顏色特征能更好地反映不同鈣素水平番茄葉片之間的差異性。G/B、S標準差、S、R/G標準差、R/G、R和G的相關系數14個顏色特征能讓3個葉位的完全缺鈣組葉片和健康組葉片間的差異水平達到顯著，其中R/G標準差和R/G能夠讓4個葉位（側1枝頂葉、側1枝頂2葉、側1枝頂3葉、側2枝頂葉）的完全缺鈣組葉片和健康組葉片間的差異性達到顯著水平（關鍵詞 ??P關鍵詞 ??<0.05）。表2列出了差異性較大的6個顏色特征數據，與不同鈣處理水平下番茄葉片鈣含量之間差異性分析結果相一致。

2.2圖像顏色特征與葉片鈣含量的相關性分析

用SPSS對葉片圖像的顏色特征數據（表1）和測定的葉片鈣含量數據進行相關性分析，并對分析結果進行顯著性檢驗。結果表明，R/G和G/B的相關系數、R/G和R/B的相關系數和側2枝頂葉鈣含量顯著負相關，R和B的相關系數、G/B和番茄側2枝頂葉鈣含量低度相關，R/G標準差和R/G與側2枝頂葉鈣含量中度正相關。番茄新葉鈣含量與葉片圖像顏色特征的相關系數均小于0.5，且沒有達到顯著相關水平。其中，H和I相關系數、S和I相關系數、R/B、G/B、H和S相關系數、I標準差6個顏色特征和番茄新葉鈣含量為低度相關。表3列出了上一節(jié)分析中能讓3個葉位的完全缺鈣組葉片和健康組葉片間的差異水平達到顯著的14個顏色特征與鈣含量的相關系數。

上述結果表明，應用數字圖像技術進行番茄鈣素營養(yǎng)的表征是可行的。不同鈣水平處理使番茄葉片顏色不同，可基于葉片圖像顏色特征構建番茄鈣素營養(yǎng)指標預測模型和診斷模型，為番茄鈣素營養(yǎng)的實時監(jiān)測和定量研究提供參考。

2.3基于方程模型的番茄苗期鈣營養(yǎng)水平檢測

2.3.1模型構建。為進一步探討基于葉片圖像數字化指標進行番茄鈣營養(yǎng)評估預測的可行性，采用線性回歸方程模型分析其與苗期葉片鈣素含量間的相關性。首先把篩選出的特征一一與鈣含量做線性回歸分析，發(fā)現基于單個特征的模型決定系數較低，且模型的方差分析關鍵詞 ??F關鍵詞 ??檢驗所對應的顯著性Sig值均大于0.05。故增加建模參數，選取顏色特征中基于單個特征擬合度較高的9個特征[S、R/G、（R+G）/（R-G）、（R+G）/（R-B）、R/G標準差、G/B、（G+B）/（R-B）、S標準差、（R+B）/（G-B）]進行逐步線性回歸建模，結果表明，當選取4個及以上特征時模型擬合度提高到0.8以上，且能通過關鍵詞 ??F關鍵詞 ??檢驗。

2.3.2模型驗證。為了驗證番茄鈣素營養(yǎng)方程模型的適應性及準確性，用2015年相同培育方式的10月13日采集的試驗數據進行驗證，按照模型計算的葉片鈣含量與實測值相比較，以決定系數（關鍵詞 ??R關鍵詞? 。其中，均方根誤差RMSE分別為0.016和0.128，預測結果精度較好，可用于苗期番茄葉片鈣含量模型預測。

2.4基于閾值的番茄苗期鈣營養(yǎng)水平診斷

2.4.1模型構建。植物營養(yǎng)學研究[3]表明，正常情況下，健康番茄的葉片鈣含量為2.3%～10.0%。董彩霞等[16]在研究不同品種番茄對鈣脅迫反應的敏感性時發(fā)現，健康的合作903品種番茄頂部葉片鈣含量為4.6%～6.8%，故根據營養(yǎng)液配比可以判定該研究中缺鈣處理15 d后完全缺鈣組葉片處于鈣營養(yǎng)虧缺水平，缺鈣處理15 d前的完全缺鈣組葉片和整個試驗階段（苗期）的健康組、缺鈣50%組番茄葉片處于鈣營養(yǎng)正常水平。試驗表明番茄葉片鈣含量與品種及葉位有關，表4是試驗期間測定的鈣含量。研究采集的葉片樣本中，頂葉處于莖部的頂端，側1枝的3個葉位緊靠頂葉，所測定的完全缺鈣組新葉鈣含量也高于完全缺鈣組側2枝頂葉的鈣含量。即使是在缺鈣處理20 d后，所有番茄葉片樣本均已產生明顯的缺鈣癥狀，完全缺鈣組番茄新葉的鈣含量仍超過2.2%，因此無法根據葉片鈣含量來確定番茄新葉的鈣營養(yǎng)水平，即不能利用顏色特征閾值方法進行番茄新葉鈣營養(yǎng)水平的診斷，且R/G標準差、R/G、G/B和番茄新葉鈣含量的相關系數相對較低，所以研究最終選擇番茄側2枝頂葉作為番茄苗期鈣營養(yǎng)水平診斷的葉位。

前面差異性和相關性結果表明，R/G標準差值和R/G值既是不同鈣水平番茄葉片之間差異性顯著的特征，能反映不同鈣處理水平葉片顏色的變化趨勢，也與葉片鈣含量顯著相關，可以作為診斷番茄苗期葉片鈣營養(yǎng)水平的依據。利用R/G標準差值和R/G值對番茄側2枝頂葉鈣素水平進行診斷，方法如下：以R/G標準差值為例，健康組R/G標準差值范圍為0.31～0.41，均值為0.34;缺鈣50%組R/G標準差值的范圍為0.31～0.39，均值為0.32;完全缺鈣組R/G標準差值的范圍為0.04～0.31，均值為0.12。3組葉片圖像的R/G標準差值分布如圖2所示，從圖中可以明顯看出健康組R/G特征值和缺鈣50%組R/G特征值互相混合，不容易區(qū)分;而完全缺鈣組R/G標準差值明顯小于健康組和缺鈣50%組，且差別明顯。因此，根據番茄側2枝頂葉的R/G標準差值分布范圍，取R/G標準差值為0.20，將番茄葉片分為2類，位于上半部分的為健康狀態(tài)（非鈣素虧缺）葉片，位于下半部分的為鈣營養(yǎng)虧缺狀態(tài)葉片。

利用側2枝頂葉的R/G標準差、R/G分布情況提取的閾值，都能夠很容易地將完全缺鈣組番茄葉片與其他2組番茄葉片區(qū)分開，區(qū)分正確率均為91.6%。因此R/G標準差=0.20，R/G=0.96可以作為番茄側2枝頂葉鈣營養(yǎng)水平診斷的指標（表5）。

2.4.2模型驗證。將10月13日采集的15個側2枝頂葉葉片作為驗證樣本集，測定驗證集樣本葉片的鈣含量并提取其圖像的R/G標準差值和R/G值，試驗數據分析結果表明，驗證集樣本葉片鈣含量為1.50%～1.91%，均處于鈣營養(yǎng)虧缺狀態(tài)。15個葉片的R/G標準差值均小于0.20，12個葉片的R/G值大于0.96，利用R/G標準差值閾值和R/G閾值對驗證集葉片鈣營養(yǎng)水平的診斷正確率都超過了80%。

3結論

該研究采用梯度試驗，探討了基于數字圖像特征檢測并診斷番茄苗期鈣素水平的可行性，分析了番茄苗期葉片圖像顏色指標與葉片鈣含量之間的關系，通過試驗建立了基于數字圖像G/B、R/G、R/G標準差值和S值的葉片鈣含量預測模型，并用2015年的試驗數據進行反演驗證，頂葉與側2枝頂葉鈣含量實測值與預測值的決定系數關鍵詞 ??關鍵詞 ??分別為0.853和0.907，均方根誤差RMSE分別為0.128和0.013，預測結果精度較好。通過差異性和相關性分析，建立了基于顏色特征R/G和R/G標準差閾值的鈣素診斷模型，用于判斷番茄植株是否受鈣素脅迫，診斷準確率為80%以上，試驗驗證結果與植物營養(yǎng)學研究成果一致。研究成果可為番茄鈣素營養(yǎng)無損診斷研究提供理論基礎。

不同品種、不同生育期番茄鈣素營養(yǎng)診斷的圖像特征參數可能不同，普適性和規(guī)律性更強的預測與診斷模型是下一步研究工作的重點。

參考文獻

[1] 王久興.蔬菜無土栽培實用技術[M].北京：中國農業(yè)大學出版社，2009：281-288.

[2] 馬躍.氮磷鉀配比對溫室番茄生長、產量和品質的影響[D].北京：中國農業(yè)科學院，2010.

[3] 李會遠.番茄無公害標準化栽培技術[M].北京：化學工業(yè)出版社，2009：149-166.

[4] 何勇，彭繼宇，劉飛，等.基于光譜和成像技術的作物養(yǎng)分生理信息快速檢測研究進展[J].農業(yè)工程學報，2015，31（3）：174-189.

[5] 張立周，侯曉宇，張玉銘，等.數字圖像診斷技術在冬小麥氮素營養(yǎng)診斷中的應用[J].中國生態(tài)農業(yè)學報，2011，19（5）：1168-1174.

[6] 王遠，王德建，張剛.基于數碼相機的水稻氮素營養(yǎng)診斷[J].中國農學通報，2012，28（24）：111-117.

[7] 石媛媛.基于數字圖像的水稻氮磷鉀營養(yǎng)診斷與建模研究[D].杭州：浙江大學，2011.

[8] 徐貴力，毛罕平，李萍萍.缺素葉片彩色圖像顏色特征提取的研究[J].農業(yè)工程學報，2002，18（4）：150-154.

[9] 胡春華，李萍萍.計算機圖像處理在缺素葉片顏色特征識別方面的應用[J].計算機測量與控制，2004，12（9）：859-862.

[10] 李艷.加工番茄氮素營養(yǎng)快速診斷方法的研究[D].石河子：石河子大學，2007.

[11] 吳雪梅.基于計算機視覺的番茄營養(yǎng)元素虧缺識別研究[D].鎮(zhèn)江：江蘇大學，2004.

[12] 丁永軍，李民贊，孫紅，等.基于多光譜圖像技術的番茄營養(yǎng)素診斷模型[J].農業(yè)工程學報，2012，28（8）：175-180.

[13] 張作貴.自然光照條件下基于機器視覺的番茄缺素的智能診斷研究[D].鎮(zhèn)江：江蘇大學，2005.

[14] 毛罕平，徐貴力，李萍萍，等.番茄缺素葉片的圖像特征提取和優(yōu)化選擇研究[J].農業(yè)工程學報，2003，19（2）：133-136.

[15] 吳艷，洪明，孟曉艷.基于RGB顏色模型的核桃缺素癥判別方法[J].北華大學學報（自然科學版），2013，14（4）：493-496.

[16] 董彩霞，周健民，段增強，等.不同番茄品種苗期對缺鈣脅迫的反應[J].中國蔬菜，2002（2）：12-14.