基于Android的水稻葉片特征參數(shù)測量系統(tǒng)

路艷 肖志勇 楊紅云 周瓊 孫玉婷

摘要：【目的】提供基于Android的水稻葉片特征參數(shù)測量系統(tǒng)，為農(nóng)學研究提供精準數(shù)據(jù)?！痉椒ā肯到y(tǒng)設(shè)計主要分為圖像獲取、圖像預處理和特征參數(shù)計算3部分：采用智能手機相機獲取水稻葉片圖像;通過灰度化、二值化和輪廓提取等操作對圖像進行預處理;根據(jù)算法計算得到水稻葉片特征參數(shù)。【結(jié)果】精確度測試中，建立系統(tǒng)獲取顏色分量（R、G、B）均值與各分量實際值的線性擬合模型，其決定系數(shù)分別為0.9803、0.9774和0.9805，均方根誤差分別為1.086、1.413和0.8383;葉片幾何參數(shù)中，系統(tǒng)獲取水稻葉片長、寬、面積及周長與水稻葉片實際值的均方根誤差分別為0.6469 cm、0.05022 cm、0.5329 cm2和2.412 cm。耗時測試中，采用多部不同配置手機對同一葉片進行測試，圖像預處理及參數(shù)計算總時間均在2 s以內(nèi)?？梢?，基于Android的水稻葉片特征參數(shù)測量系統(tǒng)能快速、準確、便捷地獲取水稻葉片長、寬、面積、周長及顏色等特征數(shù)據(jù)，在一定程度上實現(xiàn)戶外實地測量，滿足農(nóng)學研究的需要?！窘ㄗh】對系統(tǒng)進行進一步優(yōu)化，降低對外部輔助物的依賴，真正實現(xiàn)操作簡便;增加氮素營養(yǎng)水平診斷算法實現(xiàn)氮素營養(yǎng)水平分類，以快速精準判斷水稻生長營養(yǎng)狀況，實現(xiàn)精確施氮。

關(guān)鍵詞： 水稻葉片;特征參數(shù);圖像處理;Android

中圖分類號： S511;S126? ? ? ? ? ? ? ? ? ? ? ? ?文獻標志碼： A 文章編號：2095-1191（2019）03-0669-08

0 引言

【研究意義】葉片是植物進行光合作用、蒸騰作用及合成有機物質(zhì)的主要器官。水稻90%以上的營養(yǎng)物質(zhì)來源于葉片光合作用產(chǎn)物，葉片形態(tài)是影響植株的主要因素（賀勇等，2008）。水稻生長過程中，根據(jù)水稻葉片特征參數(shù)建立水稻生長模型，可快速精準地判斷作物生長狀況及其生長過程，進而有效指導施肥，減少病蟲害發(fā)生（石春林等，2006;常麗英等，2008;劉宏偉等，2009;劉巖等，2009）。因此，葉片特征參數(shù)的獲取對植物生長研究具有重要意義?！厩叭搜芯窟M展】以往研究主要采用傳統(tǒng)方法及葉面積儀獲取葉片幾何參數(shù)。傳統(tǒng)方法即使用游標卡尺獲取植物葉片的長和寬，通過網(wǎng)格法、紙重法、回歸方程法獲取葉面積（楊勁峰等，2002;馮冬霞和施生錦，2005;潘鵬亮等，2018）。柏軍華等（2005）發(fā)現(xiàn)傳統(tǒng)葉面積測量結(jié)果精確度低（除方格法），需對植株進行破壞性測量，且易受葉片類型影響。葉面積儀克服了傳統(tǒng)測量方法的一些缺點，但價格較高，使用過程要求嚴格，對葉片的形狀和大小也有一定要求。目前，針對植物葉片特征參數(shù)中顏色參數(shù)研究較少，主要通過Adobe PhotoShop軟件獲取，但要求測量者掌握軟件使用技巧?；贏ndroid的圖像處理軟件越來越多，且已廣泛應(yīng)用于農(nóng)業(yè)領(lǐng)域（姜淑華和孫海波，2006;孫杰，2011）。尚明華等（2011）使用智能手機采集小麥視頻畫面，通過風險分析科學指導小麥生長;路文超等（2015）開發(fā)的劍葉角無損測量系統(tǒng)，測量相對誤差為2.7%，能有效測量劍葉角;鄭姣和劉立波（2015）使用智能手機獲取水稻病害圖像，并利用圖像處理技術(shù)識別病害類型，準確率可達93.78%。同時，基于Android獲取植物葉片特征參數(shù)的研究及應(yīng)用也越來越多（龔愛平等，2013;周超超，2014;周瑞卿，2014;徐義鑫等，2015;陳玉青等，2017）。其中，龔愛平等（2013）研發(fā)的植物面積測量系統(tǒng)測量速度快，但需手動圈出測量葉片，操作較繁瑣;郭文川等（2014）研發(fā)的系統(tǒng)可對圖像進行校正處理，精度高，但處理速度慢?！颈狙芯壳腥朦c】目前，基于Android獲取葉面積研究較少，單獨獲取葉長、葉寬和葉片顏色特征參數(shù)的研究則鮮見報道?！緮M解決的關(guān)鍵問題】以Android智能相機獲取水稻葉片圖像，使用JNI的方式結(jié)合OpenCV進行圖像處理，快速、準確地獲取水稻葉片長、寬、面積等幾何參數(shù)及用戶感興趣區(qū)域的顏色參數(shù)，為水稻建模提供可靠的數(shù)據(jù)，也為其他農(nóng)作物數(shù)據(jù)測量提供一種普適可行的方法。

1 系統(tǒng)設(shè)計

1. 1 數(shù)據(jù)采集及系統(tǒng)開發(fā)環(huán)境

試驗中的測試葉片全部采集自江西農(nóng)業(yè)大學試驗田。隨機抽取20組水稻葉片進行精度及準確性測試，使用直尺獲取水稻葉片實際長、寬及周長（用線圍繞葉片輪廓，測量線的長度），通過葉面積儀獲取水稻葉片實際面積，與系統(tǒng)獲取幾何參數(shù)進行比較。在Windows 7的64位操作系統(tǒng)下使用Android SDK+JDK+Eclipse+ADT搭建基于Android的水稻特征參數(shù)識別系統(tǒng)，系統(tǒng)測試手機皆采用市面常見普通安卓手機，試驗常用手機操作系統(tǒng)為Android OS 5.1，16 GB內(nèi)存，后置攝像頭為1300萬像素。

1. 2 系統(tǒng)測試流程

本研究測量水稻特征參數(shù)的基本流程為：（1）選擇拍攝背景。為便于后期處理，選擇與被測物體顏色反差大的白紙板作為拍攝背景。（2）標記參照物。在拍攝背景中劃定一塊已知區(qū)域作為參照物，方便后期獲取水稻葉片幾何參數(shù)。參照物選用2.5 cm×2.5 cm的黑色正方形，可根據(jù)需要對參照物的大小及形狀作相應(yīng)調(diào)整。（3）獲取圖像。要求Android手機的相機能夠清晰拍攝被測物體和參照物，拍照時應(yīng)避免被測物遮擋參照物。（4）圖像處理。圖像處理主要是指對圖像進行灰度化、二值化等操作，保證圖像對比明顯，利于后期參數(shù)獲取。（5）計算葉片顏色參數(shù)及幾何參數(shù)。根據(jù)相應(yīng)算法計算獲取水稻葉片顏色參數(shù)及幾何參數(shù)。

2 系統(tǒng)應(yīng)用及效果分析

2. 1 系統(tǒng)應(yīng)用

系統(tǒng)主界面。系統(tǒng)主要分為圖像獲取（選擇拍照和相冊）、圖像預處理（灰度化、二值化、獲取葉片輪廓及最小鄰接矩形）和葉片特征參數(shù)計算（幾何及顏色參數(shù)計算）3部分。

2. 1. 1 獲取圖像 通過MediaStore.ACTION_IMAGE_CAPTURE調(diào)用Android手機照相功能拍攝水稻葉片圖像?；贏ndroid相機于大田環(huán)境采集水稻葉片圖像，經(jīng)過反復試驗，提出以下圖像采集標準：（1）選擇拍攝背景及放置水稻葉片。將水稻葉片置于標有黑方塊參照物的白紙板上進行拍照，葉片緊貼拍攝背景，與參照物保持一定距離避免重合即可，葉片可位于參照物兩側(cè)，二者底部無需對齊，正面拍被測物體和參照物。（2）設(shè)置相機參數(shù)。試驗使用相機分辨率設(shè)為1280×720，相機分辨率可調(diào)，拍攝期間關(guān)閉閃光燈減少光照影響。（3）獲取圖像。拍攝時盡量保持相機與拍攝背景平行，使光線在葉片及拍攝背景上均勻分布，避免產(chǎn)生變形或反光，影響后期處理。采用參照物的方式無需規(guī)定攝像頭與被測物體間的距離，只需得到被測物體與參照物清晰完整圖像即可。

除獲取實時圖像外，還可獲取相冊圖像。點擊相冊通過Intent.ACTION_GET_PICK即可獲取相冊圖像。

2. 1. 2 圖像預處理 對圖像進行預處理，提取葉片輪廓，計算葉片幾何參數(shù)，圖像前期處理過程：（1）OpenCV接收圖像數(shù)據(jù)。通過JNI將圖像數(shù)據(jù)傳入OpenCV，OpenCV創(chuàng)建Mat矩陣接收圖像數(shù)據(jù)。（2）圖像灰度化。使用Imgproc.cvtColor（Mat src，Mat dst，int code，int dstCn）對圖像進行灰度化，code表示源圖像到目標圖像的轉(zhuǎn)換方式，本研究采用COLOR_BGR2GRAY將彩色圖轉(zhuǎn)為灰度圖。（3）圖像二值化。采用OpenCV提供的threshold（ ）函數(shù)對灰度圖像進行二值化，凸顯目標輪廓，便于后期輪廓提取。（4）獲取葉片輪廓。通過OpenCV提供的findContours（InputOutputArray image，OutputArrayOfArrayscontours，OutputArray hierarchy，int mode，int method，Point offset=Point（ ））獲取葉片輪廓。image必須是單通道圖像矩陣，參數(shù)Mode和method分別設(shè)為CV_ RETR_LIST和CV_CHAIN_APPROX_SIMPLE。

2. 1. 3 特征參數(shù)獲取 特征參數(shù)包括基于葉片及參照物輪廓求葉片的幾何參數(shù)。使用OpenCV提供的FindContours函數(shù)檢測葉片及參照物輪廓，獲取其最小鄰接矩形，計算葉片幾何參數(shù)。

（1）葉長、葉寬。調(diào)用OpenCV中的minAreaRect（ ）函數(shù)繪制輪廓的最小鄰接矩形，基于最小鄰接矩形獲取所有輪廓的長和寬，對輪廓的長和寬進行降序排序，得到第二大和第三大輪廓的長寬比值，篩選出葉片及參照物輪廓，分別獲得它們的長和寬及其在contour集合對應(yīng)下標。參照物的長和寬是已知參數(shù)，通過葉片和參照物的比例公式計算葉片的長和寬。

式中，LRH為葉片實際長度，LCH為葉片輪廓長度，RRH為參照物的實際長度，RCH為參照物輪廓長度。

式中，LRW為葉片實際寬度，LCW為葉片輪廓寬度，RRW為參照物實際寬度，RCW為參照物輪廓寬度。

（2）葉面積。應(yīng)用OpenCV提供的contourArea（ ）函數(shù)獲取葉片及參照物輪廓面積。基于下標，使用contourArea（contours[index]）分別計算葉片和參照物的輪廓面積。已知參照物實際面積，通過葉片和參照物的比例公式計算葉片實際面積：

式中，LRA為葉片實際面積，LCA為葉片輪廓面積，RRA為參照物實際面積，RCA為參照物輪廓面積。

（3）葉片周長。應(yīng)用OpenCV提供的arcLength（ ）函數(shù)獲取葉片及參照物輪廓周長。基于下標，使用arcLength（contours[index]，true）分別計算葉片及參照物的輪廓周長。參照物實際周長為已知參數(shù)，通過葉片和參照物的比例公式計算葉片實際周長。

式中，LRL為葉片實際周長，LCL為葉片輪廓周長，RRL為參照物實際周長，RCL為參照物輪廓周長。

（4）顏色參數(shù)。通過圖像分割獲取感興趣區(qū)域的顏色均值，功能實現(xiàn)主要分為Java層和OpenCV兩部分，最終效果如圖5所示。java層：使用Canvas和Path繪制手勢路徑，圈出感興趣區(qū)域并進行計算。通過MyTouchListener類監(jiān)聽手勢事件，獲取當前坐標并保留原坐標，使用畫筆繪制當前坐標與原坐標之間的直線。Java層僅繪制手勢路徑，圖像分割需通過OpenCV完成。在Java層新建二維數(shù)組存放路徑坐標傳入OpenCV進行處理。OpenCV：采用漫水填充法實現(xiàn)圖像分割。漫水填充法原理是將與種子點相連接的區(qū)域換成特定顏色。系統(tǒng)采用int floodFill（InputOutputArray image，InputOutputArray mask，Point seedPoint，Scalar newVal，Rect* rect=0，Scalar loDiff=Scalar（ ），Scalar upDiff=Scalar（ ），int flags=4）函數(shù)分割圖像。mask為原圖大小的單通道圖像，用于提取感興趣區(qū)域，seedPoint為種子點，為漫水填充算法的起始點。將Java層傳入的坐標在mask上用直線連接形成聯(lián)通域，取區(qū)域內(nèi)部一個點作為種子點，感興趣區(qū)域被填充成黑色，將mask與原圖進行比較運算，相同像素設(shè)為0，不同則保留原圖像素，最終實現(xiàn)提取感興趣區(qū)域，下方黑色區(qū)域所示。使用android.graphics.Bitmap類提供的getPixels（ ）方法獲取分割完成后圖像中每個像素的顏色信息，并通過Color.red（ ）、Color.green（ ）、Color.blue（ ）方法提取每個像素的R、G、B，分別計算其總和，使用變量count計算R、G、B同時不為0的個數(shù)，最終得出該區(qū)域的R、G、B顏色均值。

R均值計算公式：RA=[RScount]

式中，RA為感興趣區(qū)域的R均值，RS為感興趣區(qū)域的R值總和，count為感興趣區(qū)域R、G、B同時不為0的個數(shù)，G均值和B均值同理可得。

2. 2 系統(tǒng)測試效果分析

2. 2. 1 普適性及耗時性測試 為驗證系統(tǒng)的普適性及耗時性，針對同一葉片，采用當前市場幾款主流品牌手機對水稻葉片特征參數(shù)測量系統(tǒng)進行測試，測試手機具體信息如表1所示。圖6從左到右依次為魅藍3S、魅藍note2和華為che2-tl00手機的圖像預處理及幾何參數(shù)計算結(jié)果。結(jié)果發(fā)現(xiàn)，三者的圖像預處理及特征參數(shù)計算結(jié)果均一致，說明系統(tǒng)普適性較好。不同手機，CPU主頻越高，處理時間越快，上述手機圖像預處理與參數(shù)計算總時間均在2 s以內(nèi)。

2. 2. 2 幾何參數(shù)準確度測試 采用國際上常用的均方根誤差（Root Mean Square Error，RMSE）方法驗證系統(tǒng)的準確性，公式如下：

RMSE=[i=1n（OBSi-SLMi）2n]

其中，OBSi為觀測值，SIMi為模擬值，n為樣本容量。

對系統(tǒng)獲取參數(shù)值與實測值間的符合度進行統(tǒng)計分析。RMSE值越小，表明系統(tǒng)獲取參數(shù)與實際測量值的一致性越好，系統(tǒng)獲取方法越準確、可靠。

為驗證系統(tǒng)準確性，將系統(tǒng)獲取參數(shù)值與傳統(tǒng)方法及葉面積儀獲取的幾何參數(shù)進行比較。使用matlab建立系統(tǒng)預測值與實測值回歸擬合模型，以擬合精度評估參數(shù)RMSE及R2評估系統(tǒng)獲取幾何參數(shù)的準確性。葉片長度線性擬合模型與葉片面積線性擬合模型的決定系數(shù)分別為0.9887和0.9981，RMSE分別為0.6469 cm和0.5329 cm2。葉片寬度線性擬合模型的決定系數(shù)為0.7605，RMSE為0.05022 cm。葉片周長線性擬合模型的決定系數(shù)為0.9456，RMSE為2.412 cm。通過決定系數(shù)可發(fā)現(xiàn)系統(tǒng)獲取葉片幾何參數(shù)與葉片實際幾何參數(shù)的數(shù)據(jù)模型擬合較好，測量結(jié)果準確性高;但通過RMSE發(fā)現(xiàn)系統(tǒng)獲取周長與葉片實際周長誤差較大，其原因可能是人工采用線性模擬葉片輪廓獲取葉片周長時，產(chǎn)生了人工誤差，致使系統(tǒng)模擬值與實際值的誤差較大。相較于傳統(tǒng)測量方法及葉面積儀，本研究中的系統(tǒng)通過智能手機相機獲取水稻圖片即可獲取水稻葉片幾何參數(shù)，無需購置專門的測量儀器，操作簡單。

2. 2. 3 顏色參數(shù)準確度測試 除水稻葉片幾何參數(shù)外，水稻顏色參數(shù)也能很好地反映水稻生長情況（孫愛珍等，2017）。以往主要采用掃描儀獲取葉片離體圖像，通過Matlab、PhotoShop等軟件對圖片進行處理獲取葉片顏色參數(shù)（劉偉，2007），但需對葉片進行破壞，影響作物正常生長，且對操作者的專業(yè)知識要求較高，不利于推廣。本研究中操作者只需使用智能手機拍攝水稻葉片，手動圈取感興趣區(qū)域，系統(tǒng)即會自動獲取圈取部分的R、G、B均值，操作簡單，無需破壞植株。

為驗證系統(tǒng)獲取顏色參數(shù)的準確性，將系統(tǒng)得到感興趣區(qū)域的R、G、B均值與Adobe PhotoShop CS6得到的該部分結(jié)果進行誤差分析。驗證結(jié)果如圖8所示，即系統(tǒng)獲取顏色均值與Adobe PhotoShop CS6獲取顏色均值的R、G、B線性擬合模型，R、G、B值線性擬合模型的決定系數(shù)分別為0.9803、0.9774和0.9805，RMSE分別為1.086、1.413和0.8383，表明系統(tǒng)獲取R、G、B值與PhotoShop獲取R、G、B值間有較高的一致性，具有較好的數(shù)據(jù)處理和預測效果。

3 討論

測量葉片特征參數(shù)及分析葉片外部形態(tài)，對研究作物的栽培管理有重要指導作用（姚運生等，2000）?；贏ndroid的水稻葉片特征參數(shù)測量系統(tǒng)利用JNI結(jié)合OpenCV對Android智能手機獲取圖像進行自動化處理，在獲取水稻葉片幾何參數(shù)中無需用戶進行操作。郭文川等（2014）研究設(shè)計基于Android手機快速無損獲取植物葉片面積，相對誤差在-2.9%～2.7%，精度高，但處理速度慢，系統(tǒng)方法中圖像預處理及參數(shù)計算總時間在2 s以內(nèi)。楊紅云等（2015）運用計算機圖像視覺技術(shù)獲取水稻幾何參數(shù)，與實際數(shù)值比較葉片面積計算誤差小于5%，長寬誤差小于0.67%，相較手工測量方法，更加快速、便捷，但須購置專業(yè)相機獲取水稻圖片，成本較高?；贏ndroid智能手機快速、無損獲取水稻葉片特征參數(shù)，可用手機自帶相機獲取水稻葉片圖像，成本低。

目前，基于Android獲取葉片幾何參數(shù)大多情況下僅獲取葉面積，而單獨獲取長、寬、周長的研究較少，獲取植物葉片感興趣區(qū)域顏色參數(shù)的研究也鮮見報道。徐義鑫等（2015）在獲取植物葉面積的同時，獲取了植物葉片長、寬、周長等幾何參數(shù)，測量效果較好，但須對植物葉片進行破壞，對植物后期研究造成一定影響，本研究無需對水稻葉片進行破壞即可實現(xiàn)獲取水稻葉片特征參數(shù)。將水稻葉片實際特征參數(shù)與本研究中系統(tǒng)獲取的特征參數(shù)進行擬合，建立線性回歸擬合模型，水稻葉片長、寬、面積及周長的RMSE分別為0.6469 cm、0.05022 cm、0.5329 cm2和2.412 cm，系統(tǒng)獲取顏色與Adobe Photoshop CS6獲取顏色均值的R、G、B線性擬合模型的決定系數(shù)分別為0.9803、0.9774和0.9805，RMSE分別為1.086、1.413和0.8383。說明基于智能手機獲取水稻葉片特征參數(shù)，可在一定程度上實現(xiàn)戶外實地測量，其精度能滿足農(nóng)學研究的需要;但試驗需借助拍攝背景及參照物，要求拍照時葉片在白紙板上盡量平整。今后將就如何降低試驗要求，更加方便快捷、精確地獲取所需數(shù)據(jù)，使得測量系統(tǒng)得到進一步完善和應(yīng)用推廣。

4 建議

4. 1 優(yōu)化測量系統(tǒng)

目前，測量水稻葉片幾何參數(shù)仍需借助拍攝背景及參照物，因此需進一步改進系統(tǒng)，降低對外部輔助物的依賴，降低試驗要求，真正實現(xiàn)簡便操作。后期將采用B-Spline算法實現(xiàn)手勢獲取水稻葉片幾何參數(shù)，在保證準確獲取水稻葉片特征參數(shù)的前提下盡量簡化試驗步驟。

4. 2 增加氮素營養(yǎng)水平診斷算法

精確施氮能夠減少病蟲害的發(fā)生，提高水稻產(chǎn)量。水稻特征參數(shù)對水稻氮素營養(yǎng)水平分類具有重要研究意義，后期系統(tǒng)將引入BP神經(jīng)網(wǎng)絡(luò)、概率神經(jīng)網(wǎng)絡(luò)等分類算法，建立氮素營養(yǎng)水平診斷模型，實現(xiàn)氮素營養(yǎng)水平分類，從而實現(xiàn)快速精準判斷水稻生長營養(yǎng)狀況，精確指導施氮。

參考文獻：

柏軍華，王克如，初振東，陳兵，李少昆. 2005. 葉面積測定方法的比較研究[J]. 石河子大學學報（自然科學版），23（2）： 216-218. [Bo J H，Wang K R，Chu Z D，Chen B，Li S K. 2005. Comparative study on the measure methods of the leaf area[J]. Journal of Shihezi University（Natural Science），23（2）： 216-218.]

常麗英，顧東祥，張文宇，楊杰，曹衛(wèi)星，朱艷. 2008. 水稻葉片伸長過程的模擬模型[J]. 作物學報，34（2）： 311-317. [Chang L Y，Gu D X，Zhang W Y，Yang J，Cao W X，Zhu Y. 2008. A simulation model of leaf elongation process in rice[J]. Acta Agronomica Sinica，34（2）： 311-317.]

陳玉青，楊瑋，李民贊，孫紅. 2017. 基于Android手機平臺的冬小麥葉面積指數(shù)快速測量系統(tǒng)[J]. 農(nóng)業(yè)機械學報，48（S）： 123-128. [Chen Y Q，Yang W，Li M Z，Sun H. 2017. Measurement system of winter wheat LAI based on Android mobile platform[J]. Transactions of the Chinese Society for Agricultural Machinery，48（S）： 123-128.]

馮冬霞，施生錦. 2005. 葉面積測定方法的研究效果初報[J]. 中國農(nóng)學通報，21（6）： 150-152. [Feng D X，Shi S J. 2005. Research on night measurement methods of leaf area[J]. Chinese Agricultural Science Bulletin，21（6）： 150-152.]

龔愛平，吳武豪，裘正軍，何勇. 2013. 基于Android系統(tǒng)手機的葉面積測量方法[J]. 農(nóng)業(yè)機械學報，44（9）： 203-208. [Gong A P，Wu W H，Qiu Z J，He Y. 2013. Leaf area measurement using Android os mobile phone[J]. Transa-ctions of the Chinese Society for Agricultural Machinery，44（9）： 203-208.]

郭文川，周超超，韓文霆. 2014. 基于Android手機的植物葉片面積快速無損測量系統(tǒng)[J]. 農(nóng)業(yè)機械學報，45（1）： 275-280. [Guo W C，Zhou C C，Han W T. 2014. Rapid and non-destructive measurement system for plant leaf area based on Android mobile phone[J]. Transactions of the Chinese Society for Agricultural Machinery，45（1）： 275-280.]

賀勇，孫煥良，孟桂元. 2008. 水稻葉片形態(tài)研究進展[J]. 作物研究，22（5）： 378-380. [He Y，Sun H L，Meng G Y. 2008. Research in leaf morphology of rice[J]. Crop Research，22（5）： 378-380.]

姜淑華，孫海波. 2006. 計算機圖像技術(shù)在農(nóng)業(yè)工程中的應(yīng)用[J]. 農(nóng)機化研究，（11）： 177-178. [Jiang S H，Sun H B. 2006. Application of computer image technology in agricultural engineering[J]. Journal of Agricultural Mechanization Research，（11）： 177-178.]

劉宏偉，吳斌，張紅英，李芳，邵延華. 2009. 水稻葉片幾何模型及其可視化研究[J]. 計算機工程，35（23）： 263-264. [Liu H W，Wu B，Zhang H Y，Li F，Shao Y H. 2009. Research on rice leaf geometric model and its visualization[J]. Computer Engineering，35（23）： 263-264.]

劉偉. 2007. 基于葉片顏色特征的棉花部分生理指標的估測[D]. 北京：中國農(nóng)業(yè)科學院. [Liu W. 2007. Estimation of some physiological indices of cotton based on leaf co-lor characteristic[D]. Beijing： Chinese Academy of Agricultural Sciences.]

劉巖，陸建飛，曹宏鑫，石春林，劉永霞，朱大威，孫金英，岳延濱，魏秀芳，田平平，包太林. 2009. 基于生物量的水稻葉片主要幾何屬性模型研究[J]. 中國農(nóng)業(yè)科學，42（11）： 4093-4099. [Liu Y，Lu J F，Cao H X，Shi C L，Liu Y X，Zhu D W，Sun J Y，Yue Y B，Wei X F，Tian P P，Bao T L. 2009. Main geometrical parameter models of rice blade based on biomass[J]. Scientia Agricultura Sinica，42（11）： 4093-4099.]

路文超，趙勇，羅斌，潘大宇，王成. 2015. 基于Android手機的水稻劍葉角測量系統(tǒng)[J]. 農(nóng)業(yè)機械學報，46（11）： 296-301. [Lu W C，Zhao Y，Luo B，Pan D Y，Wang C. 2015. Measurement system of rice flag leaf angle based on Android smart phone[J]. Transactions of the Chinese Socie-ty for Agricultural Machinery，46（11）： 296-301.]

潘鵬亮，王國君，張方梅，劉紅敏，史洪中，尹健. 2018. 利用幾何形態(tài)測量學評估茶尺蠖危害茶葉嚴重度的可行性分析[J]. 河南農(nóng)業(yè)科學，47（5）： 62-68. [Pan P L，Wang G J，Zhang F M，Liu H M，Shi H Z，Yin J. 2018. Evaluation of leaf-damaged severity from tea geometrid by geometric morphometrics[J]. Journal of Henan Agricultural Sciences，47（5）： 62-68.]

尚明華，秦磊磊，王風云，劉淑云，張曉艷. 2011. 基于Android智能手機的小麥生產(chǎn)風險信息采集系統(tǒng)[J]. 農(nóng)業(yè)工程學報，27（5）： 178-182. [Shang M H，Qin L L，Wang F Y，Liu S Y，Zhang X Y. 2011. Information collection system of wheat production risk based on Android smartphone[J]. Transactions of the Chinese Society of Agricultural Engineering，27（5）： 178-182.]

石春林，朱艷，曹衛(wèi)星. 2006. 水稻葉片幾何參數(shù)的模擬分析[J]. 中國農(nóng)業(yè)科學，39（5）： 910-915. [Shi C L，Zhu Y，Cao W X. 2006. A simulation analysis on geometrical parameters of rice leaf blade[J]. Scientia Agricultura Sinica，39（5）： 910-915.]

孫愛珍，楊紅云，何火嬌. 2017. 基于SPAD值的水稻葉色變化過程可視化模擬[J]. 計算機工程與應(yīng)用，53（11）： 233-236. [Sun A Z，Yang H Y，He H J. 2017. Visual simulation of rice leaf color change process based on SPAD va-lue[J]. Computer Engineering and Applications，53（11）： 233-236.]

孫杰. 2011. 基于Android平臺圖像處理算法的研究與實現(xiàn)[D]. 北京：北京郵電大學. [Sun J. 2011. Research and implementation of algorithms for image processing based on Android[D]. Beijing：Beijing University of Posts and Telecommunications.]

徐義鑫，李鳳菊，王建春，花登峰，張雪飛，呂雄杰，錢春陽. 2015. 基于OpenCV的Android手機植物葉片幾何參數(shù)測量系統(tǒng)[J]. 中國農(nóng)學通報，31（35）： 236-244. [Xu Y X，Li F J，Wang J C，Hua D F，Zhang X F，Lü X J，Qian C Y. 2015. OpenCV-based measurement system for plant leaf geometry parameters using Android mobile phone[J]. Chinese Agricultural Science Bulletin，31（35）： 236-244.]

楊紅云，孫愛珍，何火嬌. 2015. 水稻葉片幾何參數(shù)圖像視覺測量方法研究[J]. 湖北農(nóng)業(yè)科學，54（17）： 4317-4320. [Yang H Y，Sun A Z，He H J. 2015. Study on the geometry parameter of rice leaf measuring method using image vision technology[J]. Hubei Agricultural Sciences，54（17）：4317-4320.]

楊勁峰，陳清，韓曉日，李曉林. 2002. 數(shù)字圖像處理技術(shù)在蔬菜葉面積測量中的應(yīng)用[J]. 農(nóng)業(yè)工程學報，18（4）： 155-158. [Yang J F，Chen Q，Han X R，Li X L. 2002. Measurement of vegetable leaf area using digital image processing techniques[J]. Transactions of the Chinese Society of Agricultural Engineering，18（4）： 155-158.]

姚運生，羅新蘭，王秉昆，戴俊英. 2000. 玉米植株形態(tài)生長的模擬[J]. 玉米科學，8（S1）： 30-32. [Yao Y S，Luo X L，Wang B K，Dai J Y. 2000. Studies on simulation of corn morphology growth[J]. Journal of Maize Sciences，8（S1）： 30-32.]

鄭姣，劉立波. 2015. 基于Android的水稻病害圖像識別系統(tǒng)設(shè)計與應(yīng)用[J]. 計算機工程與科學，37（7）： 1366-1371. [Zheng J，Liu L B. 2015. Design and application of rice disease image recognition system based on Android[J]. Computer Engineering and Science，37（7）： 1366-1371.]

周超超. 2014. 基于Android手機平臺的玉米葉片含氮量檢測方法研究[D]. 楊凌：西北農(nóng)林科技大學. [Zhou C C. 2014. Study on detection method for maize leaf nitrogen content based on Android mobile phone platform[D]. Yangling： Northwest A & F University.]

周瑞卿. 2014. 基于Android手機的植物葉片面積快速無損測量系統(tǒng)[J]. 中國科技縱橫，（16）： 13. [Zhou R Q. 2014. Rapid and non-destructive measurement system of plant leaf area based on Android phone[J]. China Science & Technology Overview，（16）： 13-13.]

（責任編輯 鄧慧靈）