基于苧麻葉片RGB特征值的缺素診斷研究

高士 邱偉 彭佳紅

摘要：數(shù)字圖像處理技術(shù)已經(jīng)成為精準(zhǔn)農(nóng)業(yè)的重要手段之一。以一個(gè)季度苧麻盆栽葉片圖像數(shù)據(jù)為基礎(chǔ)，對(duì)苧麻幼葉、熟葉、老葉生長(zhǎng)過(guò)程中苧麻葉片氮、磷肥不同營(yíng)養(yǎng)元素變化量與生長(zhǎng)過(guò)程中苧麻葉片圖像的顏色特征進(jìn)行提取研究。使用RGB顏色模型對(duì)苧麻生長(zhǎng)過(guò)程葉片圖像顏色特征進(jìn)行提取，并將其特征值與氮磷含量變化進(jìn)行相關(guān)分析得到：G/（R+G+B）可以作為缺氮診斷標(biāo)準(zhǔn)，其值大于0.43時(shí)，推斷苧麻生長(zhǎng)缺氮;R/（R+G+B）可以作為缺磷診斷標(biāo)準(zhǔn)，其值大于0.34時(shí)，診斷苧麻缺磷。

關(guān)鍵詞：苧麻;缺素;特征值

中圖分類(lèi)號(hào)：TP391? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2019）24-0199-02

開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

1 背景

數(shù)字圖像處理是通過(guò)計(jì)算機(jī)對(duì)圖像進(jìn)行去除噪聲、增強(qiáng)、復(fù)原、分割、提取特征等處理的方法和技術(shù)。其中，數(shù)字處理技術(shù)在苧麻缺素診斷過(guò)程中的應(yīng)用過(guò)程主要包括圖像預(yù)處理、特征值提取、診斷三個(gè)部分。圖像預(yù)處理常用分量法灰度化圖像與中值濾波法去噪聲?；叶然瘓D像的每個(gè)像素只需一個(gè)字節(jié)存放灰度值[1、2]。將其灰度化處理，使R、G、B的值歸一到某個(gè)特定的區(qū)間或相等的這個(gè)值就是灰度值，范圍一般在0-255之間[3]。將采集到的圖像中的R、G、B分量作為圖像的灰度值，公式如下：

[F1（i，j）=R（i，j）;F2（i，j）=G（i，j）;F3（i，j）=B（i，j）;]? ? ? ? ? ? ? ? ? ? ? （1）

其中，F(xiàn)1、F2、F3即計(jì)算后的灰度值，i、j為灰度坐標(biāo)系坐標(biāo)。

中值濾波是一種常用的、能有效抑制噪聲的非線(xiàn)性信號(hào)處理技術(shù)，常用于保護(hù)邊緣信息[4]，是一種經(jīng)典的平滑噪聲的方法，其輸出圖形為g（x，y）=med{f（x-k，y-l），（k，l∈W）}，其中，f（x，y），g（x，y）分別為原始圖像和處理后圖像?；驹硎前褦?shù)字圖像中一點(diǎn)的值用該點(diǎn)的一個(gè)鄰域中各點(diǎn)值的中值代替，使周?chē)南袼刂到咏恼鎸?shí)值，從而消除孤立的噪聲點(diǎn)。

苧麻葉片圖像的特征值是苧麻葉片圖像的物理特征，主要包括其結(jié)構(gòu)、紋理、顏色、形狀等。顏色模型是數(shù)據(jù)來(lái)描述圖像的典型代表，常見(jiàn)的模型是RGB顏色模型，提取其R、G、B特征值算法如圖1所示。

2 基于苧麻氮磷缺素葉片的RGB特征值診斷

通過(guò)提取到的RGB特征值與氮磷肥的含量變化相關(guān)性進(jìn)行診斷。

實(shí)驗(yàn)組共分為七個(gè)小組，施肥過(guò)程為苧麻生長(zhǎng)的幼葉、熟葉、老葉期三個(gè)時(shí)期，每個(gè)時(shí)期施肥兩次，每次約50和20KG/hm2。如：氮肥的施量在適度范圍內(nèi)呈線(xiàn)性增長(zhǎng)，其他營(yíng)養(yǎng)元素比例調(diào)配適當(dāng)，使氮元素為單一變量，對(duì)于其他元素同樣如此。這樣，保證苧麻葉片由缺素到營(yíng)養(yǎng)元素足夠的水平范圍內(nèi)[5]，見(jiàn)表1，單位為KG/hm2。

對(duì)苧麻葉片圖像提取的21個(gè)顏色特征值，見(jiàn)表2。

2.1 基于苧麻葉片RGB特征值的缺氮診斷

在同一苧麻品種的不同生長(zhǎng)時(shí)期，將提取到的苧麻葉片顏色特征數(shù)據(jù)表2產(chǎn)生的值與生長(zhǎng)過(guò)程的含氮肥含量變化表1分別進(jìn)行相關(guān)分析，得到相關(guān)性關(guān)系見(jiàn)表3。

由表3可看出，在幼葉期間，所提取的顏色特征值與氮肥的含量相關(guān)性很高，且結(jié)果都呈顯著相關(guān)關(guān)系。且誤差范圍在極小范圍之內(nèi)，對(duì)結(jié)果不造成影響。得出結(jié)論：氮肥的含量跟計(jì)算機(jī)處理得到的顏色特征值是有相關(guān)性的，可以為后面的缺素診斷奠定基礎(chǔ)[6]。在整個(gè)苧麻葉片生長(zhǎng)過(guò)程的氮肥含量變化過(guò)程中，提取到R、G、B分別跟氮肥的含量變化呈負(fù)相關(guān)性，G/（R+G+B）綠光標(biāo)準(zhǔn)值在整個(gè)生長(zhǎng)過(guò)程中與氮肥的含量變化呈負(fù)相關(guān)關(guān)系，根據(jù)統(tǒng)計(jì)學(xué)原理，在數(shù)字圖像處理技術(shù)中，可以利用該綠光標(biāo)準(zhǔn)值的變化范圍來(lái)診斷苧麻生長(zhǎng)過(guò)程中氮肥含量的情況[7-8]。為此，在苧麻的生長(zhǎng)過(guò)程中記錄了G/（R+G+B）綠光標(biāo)準(zhǔn)值與氮肥含量的關(guān)系，得出散點(diǎn)圖2。

由圖2中看出，不同時(shí)期的N肥施量情況影響G/（R+G+B）值的變化。根據(jù)經(jīng)驗(yàn)，在0-50kg氮肥的情況下是屬于缺素階段，G/（R+G+B）值的變化范圍在[0.43，0.45]區(qū)間，當(dāng)G/（R+G+B）值的變化范圍在小于0.43范圍時(shí)，可診斷苧麻的氮肥含量充足或有施肥過(guò)量。綜上，利用數(shù)字圖像處理技術(shù)在提取苧麻葉片RGB值后，計(jì)算不同時(shí)期的G/（R+G+B）綠光標(biāo)準(zhǔn)值，然后依據(jù)其值的范圍就可以推斷出苧麻的缺氮情況。當(dāng)綠光標(biāo)準(zhǔn)值在G/（R+G+B）>0.43時(shí)，診斷為缺氮;而G/（R+G+B）<0.43，供氮情況良好。

2.2 基于苧麻葉片RGB特征值的缺磷診斷

對(duì)不同時(shí)期磷肥含量的變化（見(jiàn)表1）數(shù)據(jù)值與苧麻葉片顏色特征值數(shù)據(jù)（見(jiàn)表2）進(jìn)行相關(guān)性分析，得到表4。

表4中，不同時(shí)期的磷肥施量與R/（R+G+B）標(biāo)準(zhǔn)值有明顯的負(fù)相關(guān)性，依據(jù)統(tǒng)計(jì)學(xué)原理，這表明R/（R+G+B）紅光標(biāo)準(zhǔn)比值可以作為磷肥含量的診斷指標(biāo)，同理，依據(jù)R/（R+G+B）標(biāo)準(zhǔn)比值隨磷肥的含量變化建立散點(diǎn)圖，推斷出磷肥供應(yīng)不足時(shí)R/（R+G+B）的范圍區(qū)間，進(jìn)行缺素診斷，散點(diǎn)圖見(jiàn)圖3。

由圖3中可以看到，不同時(shí)期的P肥施量情況影響R/（R+G+B）值的變化，在0-50kg磷肥的情況下，屬于缺素階段，此時(shí)R/（R+G+B）值的變化范圍在[0.34，0.37]區(qū)間，當(dāng)R/（R+G+B）值的在小于0.34范圍的時(shí)候，可以診斷苧麻的磷肥含量充足或有施肥過(guò)量的情況。綜上，利用數(shù)字圖像處理技術(shù)在提取苧麻葉片RGB值后，篩選出不同時(shí)期的R/（R+G+B）紅光標(biāo)準(zhǔn)值，計(jì)算后依據(jù)其值的范圍可以推斷出苧麻的缺磷情況如何[8]。當(dāng)紅光標(biāo)準(zhǔn)值在R/（R+G+B）>0.34時(shí)，可以診斷為供磷不足時(shí)期，R/（R+G+B）<0.34時(shí)，可以診斷為供磷情況良好。