基于圖像特征的草莓葉片含水率檢測模型

*， 陳佰鴻

(1.甘肅農(nóng)業(yè)大學機電工程學院，甘肅 蘭州 730070；2.甘肅農(nóng)業(yè)大學園藝學院，甘肅 蘭州 730070)

草莓原產(chǎn)自南美，全世界共有20 000多個品種[1]，是一種喜溫涼和光的植物。草莓根系分布淺、蒸騰量大，對水分要求嚴格，但草莓在不同生長期對水分的要求又稍有不同，在草莓果實生長和成熟期對水分的需求最多，達80%以上。作物水分大部分由葉片承擔，缺水則會導致作物葉片萎縮、面積減小、顏色短期加深等情況[2]。目前草莓灌溉都以漫灌為主，導致大量的水資源浪費，研究草莓按需灌溉是節(jié)約水資源的措施之一。

圖像處理技術簡便、快速、無接觸、無破壞性，被認為是現(xiàn)代無損檢測的重要技術之一[3-7]。一些學者利用圖像特征對部分作物水分檢測進行了研究，主要集中在棉花、小麥、葡萄、玉米等作物的檢測上。王方永等[8]分析并發(fā)現(xiàn)棉花顏色參數(shù)G-R與水分含量及水分含量指數(shù)相關性最好，以G-R建立了棉花水分含量及水分含量指數(shù)預測模型，預測精度達到90.71%和91.02%。Zakaluk等[9]以馬鈴薯植株圖像預測植株水勢，利用主成分分析法發(fā)現(xiàn)，土壤氮與葉片反射率呈顯著的負線性關系(r=-0.71，p=0.003)。江朝暉等[10]采用偏最小二乘回歸建立了越冬期小麥冠層圖像特征與冠層含水率檢測模型，檢測得到冬小麥品種的相對誤差均值僅為1.29%。勞東青等[11]以溫室大棚中的葡萄植株為研究對象，采用多項式曲線擬合的方式建立了一種圖像灰度均值的含水率估算模型，模型的相關系數(shù)達到70.83%。韓文霆等[12]采用信息灰度共生矩陣和灰度直方圖分析抽穗期玉米葉片與含水率的關系，研究得到葉片顏色特征均值與含水率的關系模型決定系數(shù)為70.17%。Kacira[13]和Takayama等[14]建議把西紅柿葉子的垂直投影面積作為水分虧缺指數(shù)。

本文對圖像特征與結(jié)果期草莓葉片含水率的關系進行了研究，提取葉片圖像的RGB、HSV和L*a*b*顏色模型中的多種顏色特征以及葉片投影面積，對32種顏色特征以及投影面積與草莓葉片含水率的關系進行相關性回歸分析，從中篩選出相關性較高的顏色特征建立草莓葉片水分的預測模型，由于圖像傳感器的成本低，本文的研究結(jié)果可為草莓灌溉的水分監(jiān)測提供一種準確率和實用性都較高的估算方法。

1 試驗材料與方法

1.1 試驗設計

本次試驗在甘肅農(nóng)業(yè)大學進行，時間為2019年6月，供試對象為盆栽草莓，品種為寧玉，土壤質(zhì)地為草炭和珍珠巖接近一比一的混合。試驗對象是生長狀態(tài)相同的30盆正常生長的草莓，其中20盆作為建模組，10盆作為驗證組。對于建模組的草莓又隨機分為3組，第1組作為對比組，對這5盆草莓進行每日定時澆水至飽和狀態(tài)，第2組也有5盆，該組試驗期間不做澆水處理。第1、2組每天拍照，但不測量其葉片含水率，這樣做的目的是可以連續(xù)觀察草莓葉片隨水分減少時圖像特征的變化情況。由于本文葉片含水率測量時會剪掉一盆草莓的部分葉片，對于連續(xù)監(jiān)測葉片圖像特征的草莓無法測量其含水率，故本文采用了替代法，即對于建模組其余10盆作為第3組，該組不間斷地測量葉片含水率作為第2組對應的含水率。對于該組的草莓，試驗開始后前9盆每天測定一次，每次一盆，最后一盆是在試驗開始后的第14天測量(此時草莓因缺水已整體倒伏)。對第2、3組草莓試驗前一次性灌溉至飽和，隨后再不澆水，灌溉之后在這花盆土壤表面鋪一層稀碎紙片，以防水分流失太快不利于試驗進行。驗證組水處理方法與建模組相同，每天測量一盆草莓的圖像特征與含水率，首先拍照，然后測量含水率，持續(xù)10天。

1.2 含水率測定

1.2.1 葉片含水率測定

在建模組的第3組中隨機挑選1盆草莓，均勻剪下10片葉子，并放在鋁箔中使用精度為0.000 1 g的分析天平稱重，記錄鮮重x1，然后將葉片平鋪于A4紙上，放置在型號為YHG-300-S的遠紅外快速恒溫干燥箱內(nèi)進行干燥，干燥溫度為80 ℃，干燥時間約為1 h，干燥過程中每15 min稱重一次，稱重到葉片重量誤差小于0.000 4 g時記錄此時的重量x2，則可通過計算得到葉片含水率y葉。葉片投影面積相對值、葉片含水率、土壤含水率變化趨勢如圖1所示，由圖1可以看到第4天的葉片含水率有上升趨勢，第5天到第7天緩慢遞減，隨后呈現(xiàn)出明顯遞減的現(xiàn)象。

圖1 葉片投影面積相對值、葉片含水率、土壤含水率變化趨勢

1.2.2 土壤含水率測定

在測完葉片含水率的草莓花盆中，從表面到根部均勻取土壤試樣，并放在鋁箔中使用分析天平稱重，記錄此時重量z1，然后放入預設溫度為105 ℃的干燥箱中干燥，干燥時間為4 h，記錄干燥后的重量為z2，則可得到土壤含水率y土。由圖1可知土壤含水率均勻遞減，并且第9天到第14天的水分流失最明顯。

1.3 圖像獲取

圖像采集使用D1000-IR-120/Color雙目攝像儀，分辨率為1 280*480，該儀器是一種可以全景曝光并應用在Windows端的智能攝像儀器。拍攝在室內(nèi)進行，使用太陽自然光源，拍攝時間為早上9：00～12：00，采集的圖像以png格式儲存在計算機中。拍攝時相機鏡頭朝下，鏡頭光軸垂直于地面。拍攝過程中將48色比色板(型號為SpyderCHECKR48)平鋪于盆栽草莓旁邊，調(diào)整位置使比色板完整顯示在雙目鏡頭中，為后期圖像處理提供方便。固定拍攝時間與位置，連續(xù)拍照觀察直至草莓葉片全部萎蔫。

1.4 圖像處理

1.4.1 顏色校正

由于拍攝環(huán)境是室內(nèi)，各個花盆的拍攝時間也不同，并且實驗進行期間天氣不同，所以會因為光線問題導致拍攝的圖像顏色出現(xiàn)人眼所分辨不了的差異，因而使用圖像處理軟件Lightroom5.7和圖像校正軟件Spydercheckr對所有圖像進行顏色校正。校正前后的圖像樣例如圖2和圖3所示。

1.4.2 圖像分割

圖像顏色校正后，對圖像進行分割處理。由于草莓葉片邊緣有細小鋸齒，人工精細分割圖像非常耗時，本文采用相關文獻[15]介紹的算法進行圖像分割，該算法先通過目標檢測方法檢測到每張葉片，然后采用圖割方法優(yōu)化葉片顏色的能量函數(shù)從而實現(xiàn)葉片分割。實驗發(fā)現(xiàn)該算法能細致地分割出葉片邊緣。對圖3分割后得到的圖像如圖4所示。

1.5 葉片投影面積的提取

用上述分割算法產(chǎn)生的分割模板自動計算葉片面積，由于拍攝時鏡頭垂直朝下，故該面積為葉片的垂直投影面積S。圖1給出了第1組和第2組葉片投影面積的均值在試驗期間的變化趨勢，為了作圖方便，該圖中分別將第一天5盆葉面積均值作為基準，試驗期間其他各天測得的投影面積均值除以基準值作為相對投影面積，以下分析中所述面積均為相對面積?？梢钥闯龅?組由于每日定時澆水至飽和狀態(tài)，所以葉面積幾乎沒有變化。而第2組在剛開始的3天里，花盆有充足水分，葉面積幾乎沒有變化，其后隨著水分流失，葉面積開始逐漸減小。

圖2 葉片原圖

圖3 葉片校正圖

圖4 分割后葉片圖

1.6 顏色特征提取

在以往的研究文獻中，研究者使用了多種顏色特征建立不同植物葉片含水率模型[16-21]，這些特征來自于RGB、HSV和L*a*b*顏色模型。RGB是最基本的顏色模型，其中R、G和B分別是圖像的紅、綠和藍色分量，與人對顏色的主觀感知相一致，不足之處在于光照強度變化時各分量值也隨之變化。HSV是由色相(H)、飽和度(S)和亮度(V)組合的一種色彩模式，可將亮度與顏色分離。L*a*b*是一種人眼可以看到所有色彩的色彩模式，L*是光度分量，a*、b*為2個色度分量，a*表示從綠到紅，b*表示從藍到黃。前人研究表明與不同植物含水率關系最為密切的顏色特征是不同的，本試驗收集32種與葉片含水率相關的顏色特征，分別對其與葉片含水率進行回歸分析，尋找最適合表征草莓葉片含水率的顏色特征，見表1。本文對分割后的葉片圖像按像素求出平均的R、G、B值，然后利用MATLAB編程求出其他顏色特征的值。

2 數(shù)據(jù)分析

2.1 葉片含水率與顏色特征的相關性分析

為了全面研究葉片含水率與葉片圖像顏色特征的關系，提取了校正后葉片圖像的32種顏色特征，并且通過回歸分析發(fā)現(xiàn)每一個特征對目標值都有不同程度的影響，結(jié)果見表2。

表1 顏色特征

續(xù)表1

表2 葉片顏色特征與葉片含水率的關系

由表2可知：在這32種顏色特征中，RGB顏色模型的(G-R)/(B-G)、G-R、R-B、r、R/(G+B)和L*a*b*顏色模型的L*與葉片含水率之間具有顯著的線性相關性，特征(G-R)/(B-G)在顯著性水平0.01時達到了極顯著性檢驗水平，相關系數(shù)為0.769。(G-R)/(B-G)的校正測定系數(shù)為0.541，表明特征(G-R)/(B-G)能說明葉片含水率的54.1%，而其余45.9%需要其他特征來解釋。

對與葉片含水率相關性較高的特征(G-R)/(B-G)、G-R、R-B、r、R/(G+B)、L做進一步方差分析，見表3。

由表3分析結(jié)果可知，在這6種顏色特征中，特征(G-R)/(B-G)的F值最大，其顯著性p小于0.01，所以特征(G-R)/(B-G)對葉片含水率有非常顯著的影響，即可用特征(G-R)/(B-G)來建立葉片含水率預測模型。

2.2 葉片含水率與葉面積的相關性分析

本文主要分析第2組葉片投影面積S與葉片含水率之間的關系，變化趨勢如圖1所示，在花盆有充足水分的情況下，S幾乎沒有變化，其后隨著水分流失，S開始逐漸減小。S與葉片含水率的回歸結(jié)果見表4，p=0.01<0.05且相關系數(shù)達0.766，顯示S與葉片含水率之間具有顯著的相關性。

2.3 葉片含水率與葉片顏色特征和葉面積的雙變量相關性分析

使用同樣的方法對葉片顏色特征和S與葉片含水率之間的關系進行雙變量回歸分析，發(fā)現(xiàn)這32種顏色特征和S與葉片含水率之間的關系相關，有23種組合特征與葉片含水率之間的關系密切相關，見表5。

表3 顏色特征與葉片含水率方差分析

表4 葉片面積和葉片含水率相關性分析

表5 顏色特征和葉面積與葉片含水率的關系

3 葉片含水率模型與驗證

3.1 葉片含水率預測模型的建立

通過葉片含水率與32種顏色特征以及葉片投影面積S的相關性分析可知，在單變量回歸分析中，顏色特征(G-R)/(B-G)與葉片含水率的關系最為顯著，S次之，相關系數(shù)R分別為0.769、0.766。而在雙變量回歸分析中顯示，顏色特征G、B、H和S與葉片含水率相關性最為顯著，決定系數(shù)R2分別為0.839、0.831、0.824。本試驗對顏色特征(G-R)/(B-G)和S分別建立單變量葉片水分預測模型，以及對G+S、B+S建立了雙變量葉片水分預測模型。

特征(G-R)/(B-G)、S與葉片含水率之間的散點圖分別如圖5、圖6所示，回歸方程分別見式(1)、式(2)。

圖5 特征(G-R)/(B-G)與葉片含水率線性擬合

圖6 葉面積與葉片含水率線性擬合

(1)

y2=0.272xS+0.468

(2)

由G+S、B+S與葉片含水率的回歸分析建立的雙變量葉片水分預測模型分別為式(3)和式(4)。

y3=0.273xS+0.155xG+0.311

(3)

y4=0.272xS+0.054xB+0.417

(4)

3.2 模型檢驗

對建立的草莓葉片含水率預測模型進行精度檢驗，檢驗樣本為驗證組的10個數(shù)據(jù)，檢驗結(jié)果見表6。

表6 回歸模型檢驗

由表6 可知，雙變量預測模型相比于單變量預測模型預測效果好，其中特征B+S雙變量的葉片含水率預測模型的預測效果最好，擬合度達0.805，且平均相對誤差和均方根誤差值均小于10%。因此，可推薦以特征B+S作為草莓葉片水分含量的最佳預測模型。

4 結(jié)論

植物在生長過程中普遍存在逆境生長，而水分缺乏是反應逆境生長的一種形式，合理的含水量在植被功能等方面同樣發(fā)揮著重要作用，解決好水分缺乏的問題，就是解決了植物光合作用等一系列問題[22-24]?？焖?、無損、有效地檢測草莓的生長狀況是現(xiàn)代精細管理的基礎，草莓葉片含水率能夠直觀地反映出草莓苗的生長以及草莓果實的成長情況。為快速檢測并診斷草莓的生長情況，本文獲取草莓葉片圖像并測量草莓葉片含水率，分析了圖像RGB顏色模型、HSV顏色模型和L*a*b*顏色模型下的多種顏色特征以及葉片投影面積與葉片含水率之間的關系，得出如下結(jié)論：

(1)草莓葉片圖像經(jīng)過處理后得到的顏色特征與葉片含水率相關性顯著，RGB顏色模型的特征(G-R)/(B-G)與葉片含水率之間的關系尤為顯著，相關系數(shù)達0.769。草莓葉片投影面積與葉片含水率之間的關系顯著，相關系數(shù)達0.766。

(2)顏色特征和葉面積的雙變量與葉片含水率之間的關系最為顯著，選擇相關系數(shù)最大的兩組建立葉片含水率預測模型，經(jīng)檢驗擬合效果較好。

(3)實驗中土壤含水率隨時間遞減比較明顯，考慮下一步分析草莓土壤含水率與葉片顏色特征之間的關系。

本文通過對32種草莓葉片顏色特征、葉面積以及顏色特征和葉面積的組合特征與葉片含水率進行相關性分析，并篩選相關性顯著的特征建立模型，確定了最佳含水率預測模型，為草莓干旱的無損診斷和生長監(jiān)測提供了理論依據(jù)。