小麥莖稈生物力學(xué)特性無(wú)損檢測(cè)技術(shù)

張希來(lái)

(臨沂市沂水縣四十里堡鎮(zhèn)農(nóng)業(yè)綜合服務(wù)中心，山東 沂水 246708)

0 引言

作為全球小麥主產(chǎn)國(guó)之一，小麥育種技術(shù)一直是我國(guó)現(xiàn)代化農(nóng)業(yè)的重點(diǎn)關(guān)注領(lǐng)域?，F(xiàn)今農(nóng)業(yè)增產(chǎn)難度增大，如何選育優(yōu)良品種、提高小麥產(chǎn)量和質(zhì)量，是農(nóng)業(yè)科技得以突破的關(guān)鍵之一。有研究表明，生物量與作物植株的抗病性、抗逆性及抗旱能力密切相關(guān)，它是表征作物生長(zhǎng)狀況的重要指標(biāo)[1]。傳統(tǒng)作物生物量是通過(guò)作物干質(zhì)量進(jìn)行表示，這種方法雖然精度高，但具有破壞性。當(dāng)前的研究聚焦為用鮮質(zhì)量表示生物量，這在小麥育種中具有可行性。對(duì)于生物量的測(cè)量，國(guó)內(nèi)外學(xué)者提出了諸多預(yù)測(cè)方法，當(dāng)前新興的機(jī)器視覺(jué)、光學(xué)成像等技術(shù)獲得了初步的研究成果[2-3]。本研究是以小麥育種檢測(cè)為目的，采用生物力學(xué)方法構(gòu)建生物量預(yù)測(cè)模型，以期能提出一種快速無(wú)損檢測(cè)的高效技術(shù)。

1 關(guān)鍵技術(shù)

作物莖稈的生物力學(xué)性能有拉伸強(qiáng)度、彈性模量和抗彎折性能等，它們反映了作物的生長(zhǎng)狀態(tài)，是優(yōu)種篩選的重要依據(jù)。將工程物理方法與農(nóng)業(yè)科技相結(jié)合，是現(xiàn)代化農(nóng)業(yè)發(fā)展的新思路之一，這次研究將采用力學(xué)傳感器技術(shù)對(duì)小麥莖稈的生物力學(xué)特性進(jìn)行分析，并以此對(duì)小麥生物量的無(wú)損檢測(cè)進(jìn)行深入研究。當(dāng)小麥莖稈受到外界推力時(shí)，會(huì)產(chǎn)生一定程度的變形。相關(guān)研究顯示，其變形程度與小麥莖稈的機(jī)械強(qiáng)度和種植密度有關(guān)[4]。小麥生物力學(xué)特性無(wú)損檢測(cè)的關(guān)鍵技術(shù)如圖1所示。

圖1 小麥生物力學(xué)特性無(wú)損檢測(cè)關(guān)鍵技術(shù)Fig.1 Key techniques for nondestructive testing of biomechanical properties of wheat

在圖1a中，當(dāng)觸桿勻速緩慢地掃過(guò)小麥莖稈時(shí)，其莖稈側(cè)面受到推力作用，并產(chǎn)生反作用力F；將反作用力沿水平和垂直方向進(jìn)行分解，可以得到圖中所示的F′和F″，觸桿在F′的作用下產(chǎn)生扭矩M′。對(duì)于小麥地而言，其地上鮮生物量取決于小麥的莖粗、高度和種植密度；不同區(qū)域的小麥產(chǎn)生的反作用力不同，進(jìn)而得到不同大小的分力F′和扭矩M′。在圖1b中，生物量無(wú)損檢測(cè)系統(tǒng)由壓力傳感器、觸桿、數(shù)據(jù)采集系統(tǒng)和平板計(jì)算機(jī)(PDA)等部分組成；壓力傳感器測(cè)得分力F′或扭矩M′，則可以間接得到區(qū)域小麥生物量，這是快速無(wú)損檢測(cè)技術(shù)的關(guān)鍵。

傳感器的輸出電壓與受力大小呈線(xiàn)性關(guān)系。這次研究所選擇的小麥育種試驗(yàn)區(qū)為0.8 m×3.0 m，因此選擇傳感器承載面大小為0.2 m×0.2 m，觸桿長(zhǎng)度0.9 m，單點(diǎn)式壓力傳感器靈敏度為0.85～1.15 mV/V，工作電壓為5～12 V DC。數(shù)據(jù)采集系統(tǒng)接收到來(lái)自傳感器的輸出模擬信號(hào)，對(duì)信號(hào)進(jìn)行采集和調(diào)理，經(jīng)過(guò)A/D功能轉(zhuǎn)換和MCU；系統(tǒng)的信號(hào)輸出形式為RS485，將其轉(zhuǎn)USB串口，并傳送至平板計(jì)算機(jī)系統(tǒng)中。本次研究的軟件系統(tǒng)在LabVIEW環(huán)境中開(kāi)發(fā)，數(shù)據(jù)實(shí)時(shí)顯示及存儲(chǔ)系統(tǒng)流程如圖2所示。

圖2 數(shù)據(jù)實(shí)時(shí)顯示及存儲(chǔ)系統(tǒng)流程Fig.2 System flow of real time data display and storage

平板計(jì)算機(jī)得到的力學(xué)信號(hào)是字符串信息，需要通過(guò)一系列轉(zhuǎn)換函數(shù)將信息中的有用部分轉(zhuǎn)換為電壓值，并以波形函數(shù)的形式顯示出來(lái)[5]。數(shù)據(jù)的深入分析是建立在數(shù)據(jù)保存基礎(chǔ)上的，依據(jù)時(shí)間函數(shù)，數(shù)據(jù)保存模塊將采集數(shù)據(jù)的獲取日期和時(shí)間轉(zhuǎn)換為對(duì)應(yīng)字符串，以此進(jìn)行數(shù)據(jù)存儲(chǔ)。

2 小麥生物量預(yù)測(cè)模型構(gòu)建

此次研究的試驗(yàn)區(qū)為暖溫帶大陸性季風(fēng)氣候，春秋時(shí)間短，夏季高溫多雨，冬季低溫干燥，年降雨量約600 mm，年均氣溫10～12 ℃。區(qū)域?yàn)榇筇锕芾?，小麥行?5 cm，長(zhǎng)勢(shì)均勻，正常肥水種植，無(wú)特殊處理。在測(cè)量小麥生物力學(xué)特性時(shí)，對(duì)區(qū)域外小麥進(jìn)行割除處理，保證數(shù)據(jù)精度。數(shù)據(jù)采集分別在小麥抽穗期、開(kāi)花期和灌漿期進(jìn)行，并避免風(fēng)雨等天氣影響。

由于測(cè)量過(guò)程中存在諸多變量因素，因此在建立預(yù)測(cè)模型前，需要確定影響小麥莖稈力學(xué)信號(hào)的相關(guān)因素[6]。首先確定品種和測(cè)量高度對(duì)小麥力學(xué)特性的影響。選擇小麥品種A、B、C分別進(jìn)行測(cè)量，以相對(duì)勻速狀態(tài)在距地面45 cm位置掃過(guò)其莖稈，保證其余參數(shù)一致。由于第一排小麥和最后一排小麥的密度減小，檢測(cè)到的力學(xué)信號(hào)值不穩(wěn)定，因此僅選擇取中間平穩(wěn)數(shù)據(jù)。品種和測(cè)量高度對(duì)小麥莖稈力學(xué)信號(hào)的影響如圖3所示，在同一測(cè)量高度下，品種對(duì)小麥莖稈的力學(xué)信號(hào)存在顯著影響，對(duì)于同一品種而言，測(cè)量高度越高，其力學(xué)信號(hào)越小。由此可見(jiàn)，在測(cè)量小麥生物力學(xué)特性時(shí)，需要將測(cè)量高度考慮在內(nèi)，并構(gòu)建具有品種針對(duì)性的預(yù)測(cè)模型。

圖3 品種和測(cè)量高度對(duì)小麥莖稈力學(xué)信號(hào)的影響Fig.3 Effect of variety and measurement height on mechanical signal of wheat stem

有研究顯示，小麥生物量與小麥生物力學(xué)特性之間存在一定關(guān)聯(lián)[7]。小麥生物力學(xué)特性-地上鮮生物量相關(guān)性分析如圖4所示，在不同測(cè)量高度下，小麥力學(xué)信號(hào)與地上鮮生物量均呈現(xiàn)出較好的相關(guān)性，距離地面越近，兩者之間的相關(guān)性越好，反之則相關(guān)性逐漸降低。

圖4 小麥生物力學(xué)特性-地上鮮生物量相關(guān)性分析Fig.4 Correlation analysis of wheat biomechanical characteristics and aboveground fresh biomass

除此之外，有學(xué)者表示，小麥產(chǎn)量受株高影響，且兩者之間存在重要關(guān)聯(lián)性。這次研究采用多元回歸法構(gòu)建生物量預(yù)測(cè)模型，當(dāng)小麥品種固定時(shí)，將測(cè)量高度和株高作為變量，并得到融合特征參數(shù)。第1步，針對(duì)在40、45和50 cm測(cè)量高度下得到的莖稈力學(xué)信號(hào)，采用一元回歸分析法進(jìn)行擬合分析，并得到擬合方程。第2步，將3種測(cè)量高度融合，作為“融合變量1”，并利用多元回歸分析的方法建立小麥地上鮮生物量的預(yù)測(cè)模型M1。第3步，加入株高這一變量，作為“融合變量2”，并進(jìn)行多元回歸分析，建立預(yù)測(cè)模型M2。

本次研究在C品種小麥中采集生物力學(xué)特性數(shù)據(jù)，抽穗期、開(kāi)花期和灌漿期的樣本數(shù)據(jù)分別有40、40和39個(gè)。以測(cè)量高度40、45和50 cm為輸入變量，分別進(jìn)行一元回歸分析，生物力學(xué)信號(hào)-生物量的擬合結(jié)果如表1所示。從擬合結(jié)果來(lái)看，不同時(shí)期及測(cè)量高度下，得到的擬合方程有所差別。

表1 不同時(shí)期、測(cè)量高度下莖稈力學(xué)信號(hào)-生物量擬合方程Tab.1 Fitting equation of stem mechanical signal biomass under different period and measured height

在上述數(shù)據(jù)擬合的基礎(chǔ)上，融合特征參量，即3種測(cè)量高度、株高，并建立對(duì)應(yīng)的小麥生物量預(yù)測(cè)模型。預(yù)測(cè)模型M1和M2的表達(dá)式為

M1：y=0.578+0.363x1-0.233x2+0.337x3
M2：y=0.480+0.334x1-0.423x2+
0.228x3+1.827x4

(1)

式中x1，x2，x3——測(cè)量高度40、45和50 cm下所測(cè)的力學(xué)信號(hào)

x4——對(duì)應(yīng)植株株高

y——小麥地上鮮生物量

采用決定系數(shù)R2和均方根誤差RMSE對(duì)預(yù)測(cè)模型進(jìn)行統(tǒng)計(jì)學(xué)評(píng)價(jià)。決定系數(shù)R2通常用來(lái)反映自變量和因變量之間的相關(guān)程度，R2越接近1，表征預(yù)測(cè)模型的預(yù)測(cè)效果越好。

(2)

式中yi——生物量的實(shí)測(cè)值

n——樣本個(gè)數(shù)

均方根誤差的計(jì)算如式(3)所示，它能靈敏地反映出數(shù)據(jù)集的特小或特大誤差，并表征測(cè)量值的精確程度。在這次研究中，RMSE值越小，說(shuō)明預(yù)測(cè)模型的效果越好。

(3)

3 基于多元回歸分析的小麥地上鮮生物量預(yù)測(cè)

3.1 單生育期小麥生物量預(yù)測(cè)結(jié)果及分析

根據(jù)所構(gòu)建的小麥生物量預(yù)測(cè)模型M1、M2及表1中的擬合方程，將采集數(shù)據(jù)分為訓(xùn)練集和測(cè)試集，對(duì)小麥莖稈無(wú)損檢測(cè)的建模效果進(jìn)行評(píng)價(jià)。在每個(gè)生育期中選擇13個(gè)數(shù)據(jù)作為測(cè)試集，剩余數(shù)據(jù)作為訓(xùn)練集，單生育期小麥生物量預(yù)測(cè)模型效果評(píng)價(jià)如圖5所示。

根據(jù)圖5中的數(shù)據(jù)結(jié)果，對(duì)不同時(shí)期的模型預(yù)測(cè)效果進(jìn)行評(píng)價(jià)。就抽穗期而言，當(dāng)訓(xùn)練集輸入變量40 cm或測(cè)試集輸入變量45 cm時(shí)，其R2值最大，預(yù)測(cè)效果較好；當(dāng)訓(xùn)練集輸入變量為融合變量2或測(cè)試集輸入變量45 cm時(shí)，其值最小，預(yù)測(cè)效果較好。但整體來(lái)看，當(dāng)輸入變量45 cm時(shí)，預(yù)測(cè)模型在訓(xùn)練集和測(cè)試集上的一致性更高，其預(yù)測(cè)效果最好。

圖5 單生育期小麥生物量預(yù)測(cè)模型效果評(píng)價(jià)Fig.5 Effect evaluation of wheat biomass prediction model in single growth period

就開(kāi)花期而言，當(dāng)訓(xùn)練集輸入變量40 cm或測(cè)試集輸入變量50 cm時(shí)，其R2值最大，預(yù)測(cè)效果較好；當(dāng)訓(xùn)練集輸入變量40 cm或測(cè)試集輸入變量50 cm時(shí)，其RMSE值最小，預(yù)測(cè)效果較好。但整體來(lái)看，當(dāng)輸入變量50 cm時(shí)，預(yù)測(cè)模型在訓(xùn)練集和測(cè)試集上的一致性更高，其預(yù)測(cè)效果最好。

就灌漿期而言，當(dāng)訓(xùn)練集輸入變量為融合變量2或測(cè)試集輸入變量40 cm時(shí)，其R2值最大，預(yù)測(cè)效果較好；當(dāng)訓(xùn)練集輸入變量為融合變量2或測(cè)試集輸入變量40 cm時(shí)，其RMSE值最小，預(yù)測(cè)效果較好。但整體來(lái)看，當(dāng)輸入變量為融合變量2時(shí)，預(yù)測(cè)模型在測(cè)試集的預(yù)測(cè)效果較差，且與訓(xùn)練集的預(yù)測(cè)效果存在較大差異；當(dāng)輸入變量40 cm時(shí)，預(yù)測(cè)模型在訓(xùn)練集和測(cè)試集上的一致性更高，其預(yù)測(cè)效果最好。

將單生育期的最佳預(yù)測(cè)結(jié)果與實(shí)測(cè)結(jié)果進(jìn)行相關(guān)性對(duì)比，如圖6所示。各個(gè)點(diǎn)表示預(yù)測(cè)結(jié)果和實(shí)測(cè)結(jié)果之間的相關(guān)性，直線(xiàn)為相關(guān)性的線(xiàn)性擬合結(jié)果。從對(duì)比結(jié)果可以看出，預(yù)測(cè)模型在抽穗期的預(yù)測(cè)相關(guān)性最好，在開(kāi)花期和灌漿期的預(yù)測(cè)相關(guān)性均是差強(qiáng)人意。結(jié)合圖5進(jìn)行分析，從單生育期的預(yù)測(cè)效果來(lái)看，株高這一特征參量在訓(xùn)練集提高了模型的預(yù)測(cè)效果，但其在測(cè)試集的預(yù)測(cè)效果并不好。

圖6 預(yù)測(cè)模型在不同時(shí)期的預(yù)測(cè)相關(guān)性對(duì)比Fig.6 Correlation comparison of prediction models in different periods

3.2 多生育期小麥生物量預(yù)測(cè)結(jié)果及分析

在119個(gè)抽穗期數(shù)據(jù)中，隨機(jī)選擇80個(gè)數(shù)據(jù)對(duì)預(yù)測(cè)模型進(jìn)行訓(xùn)練，并以剩余數(shù)據(jù)對(duì)預(yù)測(cè)模型進(jìn)行測(cè)試，預(yù)測(cè)模型在抽穗-灌漿期的預(yù)測(cè)效果及相關(guān)性分析如圖7所示。

圖7 預(yù)測(cè)模型在抽穗-灌漿期的預(yù)測(cè)效果及相關(guān)性分析Fig.7 Prediction effect and correlation analysis of prediction model in heading filling stage

從圖7a可以看出，隨著測(cè)量高度的增加，預(yù)測(cè)模型在訓(xùn)練集和測(cè)試集中的結(jié)果相關(guān)性和預(yù)測(cè)效果逐漸降低；融合特征參量后，預(yù)測(cè)模型的預(yù)測(cè)效果有所提升，特別是融合株高特性后；但整體來(lái)看，當(dāng)輸入變量為融合變量1時(shí)，其預(yù)測(cè)效果最好。在圖7b中，將輸入變量為融合變量1的預(yù)測(cè)結(jié)果進(jìn)行相關(guān)性分析。相關(guān)性分析結(jié)果顯示，對(duì)全時(shí)期小麥進(jìn)行地上鮮生物量預(yù)測(cè)時(shí)，利用40、45和50 cm高度處的采集數(shù)據(jù)構(gòu)建預(yù)測(cè)模型，具有較高的準(zhǔn)確性。為了更直觀地觀察不同生育期的無(wú)損檢測(cè)效果，將各個(gè)生育期的最佳預(yù)測(cè)結(jié)果進(jìn)行對(duì)比，如圖8所示。

圖8 預(yù)測(cè)模型在不同生育期的預(yù)測(cè)效果對(duì)比Fig.8 Comparison of prediction effects of prediction models in different growth stages

從圖8可以明顯看出，抽穗期的模型預(yù)測(cè)效果最好，一方面是其R2值、RMSE值最小，另一方面是其訓(xùn)練集和測(cè)試集的預(yù)測(cè)效果基本一致。隨著小麥生育期的發(fā)展，預(yù)測(cè)模型的預(yù)測(cè)效果顯著降低，且訓(xùn)練集和測(cè)試集的結(jié)果一致性明顯降低。

4 結(jié)論

小麥地上鮮生物量檢測(cè)是把握小麥生長(zhǎng)狀況的關(guān)鍵途徑之一，但現(xiàn)今的檢測(cè)技術(shù)在復(fù)雜的田間環(huán)境中并不能達(dá)到較好的檢測(cè)效果。本研究提出采用力學(xué)傳感技術(shù)和多元回歸分析的方法對(duì)小麥地上鮮生物量進(jìn)行預(yù)測(cè)，并得到了以下結(jié)論。對(duì)于利用小麥生物力學(xué)特性所構(gòu)建的預(yù)測(cè)模型，一方面是其預(yù)測(cè)效果與測(cè)量高度呈反比，在測(cè)量高度40 cm時(shí)，其預(yù)測(cè)效果最好；另一方面，其預(yù)測(cè)效果與小麥所處生育期有關(guān)，抽穗期的預(yù)測(cè)效果最好。這是由于在生育期后期，小麥莖稈所受麥穗的作用力增大，從而影響了模型的預(yù)測(cè)效果。除此之外，融合特征參數(shù)并不能顯著提高模型的預(yù)測(cè)效果，甚至模型在訓(xùn)練集和測(cè)試集的結(jié)果一致性明顯降低。因此利用小麥生物力學(xué)特性所構(gòu)建的生物量預(yù)測(cè)模型僅適用于抽穗期，后期還需要繼續(xù)探索多融合技術(shù)的預(yù)測(cè)模型。