張培松　孫毅明　郭澎濤　袁忠志　楊紅竹　貝美容　羅微

摘 要 為建立橡膠樹氮素營養(yǎng)快速診斷技術(shù)，利用數(shù)碼相機(jī)獲取橡膠樹葉片圖像，運(yùn)用數(shù)字圖像處理技術(shù)提取葉片圖像的顏色特征參數(shù)，分析顏色特征參數(shù)與橡膠樹葉片氮含量的相關(guān)性，并建立回歸模型。結(jié)果表明，9個(gè)顏色特征參數(shù)R/B、B/（R+G）、R/（G+B）、R/（R+G+B）、B/（R+G+B）、（B+G）/（R+G+B）、（R-B）/（R+G+B）、（R-B）/（B+R）和G/（R-B）與橡膠樹葉片氮含量相關(guān)性較好，綜合評價(jià)得出G/（R-B）所建立的橡膠樹熱研7-33-97葉片氮含量二次多項(xiàng)式估測模型最優(yōu)，模型校正決定系數(shù)為81.04%，預(yù)測相對誤差和均方根誤差分別為10.91%和0.31%，表明利用數(shù)字圖像分析技術(shù)可以進(jìn)行成齡橡膠樹熱研7-33-97葉片氮素含量營養(yǎng)診斷。

關(guān)鍵詞 數(shù)碼相機(jī)；圖像識別；橡膠樹；氮素；營養(yǎng)診斷

中圖分類號 S794.1 文獻(xiàn)標(biāo)識碼 A

Study on Predicting Nitrogen Content of Rubber Tree

Leaf by Digital Image Analysis

ZHANG Peisong1， SUN Yiming1， GUO Pengtao1， YUAN Zhongzhi2，

YANG Hongzhu1， BEI Meirong1， LUO Wei1 *

1 Rubber research Institute， CATAS， Danzhou， Hainan 571737， China

2 Hainan Xiao Chen Technology Co.， Haikou， Hainan 570125， China

Abstract Predicting nitrogen content of leaf based on digital image analysis， is one of the rapid diagnostic technology of rubber tree nitrogen content. This study extracted the color feature of rubber tree leaf by digital image processing techniques， which were acquired by digital camera. The regression models were estabilished base on analysised the correlation between these parameters with rubber tree leaf nitrogen content. The result showed that， the 9 color feature parameters， R/B， B/（R+G）， R/（G+B）， R/（R+G+B）， B/（R+G+B），（B+G）/（R+G+B），（R-B）/（R+G+B），（R-B）/（B+R）and G/（R-B）， had good correlation with the nitrogen content of rubber tree leaf. The model based on G/（R-B）was the best one of the 9 parameters for predicting nitrogen content of reyan 7-33-97， which the correction coefficient was 81.04%， the relative error and the root mean square error were 10.91% and 0.31%， respectively， which indicated that the digital image analysis technology could be used for diagnosis nitrogen content of aged rubber tree leaves reyan 7-33-97.

Key words Digital camera； Image recognition； Rubber tree； Nitrogen； Nutrient diagnosis

doi 10.3969/j.issn.1000-2561.2015.12.002

橡膠樹的營養(yǎng)診斷和推薦施肥都是以傳統(tǒng)的田間葉片采集和實(shí)驗(yàn)室化驗(yàn)分析為基礎(chǔ)，雖然具有較高的準(zhǔn)確性，但是也存在費(fèi)時(shí)、費(fèi)力、耗財(cái)?shù)热毕荩茈y在大面積膠園營養(yǎng)診斷上推廣應(yīng)用。近些年，隨著信息技術(shù)的飛速發(fā)展，數(shù)字圖像分析技術(shù)在植物營養(yǎng)診斷方面得到了廣泛研究，與傳統(tǒng)營養(yǎng)診斷方法相比，該方法具有快速、無損、耗費(fèi)低等優(yōu)勢，因此，更易于在實(shí)際應(yīng)用中進(jìn)行推廣。

最近，國內(nèi)外利用數(shù)字圖像分析技術(shù)進(jìn)行植物營養(yǎng)診斷的研究主要集中于水稻[1-6]、玉米[7-9]、小麥[10-12]、棉花[13-15]等大田作物以及蔬菜瓜果[17-20]等園藝作物上。如Lee等[1]利用圖像分析技術(shù)，從彩色數(shù)碼相機(jī)影像上提取10種色彩指數(shù)和覆蓋度指數(shù)，發(fā)現(xiàn)有8種色彩指數(shù)以及覆蓋度指數(shù)與水稻的葉面積指數(shù)、地上干物質(zhì)重量、地上氮素累積量之間存在顯著的相關(guān)性，以這些指數(shù)為輔助變量，運(yùn)用逐步線性回歸方法分別構(gòu)建水稻葉面積指數(shù)、地上干物質(zhì)重量和地上氮累積量的估測模型，經(jīng)獨(dú)立試驗(yàn)驗(yàn)證，估測模型的預(yù)測精度可滿足實(shí)際需要。劉穎和李志洪[5]利用數(shù)碼相機(jī)拍攝了玉米拔節(jié)期冠層彩色圖像，分析了從冠層彩色圖像上提取的色彩參數(shù)與植株葉綠素含量、植株全氮含量、莖基部硝酸鹽濃度、植株體內(nèi)硝酸還原酶活性4項(xiàng)指標(biāo)之間的關(guān)系，發(fā)現(xiàn)綠光絕對值、綠光標(biāo)準(zhǔn)化值、綠光與圖像亮度的比值、綠光與紅光的比值與上述4項(xiàng)指標(biāo)參數(shù)之間存在顯著的相關(guān)性，可用于診斷玉米植株參數(shù)。Li等[10]發(fā)現(xiàn)在小麥的營養(yǎng)生長和莖桿伸長早期，從數(shù)碼相機(jī)影像上提取的冠層覆蓋度指數(shù)與其葉面積指數(shù)、地上生物量、植株氮濃度之間存在明顯的曲線關(guān)系。

數(shù)字圖像分析技術(shù)雖然已經(jīng)在植物營養(yǎng)診斷方面開展了較多的研究，但在高大喬木橡膠樹氮素營養(yǎng)診斷方面的研究還鮮見報(bào)道。本研究利用尼康D90數(shù)碼相機(jī)獲取成齡橡膠樹熱研7-33-97葉片圖像，建立橡膠樹葉片氮素估測的數(shù)字圖像技術(shù)，為橡膠樹氮素營養(yǎng)的快速診斷提供依據(jù)。

1 材料與方法

1.1 材料

1.1.1 試驗(yàn)區(qū)概況 試驗(yàn)區(qū)位于海南省儋州市，19°19′36″～19°51′48″ N、109°03′48″～109°44′56″ E，面積約3 400 km2。該區(qū)屬熱帶濕潤季風(fēng)氣候，常年平均氣溫23.5 ℃，年平均降雨量1 815 mm，主要集中于5～10月，占全年降雨量80%以上。環(huán)境條件較適宜橡膠樹的生長，是海南省天然橡膠主要種植區(qū)域之一。

1.1.2 樣品采集 2012年7～9月進(jìn)行橡膠樹葉片樣品采集，供試品種為熱研7-33-97。依據(jù)儋州市土地利用現(xiàn)狀圖和橡膠園分布狀況，選取5個(gè)鎮(zhèn)（東成鎮(zhèn)、那大鎮(zhèn)、大成鎮(zhèn)、雅星鎮(zhèn)和蘭洋鎮(zhèn)）的民營橡膠園進(jìn)行樣品采集，采集對象為無病蟲害開割樹（種植年限為8～11年）。在每個(gè)典型樣區(qū)（面積約0.67 hm2）采用“S”型路線隨機(jī)選取10棵橡膠樹進(jìn)行葉片采集，每棵樹左右兩側(cè)各取3片穩(wěn)定期的葉子，10棵樹共采集60片葉作為1個(gè)混合樣品，一共采集混合樣品128個(gè)。

1.2 方法

1.2.1 葉片圖像獲取與處理 橡膠樹葉片樣品經(jīng)清洗、擦干處理后，逐一編號，利用尼康D90相機(jī)在室內(nèi)自然散射光條件下進(jìn)行葉片圖像采集。成像時(shí)把葉片樣品置于標(biāo)準(zhǔn)背景紙上，鏡頭垂直俯視目標(biāo)樣品（距樣品1 m），以相機(jī)自動(dòng)白平衡模式進(jìn)行拍攝，圖像分辨率為1 936×1 296像元，以JPEG格式進(jìn)行存儲。

利用“橡膠樹葉片營養(yǎng)診斷標(biāo)準(zhǔn)圖像庫管理系統(tǒng)”對獲取的葉片圖像進(jìn)行平滑、銳化、邊緣提取、二值化、特征提取、圖像識別等預(yù)處理，通過圖像庫管理系統(tǒng)提取出圖像的紅R（redness intensity）、綠G（greenness intensity）和藍(lán)B（blueness intensity）3種顏色的灰度值。

1.2.2 葉片樣品氮素分析 葉片樣品在110 ℃下殺青15 min，然后放入70 ℃烘箱中烘至恒重，采用H2SO4-H2O2消煮法制得待測液后，用連續(xù)流動(dòng)分析儀測定[21]。

1.2.3 模型構(gòu)建 從原始128個(gè)葉片樣品中隨機(jī)選取64個(gè)作為訓(xùn)練集，用來構(gòu)建模型。分別以R、G、B以及這3個(gè)顏色特征參數(shù)的組合R/G、R/B、G/B、B/（R+G）、G/（R+B）、R/（G+B）、R/（R+G+B）、G/（R+G+B）、B/（R+G+B）、（B+G）/（B+G+B）、（B+R）/（B+G+B）、（G+R）/（B+G+B）、（R-B）/（B+G+R）、（R-G）/（B+G+R）、（G-B）/（B+G+R）、（R-B）/（B+R）、（G-B）/（B+G）、（R-G）/（G+R）、B/（R-G）、G/（R-B）和R/（G-B）為預(yù)測變量，葉片氮素含量為目標(biāo)變量，運(yùn)用簡單線性回歸和曲線回歸構(gòu)建橡膠樹葉片氮素預(yù)測模型。模型構(gòu)建在Minitab 16.0軟件中進(jìn)行。

1.2.4 模型精度驗(yàn)證 利用剩余的64個(gè)樣品作為驗(yàn)證集，對構(gòu)建的橡膠樹葉片氮素模型預(yù)測精度進(jìn)行檢驗(yàn)。利用驗(yàn)證點(diǎn)中的氮含量實(shí)測值與模型的預(yù)測值計(jì)算平均誤差（mean error，ME）、均方根誤差（root mean square error，RMSE）、相對誤差（relative error，RE）和相關(guān)系數(shù)（correlation coefficient，r），ME越接近0，RMSE和MRE越小，r越接近1，則預(yù)測精度越高，反之精度越低。

2 結(jié)果與分析

2.1 橡膠樹葉片樣品氮素描述性統(tǒng)計(jì)分析

本研究采集的橡膠樹葉片樣品氮素描述性統(tǒng)計(jì)結(jié)果顯示，訓(xùn)練集和驗(yàn)證集中所有統(tǒng)計(jì)量都非常接近（見表1），表明二者具有相似的數(shù)理統(tǒng)計(jì)特征。同時(shí)，訓(xùn)練集和驗(yàn)證集的偏度在[-1，1]之間[22]，以及單樣本Kolmogorov-Smirnov檢驗(yàn)P值大于0.05，表明服從正態(tài)分布。

2.2 橡膠樹葉片氮素含量與圖像參數(shù)相關(guān)性分析

分析訓(xùn)練集中64個(gè)葉片樣本圖像色彩參數(shù)與葉片氮含量相關(guān)性（見表2），表明除B/（R-G）和R/（G-B）外，其余色彩參數(shù)均與橡膠樹葉片氮含量之間呈顯著（p<0.05）或極顯著（p<0.01）相關(guān)。其中，R/B、B/（R+G）、R/（G+B）、R/（R+G+B）、B/（R+G+B）、（B+G）/（R+G+B）、（R-B）/（R+G+B）、（R-B）/（B+R）和G/（R-B）等9個(gè)參數(shù)與橡膠樹葉片氮含量相關(guān)系數(shù)絕對值均大于0.7。

2.3 橡膠樹葉片氮含量估測模型構(gòu)建

選取與橡膠樹葉片氮含量相關(guān)系數(shù)在0.7以上的9個(gè)圖像顏色參數(shù)為自變量，以氮素含量為目標(biāo)變量，通過回歸分析，分別建立線性和二次多項(xiàng)式2種形式的估測模型。發(fā)現(xiàn)擬合的線性估測模型的標(biāo)準(zhǔn)差S要明顯高于對應(yīng)的二次多項(xiàng)式，而校正決定系數(shù)則低于對應(yīng)的二次多項(xiàng)式。因此，本研究選用了橡膠樹葉片氮素二次多項(xiàng)式估測模型（圖1）。

2.4 橡膠樹葉片氮素估測模型精度驗(yàn)證

為檢驗(yàn)估測模型的可靠性，利用剩余的64個(gè)橡膠樹葉片樣本的圖像色彩參數(shù)和氮素含量數(shù)據(jù)，對構(gòu)建的9個(gè)橡膠樹葉片氮素估測模型的預(yù)測精度進(jìn)行驗(yàn)證。

檢驗(yàn)結(jié)果表明，所構(gòu)建模型的預(yù)測值與實(shí)測值較為一致，相關(guān)系數(shù)均在0.8以上（p<0.01）（表3），均方根誤差（RMSE）和相對誤差（RE）也都較小，表明模型對橡膠樹葉片氮含量的預(yù)測具有較高的精度。相比較而言，以G/（R-B）為自變量構(gòu)建的橡膠樹葉片氮素二次多項(xiàng)式估測模型的預(yù)測值與實(shí)測值的相關(guān)系數(shù)最高（r=0.95），而其均方根誤差（RMSE）和相對誤差（RE）最小，分別為0.31%和10.91%。

綜合考慮模型的校正決定系數(shù)以及精度驗(yàn)證中的相關(guān)系數(shù)、均方根誤差、相對誤差和平均誤差，以G/（R-B）為變量構(gòu)建的橡膠樹葉片氮素二次多項(xiàng)式估測模型預(yù)測精度最高。

3 討論與結(jié)論

本研究發(fā)現(xiàn)，數(shù)碼相機(jī)圖像色彩參數(shù)R/（R+G+B）與橡膠樹葉片氮含量相關(guān)性較好，相關(guān)系數(shù)為0.807，與賈良良等[2]、李嵐?jié)萚3]、肖焱波等[11]、李紅軍等[12]、魏全全等[16]和白金順等[23]研究結(jié)果相一致，表明圖像參數(shù)R/（R+G+B）具有較為穩(wěn)定的植物葉片氮素狀況指標(biāo)能力，可用于不同植物葉片氮素營養(yǎng)狀況的診斷。但此發(fā)現(xiàn)與劉穎和李志洪[8]、王娟等[13]、王連君和邢宇[18]的研究結(jié)果卻不同，他們發(fā)現(xiàn)G/（B+G+R）與植株氮素營養(yǎng)狀況相關(guān)性很強(qiáng)，而在本研究中G/（B+G+R）與橡膠樹葉片氮含量相關(guān)性雖然達(dá)到了p<0.05的顯著性水平，但相關(guān)系數(shù)僅有0.306，造成這種差異的具體原因還有待探索。

除R/（R+G+B）之外，本研究還發(fā)現(xiàn)B/（R+G）、B/（R+G+B）、（B+G）/（R+G+B）、（R-B）/（B+G+R）、（R-B）/（B+R）和G/（R-B）等圖像色彩參數(shù)也與橡膠樹葉片含量具有較好的相關(guān)性（相關(guān)系數(shù)絕對值都大于0.8），說明除了與其他植物具有相同的氮素營養(yǎng)狀況指示圖像參數(shù)[R/（R+G+B）]外，橡膠樹還具有本身特有的氮素營養(yǎng)診斷參數(shù)，表明基于數(shù)字圖像的分析技術(shù)在橡膠樹葉片氮素營養(yǎng)診斷方面具有較為廣泛的應(yīng)用前景。

與李嵐?jié)萚3]、魏全全等[16]研究結(jié)果不同，本研究發(fā)現(xiàn)以與橡膠樹葉片氮素含量相關(guān)性較高的圖像參數(shù)為輔助變量，應(yīng)用二次多項(xiàng)式擬合的非線性回歸方程要明顯優(yōu)于線性回歸方程，以圖像參數(shù)G/（R-B）為例，擬合的二次多項(xiàng)式?jīng)Q定系數(shù)（R2）為0.820，校正決定系數(shù)為81.04%，而擬合的線性回歸方程的R2僅為0.699。表明植物葉片氮素含量與圖像色彩參數(shù)之間的非線性關(guān)系明顯強(qiáng)于兩者之間的線性關(guān)系，可運(yùn)用非線性數(shù)理方法擬合兩者之間的關(guān)系，以提高模型的預(yù)測精度[24-25]。

本研究僅對單個(gè)品系（熱研7-33-97）的橡膠樹葉片氮素含量進(jìn)行了圖像識別診斷技術(shù)研究，研究結(jié)果能否應(yīng)用到其他品系橡膠樹葉片氮素含量的診斷還需進(jìn)一步研究。

綜上可知，本研究利用數(shù)字圖像分析技術(shù)探索了橡膠樹（品系為熱研7-33-97）葉片氮素含量與葉片圖像色彩參數(shù)R、G、B以及這3個(gè)參數(shù)的不同組合形式參數(shù)信息的關(guān)系，發(fā)現(xiàn)分別以R/（R+G+B）、（B+G）/（R+G+B）、（R-B）/（R+G+B）、（R-B）/（B+R）和G/（R-B）構(gòu)建的橡膠樹葉片氮素含量估測模型決定系數(shù)和預(yù)測精度都較高。因此，利用數(shù)字圖像分析技術(shù)進(jìn)行橡膠樹葉片氮素營養(yǎng)診斷是可行的。

參考文獻(xiàn)

[1] Lee K J， Lee B W. Estimation of rice growth and nitrogen nutrition status using color digital camera image analysis[J]. European Journal of Agronomy， 2013， 48： 57-65.

[2] 賈良良， 范明生， 張福鎖， 等. 應(yīng)用數(shù)碼相機(jī)進(jìn)行水稻氮營養(yǎng)診斷[J]. 光譜與光譜分析， 2009， 29（8）： 2 176-2 179.

[3] 李嵐?jié)?張 萌， 任 濤， 等. 應(yīng)用數(shù)字圖像技術(shù)進(jìn)行水稻氮素營養(yǎng)診斷[J]. 植物營養(yǎng)與肥料學(xué)報(bào)， 2015， 21（1）： 259-268.

[4] Wang Y， Wang D， Zhang G， et al. Estimating nitrogen status of rice using the image segmentation of G-R thresholding method[J]. Field Crops Research， 2013， 149： 33-39.

[5] Saberioon M M， Amin M S M， Anuar A R， et al. Assessment of rice leaf chlorophyll content using visible bands at different growth stages at both the leaf and canopy scale[J]. International Journal of Applied Earth Observation and Geoinformation， 2014， 32： 35-45.

[6] Wang Y， Wang D， Shi P， et al. Estimating rice chlorophyll content and leaf nitrogen concentration with a digital still color camer under natural light[J]. Plant Methods， 2014， 10： 36.

[7] Scharf P C， Lory J A. Calibrating corn color from aerial photographs to predict sidedress nitrogen need[J]. Agronomy Journal， 2002， 94（3）： 397-404.

[8] 劉 穎， 李志洪. 利用數(shù)字圖像技術(shù)進(jìn)行玉米氮素營養(yǎng)診斷的研究[J]. 玉米科學(xué)， 2010， 18（4）： 147-149.

[9] 劉洪見， 曾愛平， 鄭麗敏. 基于數(shù)字圖像處理技術(shù)的玉米氮肥營養(yǎng)狀態(tài)診斷[J]. 農(nóng)業(yè)網(wǎng)絡(luò)信息， 2007（12）： 31-35.

[10] Li Y， Chen D， Walker C N， et al. Estimating the nitrogen status of crops using a digital camera[J]. Field Crops Research， 2010， 118（3）： 221-227.

[11] 肖焱波， 賈良良， 陳新平， 等. 應(yīng)用數(shù)字圖像分析技術(shù)進(jìn)行冬小麥拔節(jié)期氮營養(yǎng)診斷[J]. 中國農(nóng)學(xué)通報(bào)， 2008， 24（8）： 448-453.

[12] 李紅軍， 張立周， 陳曦鳴， 等. 應(yīng)用數(shù)字圖像進(jìn)行小麥氮素營養(yǎng)營養(yǎng)診斷中圖像分析方法的研究[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報(bào)， 2011， 19（1）： 155-159.

[13] 王 娟， 雷詠雯， 張永帥， 等. 應(yīng)用數(shù)字圖像分析技術(shù)進(jìn)行棉花氮素營養(yǎng)診斷的研究[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報(bào)， 2008， 16（1）： 145-149.

[14] 王曉靜， 張 炎， 李 磐， 等. 地面數(shù)字圖像技術(shù)在棉花氮素營養(yǎng)診斷中的初步研究[J]. 棉花學(xué)報(bào)， 2007， 19（2）： 106-113.

[15] 李小正， 謝瑞芝， 王克如， 等. 利用神經(jīng)網(wǎng)絡(luò)提取棉花葉片數(shù)字圖像氮素含量的初步研究[J]. 作物學(xué)報(bào)， 2007， 33（10）： 1 662-1 666.

[16] 魏全全， 李嵐?jié)?任 濤， 等. 基于數(shù)字圖像技術(shù)的冬油菜氮素營養(yǎng)診斷[J]. 中國農(nóng)業(yè)科學(xué)， 2015， 48（19）： 3 877-3 886.

[17] 劉 飛， 王 莉， 何 勇. 應(yīng)用多光譜圖像技術(shù)獲取黃瓜葉片氮量及葉片及指數(shù)[J]. 光學(xué)學(xué)報(bào)， 2009， 29（6）： 1 616-1 620.

[18] 王連君， 邢 宇. 數(shù)字圖像技術(shù)在草莓氮素營養(yǎng)診斷中的應(yīng)用研究[J]. 華南農(nóng)業(yè)大學(xué)學(xué)報(bào)， 2010， 31（2）： 19-21.

[19] 易時(shí)來， 鄧 烈， 何紹蘭， 等. 應(yīng)用多光譜圖像技術(shù)進(jìn)行錦橙葉片氮含量監(jiān)測[J]. 植物營養(yǎng)與肥料學(xué)報(bào)， 2012， 18（1）： 176-181.

[20] 宋述堯， 王秀峰. 數(shù)字圖像技術(shù)在黃瓜氮素營養(yǎng)診斷上的應(yīng)用研究[J]. 吉林農(nóng)業(yè)大學(xué)學(xué)報(bào)， 2008， 30（4）： 460-465.

[21] 姜 密. 空氣隔斷連續(xù)流動(dòng)分析法簡述[J]. 磷肥與復(fù)肥， 1992（2）： 61-62.

[22] López-Granados F， Jurado-Expósito M， Peňa-Barragán J M， et al. Using geostatistical and remote sensing approaches for mapping soil properties[J]. European Journal of Agronomy， 2005， 23（3）： 279-289.

[23] 白金順， 曹衛(wèi)東， 熊 靜， 等. 應(yīng)用數(shù)碼相機(jī)進(jìn)行綠肥翻壓后春玉米氮素營養(yǎng)診斷和產(chǎn)量預(yù)測[J]. 光譜與光譜分析， 2013， 33（12）： 3 334-3 338.

[24] Jia F， Liu G， Liu D， et al. Comparison of different methods for estimating nitrogen concentration in flue-cured tobacco leaves based on hyperspectral reflectance[J]. Field Crops Research， 2013， 150： 108-114.

[25] Ramoelo A， Skidmore A K， Cho M A， et al. Non-linear partial least square regression increases the estimation accuracy of grass nitrogen and phosphorus using in situ hyperspectral and environmental data[J]. ISPRS Journal of Photogrammetry and Remote Sensing， 2013， 82： 27-40.