基于圖像分析檢測青菜葉綠素含量

孫宇露,王德海,朱國建

(浙江工業大學 材料科學與工程學院,浙江 杭州,310014)

續表3

?

基于圖像分析檢測青菜葉綠素含量

孫宇露,王德海*,朱國建

(浙江工業大學 材料科學與工程學院,浙江 杭州,310014)

為研究利用圖像分析技術快速測定青菜葉綠素含量的方法，本研究將青菜分別置于不同環境進行貯藏，采用圖像分析技術和分光光度計法測定了貯藏期間青菜葉顏色參數值(L*、a*、 b*、ΔL*、Δa*、Δb*、(Δa*2+Δb*2)1/ 2、色差ΔE)和葉綠素含量，并使用不同函數模型(y=Ax+B、y=A/x+B、y=Alnx+B和ln(lny)=Alnx+B)對顏色參數和葉綠素含量進行擬合分析。結果表明：不同貯存環境下，青菜葉顏色參數ΔE與葉綠素含量之間存在穩定的線性關系，可以用函數模型y=Ax+B進行表達。利用圖像分析技術建立青菜葉顏色參數ΔE與葉綠素含量之間關系定標模型相關系數為0.990 9，其定標均方根誤差為0.071 7，用未參與定標的紙盒貯藏青菜葉作為預測集，其預測相關系數為0.992 8、預測均方根誤差為0.010 4。

青菜;顏色參數;圖像分析;葉綠素含量

青菜，屬種子植物門，雙子葉植物綱，是我國普遍種植的蔬菜之一。國內外學者多研究其培育方式或保鮮試驗[1]，而對其顏色變化及以此為變量的葉綠素含量的預測鮮有研究。

顏色是反映蔬菜品質的重要物理性質[2]。目前，顏色評價方法主要有主觀評價和儀器檢測，其中，主觀評價易受評價人員主觀影響。近年來，利用精確、高效的儀器評判顏色一直是蔬菜品質評價研究領域的技術應用熱點[3-4]。葉綠素含量是評價綠色蔬菜品質的重要指標[5]，傳統的分光光度計測定葉綠素含量方法需用有機溶劑提取，不僅破壞被測樣品，而且過程繁瑣；采用色差計測定顏色，雖較準確，但對樣品的形狀、大小、色澤均勻度、表面平整度有一定的要求，有文獻報道[6]使用色差計測定青花菜顏色值，研究了顏色值-a/b與葉綠素含量的關系，并建立了基于-a/b值的葉綠素含量預測模型，但決定系數R2只有0.944 1。

近年來，國內外利用圖像分析技術對蔬菜的顏色進行評價也初見成效[7-11]，其顏色參數易于保存，不受時間限制。蔣麗華等[10]報告了一個圖像采集系統及相關的軟件系統，能夠在對作物圖像進行合理的分割和特征提取，最終實現葉綠素的含量的快速測定，但并未提出具體葉綠素轉換公式。MANNINEN等[7]使用數碼相機和圖像處理軟件獲取綠豆圖像的L*, a*, b*,( a*2+ b*2)1/2,ΔE值，并定量地描述了綠豆顏色隨時間的變化，但并未研究顏色參數與葉綠素含量之間的定量關系。

總之，目前利用圖像分析技術測定的顏色參數L*, a*, b*與葉綠素含量之間的定量關系以及此關系是否具有普遍性的研究鮮有報道。

本研究利用數碼相機結合Photoshop軟件獲取不同貯藏環境(空氣、保鮮袋、紙盒)下青菜葉圖像顏色參數，篩選出與葉綠素含量相關性較高的顏色參數并以此建立青菜葉綠素含量預測模型，從而可根據圖像顏色參數快速、準確的檢測葉綠素的含量。

1　材料與方法

1.1材料與儀器

青菜(品種為“上海青”)，購于杭州市德勝市場；保鮮袋(潔成聚乙烯保鮮袋(食品級，超市)，規格：25cm×35cm)，蘇州工業園區優諾塑業有限公司；紙盒(規格：20cm×16cm×5cm)，東澤紙品包裝有限公司；丙酮、無水乙醇(分析純)，杭州雙林化工試劑有限公司。

CanonPowerShotA610數碼相機，日本佳能公司；Lambda750紫外可見分光光度計，美國PE公司；ColorQuestXE色差儀，美國HunterLab公司；AdobePhotoshopCS6軟件。

1.2實驗方法

挑選色澤均勻的青菜樣品分別置于空氣、紙盒、PE保鮮袋中進行貯藏，貯藏溫度(10±1)℃，每隔5d進行顏色參數和葉綠素含量測試。

1.3測定方法

1.3.1 葉綠素含量測定采用分光光度法[12]

葉綠素含量計算利用Arnon公式

葉綠素總含量 /(mg·g-1) =

(1)

式中:V是浸提液的最終體積；m 為葉片鮮重。

1.3.2 顏色參數測定

分別采用ColorQuestXE色差儀和圖像分析技術。

色差儀：采用 L*、a*、b*模式，平行測定3次，取平均值。

圖像分析技術：使用數碼相機采集青菜葉片樣品正面圖像時，以白紙作為背景，將數碼機閃光燈設置于關閉狀態，分辨率為1 600×1 200，設置相機在M模式下，拍攝參數為 1/100，F8.0，ISO400。白平衡自動，調整鏡頭焦距為20cm，拍攝光源分為自然光源和人工光源D65。采用JPG格式存儲圖像并傳入計算機；應用AdobePhotoshopCS6圖像處理軟件中快速選擇工具做青菜葉選區(不包含菜葉上的莖脈部分)， 設置筆尖大小為8像素。執行濾鏡工具中的模糊平均命令，將選區內的所有像素顏色參數值平均化，讀取L*、a*、b*值,如圖1所示。

圖1　青菜葉圖像顏色參數提取Fig.1　The extraction of green vegetables leaf image color parameters

1.4數據處理

青菜葉圖像的顏色參數L*、a*、b*值分別計算ΔL*、Δa*、Δb*、(Δa*2+Δb*2)1/ 2、色差ΔE = (ΔL*2+Δa*2+Δb*2)1/ 2，采用Origin8.0軟件對顏色參數與葉綠素含量進行線性回歸分析。

2　結果與分析

2.1顏色參數的選擇

青菜貯藏過程中，由于葉綠素降解，顏色由綠變黃。因此嘗試探討青菜貯存過程中由圖像分析技術測得的青菜葉顏色參數與葉綠素含量的關系。

CIE-Lab表色系中的 L*值為明度，反映樣品的明暗程度(從0～100 變化，0 是黑色，100 是白色)，顏色參數 a*值為紅度(正值代表紅色，負值代表綠色)，b*值為黃度(正值代表黃色，負值代表藍色)。其中，明度差為ΔL*= L2*-L1*；色品差Δa*=a2*-a1*和Δb*=b2*-b1*；(Δa*2+Δb*2)1/ 2反映的是顏色二維空間的變化；色差ΔE可用空間幾何距離表示：ΔE = (ΔL*2+Δa*2+Δb*2)1/ 2，集中體現了顏色體系三要素，能夠更全面地反映顏色三維空間的變化。

顏色是由光源作用在物體之上，通過物體的吸收、透射，最終由物體反射給觀察者，再由觀察者做出視覺反應。因此，光源可能會對顏色產生一定影響。本試驗分別測定了2種不同光源下(人工光、自然光)拍攝的青菜葉圖像顏色值，結果見表1。

可見青菜葉樣品在不同光源下，其L*值波動大概在1～3，a*、b*值基本不變，而顏色參數變化(ΔL*、Δa*、Δb*)基本不變。因此，我們在后續的研究中主要利用自然光源照明。

表2顯示由色差計和圖像分析技術測得的青菜葉(空氣)顏色參數L*、a*、b*有一些波動，但由2種方法所得的顏色參數變化(ΔL*、Δa*、Δb*)基本一致，隨貯存時間延長，各顏色參數逐漸增大， 而由分光光度計測得葉綠素含量隨時間延長逐漸減小，說明青菜貯藏過程中葉綠素不斷降解，外在表現為青菜葉逐漸褪綠黃化，顏色參數的變化與葉綠素含量之間存在逆變關系。試驗結果初步表明使用圖像分析技術獲取的顏色參數適合用于不同貯藏條件下青菜葉綠素含量的預測。

表1　不同光源條件下，圖像分析技術測定的青菜葉(空氣)顏色值

表2　青菜葉(空氣)顏色的色差計、圖像分析技術測定值和葉綠素含量

2.2青菜葉顏色參數與葉綠素含量的定量關系

為了進一步研究青菜葉顏色參數與葉綠素含量間的關系，采用不同函數模型(y=Ax+B、y=A/x+B、y=Alnx+B和ln(lny)=Alnx+B)對青菜顏色參數-a*、b*、Δa*、Δb*、(Δa*2+Δb*2)1/ 2、ΔE與葉綠素含量進行回歸分析，結果見表3。綜合比較標準差值s和決定系數R2，標準差值愈小、決定系數越接近1，表示擬合的回歸模型愈好。

結果表明，對于不同貯藏環境下的青菜樣品，顏色參數Δa*與葉綠素含量間的關系使用y=Alnx+B模型擬合，Δb*、(Δa*2+Δb*2)1/ 2與葉綠素含量間的關系使用ln(lny)=Alnx+B模型擬合，ΔE與葉綠素含量間的關系使用y=Ax+B模型擬合，以上4種回歸模型擬合效果相對較好(R2>0.98)。

表3　青菜葉綠素含量(y)與顏色參數(x)回歸分析表

續表3

樣品貯存環境顏色參數擬合模型擬合結果AB決定系數R2標準差sy=Alnx+B0.97270.60200.7937*0.3794y=A/x+B-3.70083.12900.44340.6233ln(lny)=Alnx+B0.5032-1.18440.9516**0.0889b*y=Ax+B-0.332510.370.8767*0.3007y=Alnx+B-8.04827.930.8986**0.2664y=A/x+B193.3-5.7310.9236**0.2313ln(lny)=Alnx+B-4.057312.61760.9888**0.0039Δa*y=Ax+B-0.26893.10510.7967*0.3410y=Alnx+B-0.55092.62890.9864**0.0537y=A/x+B1.18211.51330.9626**0.0893ln(lny)=Alnx+B-0.3683-0.00600.972**0.0520Δb*y=Ax+B-0.27363.44660.9762**0.1164y=Alnx+B-1.18973.91580.9781**0.0683y=A/x+B5.33100.87500.9944**0.0186ln(lny)=Alnx+B-0.80400.86770.9984**0.0115(Δa*2+Δb*2)1/2y=Ax+B-0.20033.33940.9354**0.1922y=Alnx+B-0.92363.66360.9714**0.0781y=A/x+B4.81491.130.9854**0.0314ln(lny)=Alnx+B-0.62440.69770.9891**0.0219ΔEy=Ax+B-0.14073.54480.9909**0.0717y=Alnx+B-1.01434.29680.9395**0.1136y=A/x+B7.28701.18970.8619**0.1716ln(lny)=Alnx+B-0.65341.0550.8231*0.1306

注：*：相關性顯著，P<0.05；**：相關性極顯著，P<0.01，表4同。

為了比較回歸模型在不同貯藏環境下的普適性，將以上4種回歸方程系數A、B進行差值分析，而使用文獻報道的顏色參數-a*/b*與青菜葉綠素含量進行線性回歸，決定系數R2達到0.98，比前人文獻中的要高，所以本文也將其回歸方程分析結果列于表4，結果表明：ΔE與葉綠素含量間的關系使用y=Ax+B模型線性擬合時，不僅擬合效果最好，R2>0.99，而且A、B的差值最小，分別為0.001、0.013 7。所以ΔE可以作為快速預測葉綠素含量的顏色參數，從而建立基于ΔE值的青菜葉綠素含量的定標模型，結果如下：

Cchl=-0.141 2ΔE+3.551 6(R2=0.990 9)

(2)

式(2)中：Cchl為葉綠素含量,mg/g。

該模型有較高的檢測精度，決定系數比前人文獻[6]報道得更高，且對于不同包裝貯藏環境下的青菜樣品葉綠素含量的預測具普遍性，可靠性較高。

表4　回歸方程系數A、B差值分析表

注：①參考文獻[6]方法擬合。

2.3青菜葉綠素定標模型驗證

為了驗證定標模型的準確性，利用建立的基于青菜葉ΔE值的葉綠素含量的定標方程對紙盒包裝青菜葉綠素含量進行預測，并將預測值和實測值進行比較(圖2) 。

驗證結果顯示，應用本研究構建的基于青菜葉ΔE值的葉綠素含量的定標模型所獲得的葉綠素含量預測值與實測值間均方根誤差RMSEP=0.010 4，預測相關系數是0.992 8，預測值和實測值具有很高的一致性，說明模型的擬合精確度較高。

圖2　青菜(紙盒中)葉綠素含量實測值和預測值(基于ΔE值)Fig.2　Plot of predicted versus measured values of chlorophyll content of green vegetables stored at paper carton

3　結論

(1)使用青菜數碼照片可以對其葉綠素含量進行檢測，為青菜葉綠素含量高效、定量、無損檢測提供了新方法。

(2)顏色參數ΔE可以作為快速預測青菜葉綠素含量的特征參數，基于ΔE的青菜葉綠素含量最佳定標模型為Cchl=-0.141 2ΔE+3.551 6(R2=0.990 9)。

[1]關文強, 陶曉彥, 張娜, 等. 高濕度冰箱對青菜和西芹的保鮮效果 [J]. 農業工程學報, 2009, 25(4):265-269.

[2]劉靜波, 殷涌光. 塑料包裝袋透氣性對保鮮蔬菜顏色的影響 [J]. 中國食品學報, 2003, 3(1):48-52.

[3]杜鋒, 雷鳴, 閆志農. 顏色信息識別在食品工業中的應用 [J]. 食品與發酵工業, 2003, 29(3):80-83.

[4]WUD,SUNDW.Colourmeasurementsbycomputervisionforfoodqualitycontrol[J].TrendsinFoodScience&Technology, 2013, 29(1):5-20.

[5]GUNAWANMI,BARRINGERSA.Greencolordegradationofblanchedbroccoi(brassicaoleracea)duetoacidandmicrobialgrowth[J].JournalofFoodProcessingandPreservation, 2000, 24(3):253-263.

[6]許鳳, 楊震峰, 裴嬌艷, 等. 基于顏色參數變化的青花菜葉綠素含量預測模型 [J]. 食品科學, 2011, 32(13):54-57.

[7]MANNINENH,PAAKKIM,HOPIAA,etal.Measuringthegreencolorofvegetablesfromdigitalimagesusingimageanalysis[J].LWT-FoodScienceandTechnology, 2015, 63(2):1 184-1 190.

[8]MOHAMMADIV,KHEIRALIPOURK,GHASEMI-VARNAMKHASTIM.Detectingmaturityofpersimmonfruitbasedonimageprocessingtechnique[J].ScientiaHorticulturae, 2015, 184(8):123-128.

[9]DUC-J,SUND-W.Learningtechniquesusedincomputervisionforfoodqualityevaluation:areview[J].JournalofFoodEngineering, 2006, 72(1):39-55.

[10]蔣麗華. 基于計算機視覺技術的葉綠素含量檢測系統 [D]. 蘇州:蘇州大學, 2009.

[11]袁道軍, 劉安國, 原保忠, 等. 基于計算機視覺技術的油菜冠層營養信息監測 [J]. 農業工程學報, 2009, 25(12):174-179.

[12]楊敏文. 快速測定植物葉片葉綠素含量方法的探討 [J]. 光譜實驗室, 2002, 19(4):478-481.

Detectionofchlorophyllcontentofgreenvegetablesleavesbasedonimageanalysistechnology

SUNYu-lu,WANGDe-hai*，ZHUGuo-jian

(CollegeofMaterialsScienceandEngineering,ZhejiangUniversityofTechnology,Hangzhou310014,China)

Inordertoexploretherapidmethodsdetectingchlorophyllcontentofgreenvegetablesduringstoragebytheimageanalysistechnology,thecolorparametersL*, a*, b*, ΔL*, Δa*, Δb*, (Δa*2+ Δb*2)1/2, ΔEvalueandchlorophyllcontentofgreenvegetablesstoredatPEbags,papercartonandwithoutpackingweredeterminedbytheimageanalysistechnology,andchlorophyllcontentdeterminedbySpectrophotometermethod.Inaddition,therelationshipmodelbetweenchlorophyllcontentandcolorparametersweredevelopedbasedondifferentfunctionmodel(y = Ax + B, y = A + B/x, y = Alnx + Bandln(lny) = Alnx +B),respectively.TheresultsshowthatthechlorophyllcontentandΔEhavebetterfittingeffectusingthefunctionmodely = Ax + B.ThuswedevelopedthecalibrationmodelbetweenΔEandchlorophyllcontentbyusingimageanalysistechnique,thecorrelationcoefficientis0.990 9,therootmeansquareerroris0.071 7;andweusethegreenvegetablesleafstoredatpapercartonasthepredictionset,thecorrelationcoefficientis0.992 8,therootmeansquareerroris0.010 4.ThuswecancalculatethechlorophyllcontentbasedoncolorparameterΔE.Alsoitisabeneficialexplorationforrapid,nondestructivedetectionmethodofchlorophyllcontentandvegetablespreservationresearch.

greenvegetables;colorparameters;imageanalysis;thechlorophyllcontent

10.13995/j.cnki.11-1802/ts.201608034

碩士研究生(王德海教授為通訊作者，E-mail:wdh@zjut.edu.cn)。

2016-01-12，改回日期：2016-02-17