基于數碼圖像識別的棉花氮營養診斷研究

陳 敏，鄭曙峰，劉小玲，徐道青，王 維，闞畫春

（安徽省農業科學院棉花研究所/國家棉花改良中心安慶分中心，安徽安慶246003）

基于數碼圖像識別的棉花氮營養診斷研究

陳 敏，鄭曙峰，劉小玲，徐道青，王 維，闞畫春

（安徽省農業科學院棉花研究所/國家棉花改良中心安慶分中心，安徽安慶246003）

研究田間試驗條件下不同施肥處理棉花不同葉位圖像色彩參數（G、NRI、NGI、NBI、G/R和G/B）與硝態氮含量、葉綠素測量值(SPAD)、葉綠素含量等營養指標間的相關性，確立棉花氮素營養診斷的最佳色彩參數和曲線方程，以期為新型數碼圖像技術在棉花氮素營養診斷的應用研究提供理論基礎。于2012—2013年在安徽省農業科學院棉花研究所安慶試驗基地進行不同施肥處理的田間試驗，供試品種為‘湘雜棉8號’F1。設置8個施肥處理。分別在棉花蕾期、花鈴期用Nikon D80數碼相機獲取棉花不同葉位圖像并取樣分析，研究數碼相機進行棉花氮素營養診斷的最佳色彩參數，確定棉花氮素營養診斷的曲線方程。結果表明：（1）倒3葉硝態氮含量與紅光標準化值NRI的相關性最好，R2=0.8754。功能葉倒4葉次之，R2=0.8013。（2）除倒1葉外，各葉位的SPAD值與數字化指標之間均有著良好的相關性。倒2葉與綠光標準化值NGI的相關性最好，相關系數為0.9591。（3）對于葉綠素含量，倒1葉與藍光值B值相關性最好，為曲線正相關，R2=0.9444。其次為倒3葉、倒4葉，相關系數分別為0.9294、0.931。因此，在進行棉花不同葉位氮素營養診斷時，應選擇上部葉位倒1葉、倒2葉、倒3葉、倒4葉，并選擇色彩參數B值、藍光標準化值NBI、NRI進行相關性分析與診斷。

棉花；氮營養診斷；數字圖像；顏色參數

0 引言

傳統氮素營養診斷和氮肥推薦施肥都是以田間采集植株樣品、實驗室植株全氮、葉綠素含量、硝酸鹽含量等常規分析為基礎[1-2]，雖然具有較高的準確性和可靠性，但由于存在取樣、測定方面耗費人力、物力、時效性差等問題，不利于推廣使用[3-4]。信息技術的發展使營養診斷方法由傳統方法向無損自動化診斷方向發展。便攜式葉綠素儀(SPAD-502)作為快速測量葉綠素相對含量的工具已廣泛應用于各類作物營養診斷和監測的研究中[5]，但在實際應用過程中其測量面積較小，僅有6 mm2，所以必須進行大量重復測量才能得到較好的結果[6]。

近年來，圖像處理及機器視覺技術在作物生長監測方面應用愈加廣泛，已成為實現多種農業生產自動化必不可少的技術，應用前景非常廣闊[7-8]。通過圖像的外觀特征進行分類識別應用，是一種及時便捷、切實有效的方法[9]。Adamsen等[10]利用數碼相機獲取小麥的冠層圖像，將冠層圖像色彩參數紅綠光比值與歸一化植被指數和SPAD值間建立了良好的相關關系；Dymond和Trotter[11]將數碼相機應用在草地上，進行了草地的光反射特性研究。而肖焱波等[12]則利用數碼相機獲取拔節期冬小麥冠層圖像，發現冠層數字圖像色彩參數標準化紅光值NRI與冬小麥常規營養診斷指標有著很好的相關關系，可以用來表征冬小麥的氮營養狀況。在冬小麥、水稻等作物上，利用數碼相機及數字圖像處理技術，并同植株土壤測試相結合，已經建立了相應的推薦施肥技術體系，并開展了一系列的研究工作[13-15]。但迄今為止，直接將數碼影像技術應用于棉花氮營養診斷的研究尚未見到報道。因此，筆者應用數字圖像技術在田間直接獲取棉花葉片圖像，利用圖像處理軟件對棉花不同位置葉片的色彩特征值與相應的棉花花鈴期作物營養狀況進行相關分析，試圖建立棉花快速氮營養診斷的標準方法。

1 材料與方法

1.1 試驗設計

試驗于2012—2013年在安徽省農業科學院棉花研究所安慶試驗基地進行，供試品種為‘湘雜棉8號’F1。試驗小區土壤為沙壤土，0～20 cm土層含有機質10.35 g/kg、速效氮15.01 mg/kg、速效磷31.71 mg/kg、速效鉀106.00 mg/kg。試驗共設8個處理（表1），3次重復，隨機區組排列，小區面積39.4 m2。棉花于4月13日營養缽育苗，5月8日移栽，行距1.10 m，株距0.33 m，密度為2.7萬株/hm2。試驗田管理同常規高產管理。

表1 試驗方案

1.2 數字圖像獲與處理

在棉花蕾期、花鈴期，每處理選取3株棉花。于晴天太陽高度角相對穩定的12:00—13:00，用Nikon D80數碼相機對每株棉花倒1葉、倒2葉、倒3葉、倒4葉、倒9葉進行拍照并取樣。拍照時距離地面垂直高度，通過手動調節使相機與各葉位葉片約呈60°角,以自動曝光模式拍照。圖像采用1024×768分辨率以JPEG格式保存。同時采用日本Minolta公司生產的便攜式SPAD-502型葉綠素儀對拍照葉片測定其SPAD值，每一個葉片分別在葉尖、葉中部和葉基部3點進行測量，取平均值。棉花花鈴期獲取的葉片數字圖像，其顏色是以RGB格式存儲的。為獲取RGB顏色分量，將數字圖像轉入計算機。利用Adobe photoshop CS6，運用圖片選擇工具，選擇數字圖像中葉片部分（剔除背景干擾），然后利用直方圖程序(histogram procedure)獲得數字圖像的紅光值R(redness intensity)、綠光值G(greenness intensity)和藍光值 B(blueness intensity)，并計算相應的紅光標準化值NRI(normalized redness intensity)、綠光標準化值NGI(normalized greenness intensity)和藍光標準化值NBI(normalized blueness intensity)，各標準化值的計算如式(1)～(3)所示。

1.3 取樣與樣品測試

將拍照和測定過SPAD值的葉片摘下并立即保鮮帶入實驗室，進行硝態氮、葉綠素含量的測定，葉片硝酸鹽含量利用YN-FS反射儀和硝酸鹽試紙進行測試。葉綠素含量測定采用丙酮-乙醇1:1混合液提取，用分光光度計于645 nm/663 nm處比色，并計算出葉綠素總量[16]。

1.4 數據處理與分析

數據采用Excel 2010對棉花葉片硝態氮含量、葉綠素含量、SPAD值與葉片數字圖像色彩參數進行相關性分析，統計分析采用Excel回歸模型進行擬合。

2 結果與分析

2.1 不同處理棉花不同葉位硝態氮含量的變化

不同施肥處理均表現為上部葉位倒1葉的硝態氮含量顯著高于其他葉位（圖1），其他各葉位間硝態氮含量差異較小。各處理間硝態氮含量高于對照，總體表現為高施氮量處理葉片的硝態氮含量高于低氮處理，緩釋氮肥處理高于常規尿素處理，花鈴期追肥處理優于肥料全部基施處理。因棉花的生長發育變化趨勢是不同的，故有必要選擇最佳的葉位進行棉花氮素營養診斷。

圖1 不同處理棉花不同葉位硝態氮含量的變化

2.2 不同葉位葉片SPAD值與棉花葉片葉綠素含量和氮營養狀況的關系

從各葉位棉花葉片SPAD值與葉綠素含量關系來看（表2），不同葉位SPAD值與葉綠素含量呈正相關關系，即隨著SPAD值的升高，葉綠素含量呈增加趨勢。其中棉花的功能葉片倒3葉、倒4葉和倒9葉的SPAD與葉綠素含量的相關性顯著(R2=0.6085～0.6789)，且倒4葉相關性最高。

對棉花不同葉位葉片SPAD值與硝態氮含量進行線性回歸分析（表2）可知：SPAD值與硝態氮含量表現為正相關關系，即葉片硝態氮含量隨SPAD值的增大而增大。其中以倒3葉擬合的線性回歸方程相關性最高，相關系數為0.4768。倒9葉、倒4葉的相關性次之。

由各葉位葉片SPAD值與葉綠素含量及氮營養狀況的相關關系可知，SPAD值能夠反映葉綠素含量和棉花植株氮素水平，可以根據棉花葉片倒3葉、倒4葉的SPAD值進行棉花植株的氮素營養診斷。

2.3 不同氮素營養條件下棉花葉片數字圖像的顏色特征

植物葉片顏色的變化在一定程度上反映了葉片生長所需營養元素的供給情況，并且對大小和方向差異表現出一定的穩定性，具有相當強的抗變換性[17]。因此，提取葉片數字圖像的顏色信息作為特征參量，同樣可以實現植物氮素營養水平的診斷。分析不同氮素水平處理不同葉位葉片的數字圖像（圖2）可知，顏色特征值紅光值R和綠光值G變化趨于一致，而藍光反射值B的變化趨勢有所不同。8個不同的施肥處理均表現出G＞R＞B，表明葉片反射的綠光最多，紅光次之，藍紫光的反射最少，但吸收最多。這可能與葉片主要利用紅光、藍紫光部分進行光合作用有關。同時，R、G、B值隨氮肥水平的提高并沒有表現出非常明確的變化規律。

表2 不同葉位SPAD值與葉片葉綠素含量、硝態氮含量的相關性

圖2 棉花葉片數字圖像顏色特征值變化

2.4 花鈴期棉花葉片圖像色彩參數與棉花氮營養狀況的關系

分析花鈴期棉花不同葉位葉片圖像色彩參數與棉花氮素營養狀況的關系，發現倒1葉各色彩參數與硝態氮、葉綠素含量之間有著顯著的相關性，而與SPAD讀數間相關性較小（表3）。硝態氮含量與圖片數字化指標R、G、B擬合曲線的決定系數均達到了0.7以上，與R值的相關性最大，相關系數為0.8029，呈正相關。葉綠素含量與各數字化指標的擬合曲線除NRI外，均大于0.8，以B值的相關性最大，曲線正相關，相關系數達到了0.9444。

棉花倒2葉硝態氮含量與NRI相關性最高，決定系數為0.4818，負相關關系。與其他參數相關性很小。SPAD讀數與B、NRI、NGI、NBI顯著相關，以NGI相關性最大，呈負相關，相關系數高達0.9591。而葉綠素含量僅與NRI和NBI相關性較高，相關系數分別為0.8529、0.7189。

棉花倒3葉SPAD讀數、硝態氮、葉綠素含量與數字化指標B、NRI、NGI、NBI均有良好的相關性，相關系數達到了0.5207～0.9528，而色彩參數R、G與氮素營養指標相關性不顯著。SPAD值與NBI的相關性最大，呈線性正相關，相關系數為0.9528。硝態氮含量與NRI的相關性最大，負相關關系，相關系數達0.8754。葉綠素含量同樣與NBI相關性最大，相關系數為0.9294，正相關關系。

棉花倒4葉功能葉片除硝態氮含量與圖像色彩參數R、G、B相關性較小外，各氮素營養指標與數字化指標間均有著較好的相關性，相關系數在0.9310～0.9528。硝態氮含量與NRI擬合的二次多項式曲線的相關性系數最大，為0.8013，曲線負相關。而SPAD讀數與葉綠素含量則均與NBI擬合的曲線方程的相關系數最大，分別為0.9528、0.9310，均為曲線正相關。

棉花葉片中下部葉位葉片倒9葉各氮素營養指標與R、G、B值相關性較差，但與NRI、NGI、NBI相關性均較好，相關系數0.4561～0.8238。硝態氮含量、SPAD值、葉綠素含量均與NBI的相關性最大，呈正相關關系，相關系數分別為0.7128、0.8238、0.7903。

表3 圖像色彩參數與不同葉位硝態氮含量、SPAD讀數和葉綠素含量的關系

3 結論

利用數字圖像技術進行作物氮素營養診斷，具有較好的可行性和準確性。因此本研究中，提取不同葉位葉片圖像顏色參數R、G、B及它們的標準化值NRI、NGI、NBI，對棉花氮素營養狀況進行診斷。研究發現，不同葉位的氮素營養指標與不同的顏色參數相關性不同：（1）通過分析棉花不同葉位硝態氮含量與數碼圖像各顏色參數的相關性可知，倒3葉硝態氮含量與顏色參數NRI的相關性最好，擬合的最優方程為二次曲線方程y=0.0976x2-0.3973x+0.7216，正相關關系(R2=0.8754)。功能葉倒4葉的硝態氮含量與NRI也有著良好的正相關關系，擬合的方程為二次曲線方程y=0.1733x2-0.6289x+0.8859(R2=0.8013)。（2）通過分析不同葉位SPAD讀數與數碼圖像各顏色參數的相關性得出，除倒1葉外，其他各葉位SPAD讀數與數字化指標之間均有著良好的相關性。倒2葉的SPAD讀數與顏色參數NGI的相關性最好，相關系數為0.9591，二次曲線正相關，擬合的曲線方程為y=-0.0002x2+0.0094x+0.3676。其次，倒3葉、倒4葉SPAD讀數則與NBI有著較好的相關性，相關系數同為0.9528。（3）通過分析不同葉位葉綠素含量與數碼圖像各顏色參數的相關性可知，倒1葉葉綠素含量與顏色參數B值相關性最好，為二次曲線相關，擬合的最優方程為y=16.522x2-83.286x+121.74(R2=0.9444)。其次診斷葉位為倒3葉、倒4葉，葉綠素含量均與NBI曲線正相關，相關系數分別為0.9294、0.931。綜上所述，在進行棉花不同葉位氮素營養診斷時，診斷葉位推薦選擇上部葉位（倒1葉、倒2葉、倒3葉、倒4葉）。選擇的數碼圖像診斷指標推薦選擇色彩參數B、NBI、NRI。

4 討論

4.1 應用數字圖像進行棉花氮素營養診斷的可靠性

氮素營養診斷傳統方法為大量的破壞性取樣和實驗室相關氮營養指標分析，操作不便，時間較長，新型的高光譜、衛星圖像分析則價格成本較高，相較于這些方法，應用數碼相機和圖像處理技術獲取植株葉片圖像信息進行氮素營養診斷，更易于操作和實施[18-19]。前人在利用數碼圖像技術進行不同作物的營養診斷時，多數通過對圖像的顏色特征參數與營養指標進行回歸分析，得出他們之間的相關關系[20-22]。Jia等[23]發現R、NRI與水稻常規氮營養狀況指標植株全氮含量、地上部分吸氮量間都有顯著的線性相關關系，且與葉綠素儀讀數SPAD有非常好的線性相關關系，可用于水稻氮營養診斷。宋述堯等[24]發現黃瓜冠層圖像G/(R+G+B)為診斷黃瓜結果期氮素營養狀況的適宜數字化參數，并建立了評價黃瓜結果期氮素營養豐缺的冠層圖像數字化指標G/(R+G+B)的量值標準和氮肥推薦標準。白金順等[25]研究發現，在進行玉米氮素營養數碼圖像診斷時，灌漿期為最佳診斷時期，此時期紅光標準化值R/(R+G+B)為最優診斷顏色指標。

筆者研究了不同施肥處理棉花不同葉位圖像色彩參數（G、NRI、NGI、NBI、G/R和G/B）與硝態氮含量、葉綠素測量值(SPAD)、葉綠素含量等營養指標間的相關性，結果顯示，數碼圖像色彩參數B值、藍光標準化值NBI、NRI與棉花氮素營養指標間有著較好的相關性。同時研究表明在進行數碼圖像診斷時應注意葉位上的選擇，視不同的氮素營養指標和顏色參數選擇不同的葉位。

4.2 有待進一步研究的問題和展望

棉花葉片數字圖像所反映的葉色不僅會受到氮素營養狀況的影響，還會受到其他因素的影響，其他營養元素缺乏、環境條件變化、病蟲害都會影響其葉色。同時，數碼相機獲取葉片及冠層圖像時也會受到外界環境（光照強度、入射光角度等）及相機本身的影響；拍照時，是順光還是逆光；相機拍攝時參數如何設置（白平衡如何設置、曝光補償如何設置）。由于相機的測光和成像系統較為復雜，如何有效地對圖像進行校正還需要進一步的研究。

本試驗僅進行了棉花不同葉位的數字圖像診斷，并沒有考慮到不同品種，棉花不同品種的顏色差異較大，建立基于某一地區幾個主要品種的數字圖像處理與診斷參數將對應用數字圖像技術進行棉花氮營養診斷提供有力的支持。這些都需要在今后的研究中進行探索。

[1] 賈良良,范明生,張福鎖,等.應用數碼相機進行水稻氮素營養診斷[J].光譜學與光譜分析,2009,29(18):2176-2179.

[2] Takebe M,Yoneyama T.Measurement of leaf color scores and its implication to nitrogen nutrition of rice plants[J].Jpn Agric Res J,1990,23:86-93.

[3] 李嵐濤,劉波,魯劍巍,等.冬油菜葉片SPAD的時空分布和氮素診斷的葉位選擇[J].中國油料作物學報,2014,36(1):76-83.

[4] Peng S B,Buresh R J,Huang J L,et al.Strategies for overcoming low agronomic nitrogen use efficiency in irrigated rice systems in China[J].Field Crops Research,2006,96(1):37-47.

[5] 苗騰,趙春江,郭新宇,等.基于葉綠素相對值的植物葉片顏色模擬方法[J].農業機械學報,2014,45(8):282-287.

[6] Blackmer T M,Schepers J S.Use of a chlorophyll meter to monitor nitrogen status and schedule fertigation for corn[J].Journal of ProductionAgriculture,1995,8(1):56-60.

[7] Zhu Yan,Yao Xia,Tian Y C,et al.Analysis of common canopy vegetation indices for indicating leaf nitrogen accumulations in wheatand rice[J].International Journalof Applied Earth observation and Geoinformation,2008,10(1):l-10.

[8] Pagola M,Ortiz R,Irigoyenl,et al.New method to assess barley nitrogen nutrition status based on image colour analysis:comparison with SPAD-502[J].Computers and Electronics in Agriculture,2009,65(2):213-218.

[9] 祝錦霞,鄧勁松,石媛媛,等.基于水稻掃描葉片圖像特征的氮素營養診斷研究[J].光譜學與光譜分析,2009,29(8):2171-2175.

[10] Adamsen F J,Pinter P J,Barnes J E M,et al.Measuring wheat senescence with a digital camera[J].Crop Science,1999,39(3):719-724.

[11] Dymond J R,Trotter C M.Directional reflectance of vegetationmeasured by a calibrated distal camera[J].Applied Optics,1997,18:4314-4319.

[12] 肖焱波,賈良良,陳新平,等.應用數字圖像分析技術進行冬小麥拔節期氮營養診斷[J].中國農學通報,2008,24(8):448-453.

[13] 李紅軍,張立周,陳曦鳴,等.應用數字圖像進行小麥氮素營養診斷中圖像分析方法的研究[J].中國生態農業學報,2011,19(1):155-159.

[14] 王遠,王德建,張剛,等.基于數碼相機的水稻冠層圖像分割及氮素營養診斷[J].農業工程學報,2012,28(17):131-136.

[15] 趙滿興,周建斌,翟丙年,等.旱地不同冬小麥品種氮素營養的葉綠素診斷[J].植物營養與肥料學報,2005,11(4):461-466.

[16] Lichtenthale H K.Chlorophyll and Carotenoids.the Pigments of Photosynthetic Biomembranes[J].Methods in Enzymology,1987,148:350-382

[17] 潘瑞幟,董愚得.植物生理學[M].北京:高等教育出版社,1995:177-180.

[18] 李亞兵,毛樹春,韓迎春,等.不同棉花群體冠層數字圖像顏色變化特征研究[J].棉花學報,2012,24(6):541-547.

[19] 李嵐濤,張萌,任濤,等.應用數字圖像技術進行水稻氮素營養診斷[J].植物營養與肥料學報.2015,21(1):259-268.

[20] 張立周,候曉宇,張玉銘,等.數字圖像診斷技術在冬小麥氮素營養診斷中的應用[J].中國生態農業學報,2011,19(5):1168-1174.

[21] 魏全全,李嵐濤,任濤,等.數字圖像技術估測冬油菜氮素營養拍攝參數標準化研究[J].植物營養與肥料學報,2016,22(6):1701-1709.

[22] 王遠,王德建,張剛.基于數碼相機的水稻氮素營養診斷[J].中國農學通報,2012,28(24):111-117.

[23] Jia L L,Cheng X P.Use of digital camera to assess nitrogen status of winter-wheat in the northern China plain[J].Journal of Plant Nutrition,2004,27(3):441-450.

[24] 宋述堯,王秀峰.數字圖像技術在黃瓜氮素營養診斷上的應用研究[J].吉林農業大學學報,2008,30(4):460-465.

[25] 白金順,曹衛東,熊靜,等.應用數碼相機進行綠肥翻壓后春玉米氮素營養診斷和產量預測[J].光譜學與光譜分析,2013,33(12):3334-3338.

Cotton Nitrogen Nutrition Diagnosis Based on Digital Image

Chen Min,Zheng Shufeng,Liu Xiaoling,Xu Daoqing,Wang Wei,Kan Huachun
(Cotton Research Institute,Anhui Academy of Agricultural Sciences/Anqing Branch of National Cotton Improvement Center,Anqing 246003,Anhui,China)

To provide a scientific basis for the application of digital image processing technique in nitrogen diagnosis of cotton,different fertilization treatments were set to explore relationship between the color parameters(G,NRI,NGI,NBI,G/R and G/B)of cotton leaves at different positions and stem sap nitrate concentration,SPAD readings and Chlorophyll content,to determine the best digital parameter and regression equation.A field experiment was conducted with different nitrogen application rates at the Experimental Farm of Anhui Academy of Agricultural Sciences from 2012-2013.Taking‘Xiangza 8’as the test cultivar,the pictures of cotton leaves were obtained with Nikon D80 digital camera at bud stage and boll forming stage,meanwhile,cotton samples of N status were analyzed to determine the best color parameters and regression equations in cotton.The results showed that:(1)the correlation of stem sap nitrate content of inverse 3rdleaf and NRI was the best,R2=0.8754,the correlation of functional inverse 4thleaf and NRI was also good,R2=0.8013;(2)the SPAD readings and digital indicators had a good correlation on leaves at different positions except inverse 1stleaf,the best correlation was between inverse 2thleaf and NGI,the correlation coefficient was 0.9591;(3)as to the chlorophyll content,the correlation of B and inverse 1stleaf was the best,they had a positive curvilinear correlation,R2=0.9444,followed by the correlation of B and inverse 3rdleaf and 4thleaf,the correlation coefficients was 0.9294 and 0.931,respectively.Therefore,in cotton nitrogen nutrition diagnosis of leaves at different positions,we should choose leaves of upper position which were inverse 1st,inverse 2th,inverse 3rdand inverse 4th,and also select the color index B,NBI and NRI.

Cotton;Nitrogen Nutrition Diagnosis;Digital Image;Color Parameters

S562

A論文編號：cjas16110031

院長青年創新基金項目“基于數碼圖像識別的棉花氮磷鉀營養診斷模型研究”(12B0718)；院學科建設項目“棉花氮肥減施綠色增效技術研究”(16A0721)；院長青年創新基金“棉花對重金屬Cd、Cu的富集特性及耐性機理研究”(16B0714)；院科技創新團隊建設項目“棉花輕簡化機械化關鍵技術創新團隊”(13C0707)；安徽省油菜棉花產業技術體系專項經費。

陳敏，女，1988年出生，安徽淮南人，助理研究員，碩士研究生，主要從事棉花栽培生理及植物營養等工作。通信地址：246003安徽省安慶市華圣路21號安徽省農業科學院棉花研究所，E-mail：352850978@qq.com。

鄭曙峰，男，1968年出生，安徽潛山人，研究員，博士，主要從事棉花栽培生理、新型肥料研究等工作。通信地址：246003安徽省安慶市華圣路21號安徽省農業科學院棉花研究所，Tel：0556-5201096，E-mail：zhengsf@188.com。

2016-11-23，

2017-02-16。