2016年遼寧興城富士、華紅、嘎啦蘋果葉片光譜與圖像數據集

高 飛 王曉麗 胡 林 樊景超 劉婷婷 閆 燊 曹姍姍

（1.中國農業科學院農業信息學研究所，北京 100081；2.中國農業科學院作物科學研究所，北京 100081）

數據庫（集）基本信息匯總表

1 引言

健康植物的波譜特征主要取決于它的葉子，葉片的生長狀態決定了不同的特征光譜信息。不同植物葉片的色素含量、細胞結構、含水量不同，光譜響應也不相同。利用光譜和圖像分析等技術，可以識別植物類型、反演植物營養元素含量、監測植物生長狀態。胡鈺煒等研究不同葡萄品種葉片組織結構及其光譜響應差異，采集了意大利、夏黑、秋黑、紅寶石、秋黑4個葡萄品種的葉片光譜數據[1]。張曉東等利用近紅外光譜技術進行甜椒營養物質監測，采集了自行培養甜椒品種葉片的光譜數據，其中甜椒葉片樣本量為120[2]。彭要奇等采集了55組不同生育期的玉米葉片光譜和水分數據，構建基于多光譜圖像的玉米葉片含水量反演模型，實現對玉米含水量的快速檢測[3]。劉維等在北京主要農副產品基地均勻設置50 個試驗點，在室外無風晴朗天氣里采集桃樹葉片光譜數據，同時測定該試驗點土壤重金屬含量，研究土壤砷元素含量與光譜反射率之間關系[4]。韓庚等探索馬鈴薯葉片光譜特征值與葉片氮元素累積含量之間的定量關系，在馬鈴薯出苗的20 天、35 天、50 天、65 天，采集馬鈴薯葉片光譜數據[5]。劉燕德等構建基于葉綠素熒光光譜數據的茶葉藻斑病模型，采集了270 個樣本的茶葉葉片光譜數據，其中健康茶葉葉片、輕度斑藻病病害葉片、重度斑藻病病害葉片數量各占1/3[6]。

在植物葉片圖像數據利用方面，王浩等構建基于SVM 和CNN 算法的黃瓜病斑葉片識別模型，采集12000 張黃瓜葉片圖像，其中病斑樣本8890 張，非病斑樣本3110 張[7]。苗榮慧等采用機器視覺檢測技術進行菠菜重疊葉片與雜草識別，采集具有菠菜和灰菜重疊區域的圖像55 幅[8]。喬虹等對大田環境中的葡萄生長狀態與病害進行長期自動檢測，采集正常的葡萄葉片、病害葉片以及不同品種的葡萄葉片圖像共1635 張[9]。鮑文霞等利用圖像識別技術進行小麥病害嚴重程度研究，采集小麥條銹病、白粉病兩類病害圖像各180幅[10]。

根據之前的研究，在使用光譜與圖像數據進行研究時，通常需要植物生長某一階段的數據，數據采集周期長。而在進行圖像智能識別算法研究時，圖片樣本量越大得到的訓練結果約準確。因此，針對某一特定品種開展長期的光譜與圖像數據收集是十分有意義的。本研究以遼寧興城富士、華紅、嘎啦蘋果為研究對象，建立采集其標準葉片的光譜與圖像數據集，為蘋果樹生長狀態監測、病蟲害識別等研究提供基礎數據。

2 數據采集和處理方法

2.1 選葉、采葉及葉片預處理

本研究選用蘋果品種為富士、華紅、嘎啦，來自遼寧興城中國農業科學院果樹研究所資源圃。每個品種隨機選取1 株果樹，采摘健康生長葉片。為降低采摘葉片對果樹的傷害，葉片每周采集一次，每次采摘15個葉片作為樣片，本研究葉片采集持續12周：2016年8 月5 日—2016 年10 月21 日。為保持葉片的新鮮，在測定前將采摘葉片樣本保存在帶冰塊的恒溫箱中。

2.2 葉片近紅外光譜數據采集

本實驗使用美國ASD 公司的FieldSpec3 便攜式光譜輻射計，其有效光譜范圍為350～2500nm，光譜分辨率為1nm。在windows 系統中運行FieldSpec3RS3軟件采集葉片光譜數據。葉片光譜數據采集在室內進行，選用光譜儀配套的5W 鹵化燈作為室內光源，距離葉片45厘米左右，入射角為45度，以黑色不反光棉布做背景。使用裸光纖探頭，前視場角為25 度。測量時垂直固定于樣品正上方10 厘米，葉片正面朝上放置。

光譜儀預熱80 分鐘后，進行光譜采集，每隔10 min 進行一次白板校正優化。每采集10 次光譜數據求平均后存儲在指定文件夾中生成1 條.asd 數據，每個葉片樣本采集保存10 個.asd 數據。數據可使用ViewSpecPro軟件查看，并可轉化為.txt等格式。

2.3 蘋果葉片圖像采集

本實驗使用佳能EOS6D 相機進行葉片圖像采集，圖像感應器為CMOS 約2020 萬像素，尺寸為35.8mmx23.9mm，具有自動、手動、添加除塵功能。該相機支持JPEG、RAW 兩種圖像格式，可以同時記錄RAW+JEG，記錄像素最大為5472x3648。

將葉片放置在帶有標尺的藍色平板上，采集圖像同時記錄葉片的長度和寬度。在平板左右兩側放置攝影燈，保持光強穩定，避免陰影。拍攝時相機垂直位于葉片上方約45厘米。

3 數據樣本描述

3.1 蘋果葉片近紅外光譜數據

本實驗數據采集周期為12 周，每周的數據保存在1 個文件夾中，每個樣本采集10 個光譜數據，保存格式為.asd，例如，光譜數據spectra-20160801-fushi-01-01.asd～spectra-20160801-fushi-01-10.asd 均為樣本1的光譜數據。光譜數據命名方式為“光譜+日期+品種+樣本編號+光譜序號”，所在文件夾命名方式為“光譜+日期+品種”。部分樣本示例如圖1所示。

圖1 部分樣本光譜反射率Fig.1 Remote sensing reflectance spectra of some samples

3.2 蘋果葉片圖像數據

蘋果葉片圖像數據為JPEG 格式，分辨率為5472x3648。每周的圖像數據保存在1 個文件夾中，每個樣本保存1 張拍攝圖片。圖像數據文件夾命名方式為“圖像+日期+品種”，圖片命名方式為“圖像+日期+品種+樣本編號”。部分樣例圖片見圖2。

圖2 部分樣本8月12日葉片圖像（單位：cm）Fig.2 Leaf images of some samples on August 12(Unit:cm)

4 數據質量控制和評估

本實驗采集遼寧興城富士、華紅、嘎啦蘋果葉片的光譜、圖像數據，質量控制主要從以下兩個方面進行：一是確保葉片為標準富士、華紅、嘎啦蘋果葉片。本實驗所用蘋果葉片樣本均來自于國家級蘋果標準資源圃，由果樹專家進行品種鑒別和試驗操作，如果樣本葉片存在斑點、顏色異常等問題，使用儀器進行檢測，檢測結果顯示樣本葉片帶病，則剔除該樣本。二是數據采集操作規范。光譜數據采集按照國際通用操作規范進行，每次采集的光譜數據，可根據曲線圖，刪除異常曲線，其他曲線取平均值。葉片圖像數據采用高清相機拍攝，拍攝完成后檢查圖片是否清晰，如果出現重影或模糊的情況，刪除照片重新拍攝。光譜采集和圖像采集為同一環境。

5 數據使用方法和建議

不同品種的蘋果葉片在理化成分、顏色、形狀、尺寸等方面都會不同，體現在光譜反射率和圖像上也會有所差異，因此可使用此數據集探索光譜、圖像和不同蘋果品種之間的關系。同時本數據集加入時間因素，因此數據更具有代表性。

數據作者分工職責

高飛（1988—），女，河北省石家莊人，博士，助理研究員，主要從事科學數據管理相關研究。本研究主要工作：數據匯總整理與論文撰寫。

王曉麗（1982—），女，河北省石家莊人，博士，助理研究員，主要從事科學數據管理相關研究，本研究主要工作：數據整理。

胡林（1967—），男，內蒙古商都縣人，博士，研究員，主要從事科學數據管理相關研究。本研究主要工作：總體設計與組織實施。

樊景超（1980—），男，遼寧省沈陽市人，博士，副研究員，研究方向為農業科學數據管理。主要承擔工作：蘋果葉片光譜數據采集。

劉婷婷（1985—），女，北京人，碩士，助理研究員，研究方向為科學數據管理。主要承擔工作：蘋果葉片圖像數據采集。

閆燊（1987—），男，山東省菏澤市人，博士，助理研究員，研究方向為農業大數據。主要承擔工作：數據集的整合與處理。

曹姍姍（1984—），女，黑龍江哈爾濱人，博士，副研究員，研究方向為農業時空信息智能分析。主要承擔工作：數據分析。

引用數據

[1]高飛；王曉麗,胡林,等.2016 年遼寧興城富士、華紅、嘎啦蘋果葉片光譜與圖像數據集.[DB/OL].國家農業科學數據中心.DOI:10.12205/A0007.20211029.36.is.1909

Gao F,Wang X L,Hu L,et al.Spectra and Images of Fuji,Huahong and Gala Apple Leaves in Xingcheng,Liaoning Province,in 2016.[DB/OL].National Agriculture Science Data Center.DOI:10.12205/A0007.20211029.36.is.1909