库尔勒香梨果实生物量图像解析技术研究

2014-01-22孟亚宾盛建东柴仲平张文太

经济林研究 2014年2期

孟亚宾，盛建东，柴仲平，张文太，刘茂，丁阔

(新疆农业大学草业与环境科学学院，新疆乌鲁木齐 830052)

测定植物生物量的传统方法有二氧化碳平衡法(气体交换法)、微气象场法(昼夜曲线法)、直接收获法和基于材积转化的生物量模型等[1]，这些分析方法虽然具有较高的检测精度，但是获取数据的周期长、工作量大[2]、过程繁冗、易破坏植物样本，而且不能对植物生物量进行全面、快速和实时测定。随着计算机技术的快速发展，图像处理方法[3-7]在植物无损检测中的应用得到了迅猛发展。图像处理软件Image J是美国国家卫生所( National institute of Health，USA)基于Java语言开发的免费图像处理分析软件，具备多种图像处理和分析功能。目前，Image J已经在农业工程领域得到应用，白光红等[8]通过应用Image J 软件处理数字图像测定玉米子粒大小，发现Image J 软件处理图像法更方便快速，可用于玉米等作物种子大小的测量工作；王安皆等[9]确立了基于Image J图像处理技术快速、准确地检测家蚕一代杂交种的良卵数和良卵率的新方法；刘智等[10]将Image J软件成功应用于分析水稻胚乳淀粉粒表面几何特征的工作；毕利东等[11]将Image J软件成功应用于土壤结构特征的分析。本文将图像处理技术应用于库尔勒香梨果实生物量的研究中，旨在为库尔勒香梨果实生物量的快速无损检测提供新方法。

1 材料与方法

1.1 研究区概况

试验地位于新疆维吾尔自治区库尔勒市恰尔巴格乡下和什巴格村5队的香梨园(41°48′21″N、86°04′22″E)，该香梨园地处天山南麓、塔里木盆地东北边缘的孔雀河冲积平原上，属暖温带大陆性干旱气候，冬冷夏热，降水集中，年雨量较少。年平均气温11.4℃，最低气温-28℃。年平均降水量58.6mm，年最大蒸发量2 788.2mm。年总辐射6343 MJ/m2，年总日照数2 990h，≥0℃积温平均为4 700℃，≥10℃积温4 278℃，无霜期平均为210d，主导风为东北风[12-13]。香梨园的土壤质地为黄潮土，肥力较低。土壤有机质为20.03g/kg，碱解氮68mg/kg，有效磷12.34mg/kg，速效钾240.53mg/kg。

1.2 试验材料与方案设计

供试植株为6～7 a树龄的香梨植株，株距为5m，行距为6m，平均株高为4.62m。栽培管理措施与当地一般果园相同。香梨的果实生长期从5月中下旬开始，至9月上旬结束，依次经历了坐果期(5月中下旬)、膨果期(8月上旬)和成熟期(9月上旬)[14-15]。在8月下旬香梨果实接近成熟期时，选择15株香梨树，在树冠中部随机选取直径大小不一的30个成熟香梨果实作为试验样品，在室内清洗并自然晾干10分钟后，用精度为0.02mm的游标卡尺测量香梨果实的横径(Dh)、纵径(Dv)等参数；并用精度为0.001g的电子天平测量香梨果实的鲜质量(Wf)。

用数码相机(Nikon D700，Japan)采集图像：用仪器架固定数码相机，将香梨果实样品依次放于自制的便携式背景板(长0.3m，宽0.2m，标尺为5cm)上，相机与果实的距离为0.30m，选择自动对焦拍摄模式垂直拍照。见图1。

图1 自制便携式背景板Fig.1 The portable background board by hand-made

把用数码相机采集到的与香梨横径成90°角方向的图像、即从果实顶部获取的果实顶端图像定义为果实顶视图，见图2；把采集到的与香梨纵径成90°角方向的图像、即从果实侧面获取的果实侧面图像定义为果实的侧视图，见图3。在满足测量要求的情况下，选择图像清晰、颜色鲜明的照片供后期图像分析，图片的分辨率为72 dpi。

图2 香梨果实顶视图Fig.2 The top view image of Korla Fragrant Pear

图3 香梨果实侧视图Fig.3 The side view image of Korla Fragrant Pear

将拍照后的香梨果实在105℃条件下杀青后，在85℃烘干至恒重，测定其干质量(Wd)。

在分析图片之前，使用Photoshop CS5软件对图像中的干扰区域进行预处理，主要包括图像的增强、锐化和去除背景等。进行预处理操作是为了使后续的图像分析工作更加快速、精确。使用计算机图像处理软件Image J(v1.46)对预处理后的图像进行分析，主要步骤如下：

(1)设置标尺：先选择“直线工具”对香梨果实图像中面积板上的标尺画出直线，长度与标尺重合；然后在设置比例尺的窗口中，将Known distance设置为参数，Unit of length设置为5cm。设置完毕后，再用“直线工具”在标尺上划线，如果窗口中显示的长度与标定的距离相同，则证明标尺的设定是正确的。

(2)灰度图像转换和阈值化：通过“Image→Type→8-bit”的操作，将图像转换为8位图像。通过“Image→Adjust→Threshold”的操作，进行阈值化处理，得到其二值化图像。

(3)香梨果实面积参数测量：通过“Analyze→Analyze particle”颗粒分析操作，选择显示结果，点击OK。操作完成后，生成Results和Summary分析结果窗口。

(4)测量数据存储：将Image J软件的分析结果保存为Excel文件。

1.3 数据处理

利用Microsoft Excel 2010、Image J、SPSS 18等软件对数据进行处理和分析，通过公式(1)、(2)和(3)分别获取果实参数的算术平均值、标准差和变异系数。

公式(1)中，μ为算术平均值，x为单个样品参数值，N为样本个数。

公式(2)中，σ为标准差，x为样品参数值，μ为算术平均值，N为样本个数。

公式(3)中，Cv为变异系数，σ为标准差，μ为算术平均值。Cv值越大说明统计数据的变化(离散)程度越大。

2 结果与分析

2.1 香梨果实参数的测定

根据试验设计可知，测定库尔勒香梨的参数主要有，果实横径(Dh)、果实纵径(Dv)、果实顶视面积(St)、果实侧视面积(Ss)、果实体积(V)、果实鲜质量(Wf)和果实干质量(Wd)等指标，见表1。

表1 香梨果实参数表Table 1 Fruit parameters of Korla Fragrant Pear

根据表1中的香梨果实参数，使用室内分析法获取果实横径(Dh)、果实纵径(Dv)、果实鲜质量(Wf)、果实干质量(Wd)；使用Image J软件对香梨果实图像中的果实顶视面积(St)和果实侧视面积(Ss)进行分析，并获取其面积；使用排水法测定新鲜果实的体积(V)。果实果形参数和果实的生物量数据如表2所示。

表2 香梨果实参数值表(样品容量 n=30)Table 2 The values of fruit parameters of Korla Fragrant Pear(n= 30)

由表2可知：横径(Dh)的平均值为5.66cm，变化范围为4.82～6.58cm。纵径(Dv)的平均值为6.59cm，变化范围在5.10～7.85cm。顶视面积(St)的平均值为35.74cm2，变化范围为24.70～47.06cm2。侧视面积(Ss)的平均值为40.84cm2，变化范围在28.35～53.27cm2。体积(V)的平均值为113.07cm3，变化范围在66～155cm3。鲜质量(Wf)的平均值为114.78g，变化范围在67.60～157.14g。干质量(Wd)的平均值为17.80g，变化范围在10.17～24.91g。按照新疆香梨的分类标准，试验香梨果实样品的单果鲜质量大多数都集中在100～120g范围内，总体水平达到了一级香梨的标准[16]。

变异系数是分析和衡量数据离散程度、评价其稳定性、均匀性和一致性的标准。其中变异系数相对较高的参数有体积(V)、鲜质量(Wf)和干质量(Wd)，其变异系数都达到18.00％或以上。体积(V)、鲜质量(Wf)和干质量(Wd)的变异系数相差不大，分别为20.25％、19.59％和18.66％。其中干质量(Wd)的变异系数与鲜质量(Wf)的变异系数相差0.93个百分点，可能是果实中水分等易挥发物质含量不同造成的[17]。顶视面积(St)和侧视面积(Ss)的变异系数基本相同，可能是顶视面积(St)和侧视面积(Ss)之间存在一定的联系，比如都因横径(Dh)的大小而影响其面积值。而横径(Dh)和纵径(Dv)变异系数相对较低，分别为7.16％和10.45％。横径(Dh)和纵径(Dv)的变异系数相差3.29个百分点，横径和纵径的异速生长可能是造成这种情况的原因。

2.2 香梨果实参数的相关性分析

2.2.1 香梨果形参数的相关性分析

用Excel 2010、SPSS 18软件对香梨果形参数中的横径(Dh)与体积(V)、纵径(Dv)与体积(V)、顶视面积(St)与体积(V)和侧视面积(Ss)与体积(V)之间的参数进行线性相关分析，结果见表3。

表3 香梨果形参数之间的相关性分析(样品容量 n=30)Table 3 Correlation analysis of fruit shape parameters of Korla Fragrant Pear(n = 30)

分析表3可知：香梨果实的果形相关性状参数之间表现出较高的相关性。就相关程度情况来看，具有高相关性(R＞0.70)的依次是侧视面积(Ss)与体积(V)、顶视面积(St)与体积(V)、横径(Dh)与体积(V)、纵径(Dv)与体积(V)，相关系数都在0.70以上。其中相关性较高的是侧视面积(Ss)与体积(V)，相关系数为0.97。其中相关性较低的是纵径(Dv)与体积(V)，相关系数为0.77。

根据相关性分析，可以建立横径(Dh)、纵径(Dv)与体积(V)的统计学关系，但是果实的顶视面积(St)、侧视面积(Ss)与果实的体积(V)的相关系数分别为0.93、0.97，优于横径(Dh)、纵径(Dv)与体积(V)的相关系数。通过果实的顶视面积(St)、侧视面积(Ss)与果实的体积(V)建立的统计学方程更加精确。因此建议使用顶视面积(St)、侧视面积(Ss)来推测果实的体积(V)。

2.2.2 香梨果实生物量参数的相关性分析

目前，对生物量的研究一般都是采用易测因子来推测难测因子[18]。在本试验中，果实的横径(Dh)和纵径(Dv)是最易获取的因子，其次就是基于图像分析可获得的顶视面积(St)和侧视面积(Ss)。在不影响果实生长的条件下测定其生物量则是相对困难的。因此，文中尝试通过横径(Dh)、纵径(Dv)和果形面积(St)等易测因子来建立香梨果实生物量的统计学关系。

先尝试通过果实横径(Dh)、纵径(Dv)和果形面积(St，Ss)等易测因子来建立香梨果实鲜质量的统计学关系。用Excel 2010、SPSS 18软件对数据进行分析，结果如表4所示。

表4 香梨果形参数与果实鲜质量的相关性分析(样品容量 n=30)Table 4 Correlation analysis of fruit shape parameters and fresh mass of Korla Fragrant Pear(n = 30)

分析表4可知：香梨的各个果形参数与鲜质量之间表现出了高相关性。根据相关系数(R)的大小，依次是侧视面积(Ss)与鲜质量(Wf)、顶视面积(St)与鲜质量(Wf)、横径(Dh)与鲜质量(Wf)、纵径(Dv)与鲜质量(Wf)。其中相关性最高的是侧视面积(Ss)与鲜质量(Wf)的相关系数(R)，达到了0.99；相关性较低的是纵径(Dv)与鲜质量(Wf)，相关系数(R)为0.78。因此建议使用顶视面积(St)和侧视面积(Ss)来建立推测果实鲜质量(Wf)的统计学方程。

在完成香梨果形参数(Dh，Dv，St，Ss)与果实鲜质量(Wf)的统计学关系的分析之后，接着尝试通过果实横径(Dh)、纵径(Dv)和果形面积(St，Ss)等易测因子来建立香梨果实干质量(Wd)的统计学关系。用Excel 2010、SPSS 18对数据进行分析，结果见表5。

表5 香梨果实的果形参数与干质量的相关性分析(样品容量 n=30)Table 5 Correlation analysis of fruit shape parameters and dry mass of Korla Fragrant Pear(n = 30)

分析表5可知：香梨的各个果形参数与干质量之间表现出了高相关性。根据相关系数(R)大小，依次是侧视面积(Ss)与干质量(Wd)、顶视面积(St)与干质量(Wd)、横径(Dh)与干质量(Wd)、纵径(Dv)与干质量(Wd)。其中相关性较高的是侧视面积(Ss)与干质量(Wd)，相关系数(R)为0.96；相关性较低的是纵径(Dv)与干质量(Wd)，相关系数(R)为0.76。

因此，可以通过横径(Dh)、纵径(Dv)与果实的干质量(Wd)建立统计学关系。但是果实的顶视面积(St)和侧视面积(Ss)与果实的干质量(Wd)的相关性更加显著，相关系数(R)分别达0.94和0.96。因此建议使用顶视面积(St)、侧视面积(Ss)来建立推测果实干质量的统计学方程。

3 结论

文中的试验结果表明，香梨的各果形参数(Dh、Dv、St、Ss)均可以用来估测其果实的体积(V)、鲜质量(Wf)和干质量(Wd)，这与先前的研究结果[20]是一致的，虽然利用实测果实的横径(Dh)和纵径(Dv)来估测果实的体积(V)、鲜质量(Wf)和干质量(Wd)的方法是可行的，但考虑到库尔勒香梨的果实与其它水果果实有些不同，具有较为特殊的果形，而且其中畸形果较多，香梨畸形果主要有偏果和突顶果两种，偏果率达到7.82％[21]，突顶果率达到9.52％[22]，这些畸形果会影响横径(Dh)和纵径(Dv)的实测结果，进而导致估测结果存在较大的误差。因此，通过果实的果形面积(St、Ss)来估测果实体积(V，YV＝3.86XSt-24.92，YV＝3.54XSs-31.71)、鲜质量(Wf，YWf＝ 3.91XSt- 24.82，YWf＝ 3.56XSs-30.71)和干质量(Wd，YWd＝0.56XSt-2.35，YWd＝0.51XSs-3.03)的方法是更优的。本试验通过图像处理方法(Image J软件)实现了香梨果实果形参数测量工作的精确性、无损性和快速性。

4 讨论

在库尔勒香梨的实际种植过程中，一般采用人工分级和机械分级等方法对果实进行分级。但是这些传统方法存在分级效率低、易损伤果实等问题，进而影响到香梨果实的产量和品质。因此，生产上迫切需要研究一种无损、有效、快速的果实分级方法。

通过建立香梨果形参数与果实鲜质量的统计学方程，使用图像处理方法(Image J软件)获取香梨的果形面积参数(St，Ss)，并完成基于果实面积的香梨果实统计和筛选，以实现生产中香梨果实的快速、无损分级工作，很有现实意义。在自然生长环境里和实际生产上的分级过程中，大多数香梨果实是以顶视角度或侧视角度的状态呈现的，这为基于果实面积参数(St，Ss)并使用图像处理方法解决果实分级的问题提供了可能性[19]。

在使用Image J软件对果实面积参数进行测量的过程中，设置Analyze particle面板中的size值，设置筛选果实的面积参数，在show中选择outline命令，就可以获取符合筛选标准的果实个数及其果形轮廓的结果图。将通过图像法获取的个数与通过实测鲜质量法获取符合取样质量标准的果实个数进行比较，经过多次重复试验、对比和验证，发现此方法具有较高的精确度。因此，可以将Image J软件用于香梨果实的统计和分级工作中。

图4 利用Image J软件对香梨果实分级过程中的初始图、二值化图和分析结果Fig.4 The original,binaryzation and analysis result images of Korla Fragrant Pear fruits during fruit classi fi cation process based on Image J software

本文采用图像处理技术(Image J软件)建立了估测香梨果实生物量的统计学模型[23-24]。随着库尔勒香梨果实模型[25]的逐步完善，今后可研发便携式固化设备，对库尔勒香梨树及其他新疆特色果树的果实进行动态监测，以实时估测果实在整个生长过程中产量的变化情况，并实现果实的快速无损分级目标。文中的研究结果可为新疆特色林果生产提供技术指导。

[1] 郭娜,刘剑秋.植物生物量研究概述(综述)[J].亚热带植物科学,2011,40(2):83-88.

[2] 何三鹏.基于计算机视觉技术的温室网纹甜瓜果实形态模拟研究[D].上海:上海交通大学,2011.

[3] 王宏毅.计算机图像处理系统在植物检疫技术中的应用[J].植物检疫,1997,11(5):277-281.

[4] 屈年巍.基于机器视觉的新疆库尔勒香梨颜色及轻微碰伤无损检测关键技术研究[D].石河子:石河子大学,2011.

[5] 李长缨,滕光辉,赵春江,等.利用计算机视觉技术实现对温室植物生长的无损监测[J].农业工程学报,2003,19(3):140-143.

[6] 王雷,乔晓艳,董有尔,等.高光谱图像技术在农产品检测中的应用进展[J].应用光学,2009,30(4):639-645.

[7] 陆辉山.水果内部品质可见/近红外光谱实时无损检测关键技术研究[D].杭州:浙江大学,2006.

[8] 白光红,张义荣,刘弋菊,等.Image J图象处理软件在测量玉米子粒大小中的应用[J].玉米科学,2009,17(1):147-151.

[9] 王安皆,娄齐年,周丽霞,等.基于Image J图像处理技术检测家蚕一代杂交种的良卵数和良卵率[J].蚕业科学,2010,36(4):702-706.

[10] 刘智,王玲玲,周卫东,等.用Image J分析水稻胚乳淀粉粒表面几何特征的方法[J].电子显微学报,2011,30(4):466-471.

[11] 毕利东,张斌,潘继花.运用Image J软件分析土壤结构特征[J].土壤,2009,41(4): 654-658.

[12] 柴仲平,王雪梅,陈波浪,等.不同氮磷钾施肥配比对库尔勒香梨果实品质的影响[J].经济林研究,2013,31(3):154-157.