基于数码图像识别的棉花氮营养诊断研究

陈 敏，郑曙峰，刘小玲，徐道青，王 维，阚画春

（安徽省农业科学院棉花研究所/国家棉花改良中心安庆分中心，安徽安庆246003）

基于数码图像识别的棉花氮营养诊断研究

陈 敏，郑曙峰，刘小玲，徐道青，王 维，阚画春

（安徽省农业科学院棉花研究所/国家棉花改良中心安庆分中心，安徽安庆246003）

研究田间试验条件下不同施肥处理棉花不同叶位图像色彩参数（G、NRI、NGI、NBI、G/R和G/B）与硝态氮含量、叶绿素测量值(SPAD)、叶绿素含量等营养指标间的相关性，确立棉花氮素营养诊断的最佳色彩参数和曲线方程，以期为新型数码图像技术在棉花氮素营养诊断的应用研究提供理论基础。于2012—2013年在安徽省农业科学院棉花研究所安庆试验基地进行不同施肥处理的田间试验，供试品种为‘湘杂棉8号’F1。设置8个施肥处理。分别在棉花蕾期、花铃期用Nikon D80数码相机获取棉花不同叶位图像并取样分析，研究数码相机进行棉花氮素营养诊断的最佳色彩参数，确定棉花氮素营养诊断的曲线方程。结果表明：（1）倒3叶硝态氮含量与红光标准化值NRI的相关性最好，R2=0.8754。功能叶倒4叶次之，R2=0.8013。（2）除倒1叶外，各叶位的SPAD值与数字化指标之间均有着良好的相关性。倒2叶与绿光标准化值NGI的相关性最好，相关系数为0.9591。（3）对于叶绿素含量，倒1叶与蓝光值B值相关性最好，为曲线正相关，R2=0.9444。其次为倒3叶、倒4叶，相关系数分别为0.9294、0.931。因此，在进行棉花不同叶位氮素营养诊断时，应选择上部叶位倒1叶、倒2叶、倒3叶、倒4叶，并选择色彩参数B值、蓝光标准化值NBI、NRI进行相关性分析与诊断。

棉花；氮营养诊断；数字图像；颜色参数

0 引言

传统氮素营养诊断和氮肥推荐施肥都是以田间采集植株样品、实验室植株全氮、叶绿素含量、硝酸盐含量等常规分析为基础[1-2]，虽然具有较高的准确性和可靠性，但由于存在取样、测定方面耗费人力、物力、时效性差等问题，不利于推广使用[3-4]。信息技术的发展使营养诊断方法由传统方法向无损自动化诊断方向发展。便携式叶绿素仪(SPAD-502)作为快速测量叶绿素相对含量的工具已广泛应用于各类作物营养诊断和监测的研究中[5]，但在实际应用过程中其测量面积较小，仅有6 mm2，所以必须进行大量重复测量才能得到较好的结果[6]。

近年来，图像处理及机器视觉技术在作物生长监测方面应用愈加广泛，已成为实现多种农业生产自动化必不可少的技术，应用前景非常广阔[7-8]。通过图像的外观特征进行分类识别应用，是一种及时便捷、切实有效的方法[9]。Adamsen等[10]利用数码相机获取小麦的冠层图像，将冠层图像色彩参数红绿光比值与归一化植被指数和SPAD值间建立了良好的相关关系；Dymond和Trotter[11]将数码相机应用在草地上，进行了草地的光反射特性研究。而肖焱波等[12]则利用数码相机获取拔节期冬小麦冠层图像，发现冠层数字图像色彩参数标准化红光值NRI与冬小麦常规营养诊断指标有着很好的相关关系，可以用来表征冬小麦的氮营养状况。在冬小麦、水稻等作物上，利用数码相机及数字图像处理技术，并同植株土壤测试相结合，已经建立了相应的推荐施肥技术体系，并开展了一系列的研究工作[13-15]。但迄今为止，直接将数码影像技术应用于棉花氮营养诊断的研究尚未见到报道。因此，笔者应用数字图像技术在田间直接获取棉花叶片图像，利用图像处理软件对棉花不同位置叶片的色彩特征值与相应的棉花花铃期作物营养状况进行相关分析，试图建立棉花快速氮营养诊断的标准方法。

1 材料与方法

1.1 试验设计

试验于2012—2013年在安徽省农业科学院棉花研究所安庆试验基地进行，供试品种为‘湘杂棉8号’F1。试验小区土壤为沙壤土，0～20 cm土层含有机质10.35 g/kg、速效氮15.01 mg/kg、速效磷31.71 mg/kg、速效钾106.00 mg/kg。试验共设8个处理（表1），3次重复，随机区组排列，小区面积39.4 m2。棉花于4月13日营养钵育苗，5月8日移栽，行距1.10 m，株距0.33 m，密度为2.7万株/hm2。试验田管理同常规高产管理。

表1 试验方案

1.2 数字图像获与处理

在棉花蕾期、花铃期，每处理选取3株棉花。于晴天太阳高度角相对稳定的12:00—13:00，用Nikon D80数码相机对每株棉花倒1叶、倒2叶、倒3叶、倒4叶、倒9叶进行拍照并取样。拍照时距离地面垂直高度，通过手动调节使相机与各叶位叶片约呈60°角,以自动曝光模式拍照。图像采用1024×768分辨率以JPEG格式保存。同时采用日本Minolta公司生产的便携式SPAD-502型叶绿素仪对拍照叶片测定其SPAD值，每一个叶片分别在叶尖、叶中部和叶基部3点进行测量，取平均值。棉花花铃期获取的叶片数字图像，其颜色是以RGB格式存储的。为获取RGB颜色分量，将数字图像转入计算机。利用Adobe photoshop CS6，运用图片选择工具，选择数字图像中叶片部分（剔除背景干扰），然后利用直方图程序(histogram procedure)获得数字图像的红光值R(redness intensity)、绿光值G(greenness intensity)和蓝光值 B(blueness intensity)，并计算相应的红光标准化值NRI(normalized redness intensity)、绿光标准化值NGI(normalized greenness intensity)和蓝光标准化值NBI(normalized blueness intensity)，各标准化值的计算如式(1)～(3)所示。

1.3 取样与样品测试

将拍照和测定过SPAD值的叶片摘下并立即保鲜带入实验室，进行硝态氮、叶绿素含量的测定，叶片硝酸盐含量利用YN-FS反射仪和硝酸盐试纸进行测试。叶绿素含量测定采用丙酮-乙醇1:1混合液提取，用分光光度计于645 nm/663 nm处比色，并计算出叶绿素总量[16]。

1.4 数据处理与分析

数据采用Excel 2010对棉花叶片硝态氮含量、叶绿素含量、SPAD值与叶片数字图像色彩参数进行相关性分析，统计分析采用Excel回归模型进行拟合。

2 结果与分析

2.1 不同处理棉花不同叶位硝态氮含量的变化

不同施肥处理均表现为上部叶位倒1叶的硝态氮含量显著高于其他叶位（图1），其他各叶位间硝态氮含量差异较小。各处理间硝态氮含量高于对照，总体表现为高施氮量处理叶片的硝态氮含量高于低氮处理，缓释氮肥处理高于常规尿素处理，花铃期追肥处理优于肥料全部基施处理。因棉花的生长发育变化趋势是不同的，故有必要选择最佳的叶位进行棉花氮素营养诊断。

图1 不同处理棉花不同叶位硝态氮含量的变化

2.2 不同叶位叶片SPAD值与棉花叶片叶绿素含量和氮营养状况的关系

从各叶位棉花叶片SPAD值与叶绿素含量关系来看（表2），不同叶位SPAD值与叶绿素含量呈正相关关系，即随着SPAD值的升高，叶绿素含量呈增加趋势。其中棉花的功能叶片倒3叶、倒4叶和倒9叶的SPAD与叶绿素含量的相关性显著(R2=0.6085～0.6789)，且倒4叶相关性最高。

对棉花不同叶位叶片SPAD值与硝态氮含量进行线性回归分析（表2）可知：SPAD值与硝态氮含量表现为正相关关系，即叶片硝态氮含量随SPAD值的增大而增大。其中以倒3叶拟合的线性回归方程相关性最高，相关系数为0.4768。倒9叶、倒4叶的相关性次之。

由各叶位叶片SPAD值与叶绿素含量及氮营养状况的相关关系可知，SPAD值能够反映叶绿素含量和棉花植株氮素水平，可以根据棉花叶片倒3叶、倒4叶的SPAD值进行棉花植株的氮素营养诊断。

2.3 不同氮素营养条件下棉花叶片数字图像的颜色特征

植物叶片颜色的变化在一定程度上反映了叶片生长所需营养元素的供给情况，并且对大小和方向差异表现出一定的稳定性，具有相当强的抗变换性[17]。因此，提取叶片数字图像的颜色信息作为特征参量，同样可以实现植物氮素营养水平的诊断。分析不同氮素水平处理不同叶位叶片的数字图像（图2）可知，颜色特征值红光值R和绿光值G变化趋于一致，而蓝光反射值B的变化趋势有所不同。8个不同的施肥处理均表现出G＞R＞B，表明叶片反射的绿光最多，红光次之，蓝紫光的反射最少，但吸收最多。这可能与叶片主要利用红光、蓝紫光部分进行光合作用有关。同时，R、G、B值随氮肥水平的提高并没有表现出非常明确的变化规律。

表2 不同叶位SPAD值与叶片叶绿素含量、硝态氮含量的相关性

图2 棉花叶片数字图像颜色特征值变化

2.4 花铃期棉花叶片图像色彩参数与棉花氮营养状况的关系

分析花铃期棉花不同叶位叶片图像色彩参数与棉花氮素营养状况的关系，发现倒1叶各色彩参数与硝态氮、叶绿素含量之间有着显著的相关性，而与SPAD读数间相关性较小（表3）。硝态氮含量与图片数字化指标R、G、B拟合曲线的决定系数均达到了0.7以上，与R值的相关性最大，相关系数为0.8029，呈正相关。叶绿素含量与各数字化指标的拟合曲线除NRI外，均大于0.8，以B值的相关性最大，曲线正相关，相关系数达到了0.9444。

棉花倒2叶硝态氮含量与NRI相关性最高，决定系数为0.4818，负相关关系。与其他参数相关性很小。SPAD读数与B、NRI、NGI、NBI显著相关，以NGI相关性最大，呈负相关，相关系数高达0.9591。而叶绿素含量仅与NRI和NBI相关性较高，相关系数分别为0.8529、0.7189。

棉花倒3叶SPAD读数、硝态氮、叶绿素含量与数字化指标B、NRI、NGI、NBI均有良好的相关性，相关系数达到了0.5207～0.9528，而色彩参数R、G与氮素营养指标相关性不显著。SPAD值与NBI的相关性最大，呈线性正相关，相关系数为0.9528。硝态氮含量与NRI的相关性最大，负相关关系，相关系数达0.8754。叶绿素含量同样与NBI相关性最大，相关系数为0.9294，正相关关系。

棉花倒4叶功能叶片除硝态氮含量与图像色彩参数R、G、B相关性较小外，各氮素营养指标与数字化指标间均有着较好的相关性，相关系数在0.9310～0.9528。硝态氮含量与NRI拟合的二次多项式曲线的相关性系数最大，为0.8013，曲线负相关。而SPAD读数与叶绿素含量则均与NBI拟合的曲线方程的相关系数最大，分别为0.9528、0.9310，均为曲线正相关。

棉花叶片中下部叶位叶片倒9叶各氮素营养指标与R、G、B值相关性较差，但与NRI、NGI、NBI相关性均较好，相关系数0.4561～0.8238。硝态氮含量、SPAD值、叶绿素含量均与NBI的相关性最大，呈正相关关系，相关系数分别为0.7128、0.8238、0.7903。

表3 图像色彩参数与不同叶位硝态氮含量、SPAD读数和叶绿素含量的关系

3 结论

利用数字图像技术进行作物氮素营养诊断，具有较好的可行性和准确性。因此本研究中，提取不同叶位叶片图像颜色参数R、G、B及它们的标准化值NRI、NGI、NBI，对棉花氮素营养状况进行诊断。研究发现，不同叶位的氮素营养指标与不同的颜色参数相关性不同：（1）通过分析棉花不同叶位硝态氮含量与数码图像各颜色参数的相关性可知，倒3叶硝态氮含量与颜色参数NRI的相关性最好，拟合的最优方程为二次曲线方程y=0.0976x2-0.3973x+0.7216，正相关关系(R2=0.8754)。功能叶倒4叶的硝态氮含量与NRI也有着良好的正相关关系，拟合的方程为二次曲线方程y=0.1733x2-0.6289x+0.8859(R2=0.8013)。（2）通过分析不同叶位SPAD读数与数码图像各颜色参数的相关性得出，除倒1叶外，其他各叶位SPAD读数与数字化指标之间均有着良好的相关性。倒2叶的SPAD读数与颜色参数NGI的相关性最好，相关系数为0.9591，二次曲线正相关，拟合的曲线方程为y=-0.0002x2+0.0094x+0.3676。其次，倒3叶、倒4叶SPAD读数则与NBI有着较好的相关性，相关系数同为0.9528。（3）通过分析不同叶位叶绿素含量与数码图像各颜色参数的相关性可知，倒1叶叶绿素含量与颜色参数B值相关性最好，为二次曲线相关，拟合的最优方程为y=16.522x2-83.286x+121.74(R2=0.9444)。其次诊断叶位为倒3叶、倒4叶，叶绿素含量均与NBI曲线正相关，相关系数分别为0.9294、0.931。综上所述，在进行棉花不同叶位氮素营养诊断时，诊断叶位推荐选择上部叶位（倒1叶、倒2叶、倒3叶、倒4叶）。选择的数码图像诊断指标推荐选择色彩参数B、NBI、NRI。

4 讨论

4.1 应用数字图像进行棉花氮素营养诊断的可靠性

氮素营养诊断传统方法为大量的破坏性取样和实验室相关氮营养指标分析，操作不便，时间较长，新型的高光谱、卫星图像分析则价格成本较高，相较于这些方法，应用数码相机和图像处理技术获取植株叶片图像信息进行氮素营养诊断，更易于操作和实施[18-19]。前人在利用数码图像技术进行不同作物的营养诊断时，多数通过对图像的颜色特征参数与营养指标进行回归分析，得出他们之间的相关关系[20-22]。Jia等[23]发现R、NRI与水稻常规氮营养状况指标植株全氮含量、地上部分吸氮量间都有显著的线性相关关系，且与叶绿素仪读数SPAD有非常好的线性相关关系，可用于水稻氮营养诊断。宋述尧等[24]发现黄瓜冠层图像G/(R+G+B)为诊断黄瓜结果期氮素营养状况的适宜数字化参数，并建立了评价黄瓜结果期氮素营养丰缺的冠层图像数字化指标G/(R+G+B)的量值标准和氮肥推荐标准。白金顺等[25]研究发现，在进行玉米氮素营养数码图像诊断时，灌浆期为最佳诊断时期，此时期红光标准化值R/(R+G+B)为最优诊断颜色指标。

笔者研究了不同施肥处理棉花不同叶位图像色彩参数（G、NRI、NGI、NBI、G/R和G/B）与硝态氮含量、叶绿素测量值(SPAD)、叶绿素含量等营养指标间的相关性，结果显示，数码图像色彩参数B值、蓝光标准化值NBI、NRI与棉花氮素营养指标间有着较好的相关性。同时研究表明在进行数码图像诊断时应注意叶位上的选择，视不同的氮素营养指标和颜色参数选择不同的叶位。

4.2 有待进一步研究的问题和展望

棉花叶片数字图像所反映的叶色不仅会受到氮素营养状况的影响，还会受到其他因素的影响，其他营养元素缺乏、环境条件变化、病虫害都会影响其叶色。同时，数码相机获取叶片及冠层图像时也会受到外界环境（光照强度、入射光角度等）及相机本身的影响；拍照时，是顺光还是逆光；相机拍摄时参数如何设置（白平衡如何设置、曝光补偿如何设置）。由于相机的测光和成像系统较为复杂，如何有效地对图像进行校正还需要进一步的研究。

本试验仅进行了棉花不同叶位的数字图像诊断，并没有考虑到不同品种，棉花不同品种的颜色差异较大，建立基于某一地区几个主要品种的数字图像处理与诊断参数将对应用数字图像技术进行棉花氮营养诊断提供有力的支持。这些都需要在今后的研究中进行探索。

[1] 贾良良,范明生,张福锁,等.应用数码相机进行水稻氮素营养诊断[J].光谱学与光谱分析,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] 李岚涛,刘波,鲁剑巍,等.冬油菜叶片SPAD的时空分布和氮素诊断的叶位选择[J].中国油料作物学报,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] 苗腾,赵春江,郭新宇,等.基于叶绿素相对值的植物叶片颜色模拟方法[J].农业机械学报,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] 祝锦霞,邓劲松,石媛媛,等.基于水稻扫描叶片图像特征的氮素营养诊断研究[J].光谱学与光谱分析,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,贾良良,陈新平,等.应用数字图像分析技术进行冬小麦拔节期氮营养诊断[J].中国农学通报,2008,24(8):448-453.

[13] 李红军,张立周,陈曦鸣,等.应用数字图像进行小麦氮素营养诊断中图像分析方法的研究[J].中国生态农业学报,2011,19(1):155-159.

[14] 王远,王德建,张刚,等.基于数码相机的水稻冠层图像分割及氮素营养诊断[J].农业工程学报,2012,28(17):131-136.

[15] 赵满兴,周建斌,翟丙年,等.旱地不同冬小麦品种氮素营养的叶绿素诊断[J].植物营养与肥料学报,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] 潘瑞帜,董愚得.植物生理学[M].北京:高等教育出版社,1995:177-180.

[18] 李亚兵,毛树春,韩迎春,等.不同棉花群体冠层数字图像颜色变化特征研究[J].棉花学报,2012,24(6):541-547.

[19] 李岚涛,张萌,任涛,等.应用数字图像技术进行水稻氮素营养诊断[J].植物营养与肥料学报.2015,21(1):259-268.

[20] 张立周,候晓宇,张玉铭,等.数字图像诊断技术在冬小麦氮素营养诊断中的应用[J].中国生态农业学报,2011,19(5):1168-1174.

[21] 魏全全,李岚涛,任涛,等.数字图像技术估测冬油菜氮素营养拍摄参数标准化研究[J].植物营养与肥料学报,2016,22(6):1701-1709.

[22] 王远,王德建,张刚.基于数码相机的水稻氮素营养诊断[J].中国农学通报,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] 宋述尧,王秀峰.数字图像技术在黄瓜氮素营养诊断上的应用研究[J].吉林农业大学学报,2008,30(4):460-465.

[25] 白金顺,曹卫东,熊静,等.应用数码相机进行绿肥翻压后春玉米氮素营养诊断和产量预测[J].光谱学与光谱分析,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论文编号：cjas16110031

院长青年创新基金项目“基于数码图像识别的棉花氮磷钾营养诊断模型研究”(12B0718)；院学科建设项目“棉花氮肥减施绿色增效技术研究”(16A0721)；院长青年创新基金“棉花对重金属Cd、Cu的富集特性及耐性机理研究”(16B0714)；院科技创新团队建设项目“棉花轻简化机械化关键技术创新团队”(13C0707)；安徽省油菜棉花产业技术体系专项经费。

陈敏，女，1988年出生，安徽淮南人，助理研究员，硕士研究生，主要从事棉花栽培生理及植物营养等工作。通信地址：246003安徽省安庆市华圣路21号安徽省农业科学院棉花研究所，E-mail：352850978@qq.com。

郑曙峰，男，1968年出生，安徽潜山人，研究员，博士，主要从事棉花栽培生理、新型肥料研究等工作。通信地址：246003安徽省安庆市华圣路21号安徽省农业科学院棉花研究所，Tel：0556-5201096，E-mail：zhengsf@188.com。

2016-11-23，

2017-02-16。