数据可视化技术在小麦产业中的应用

张苏鸿，杨艳辉，史文崇

（河北科技师范学院数学与信息科技学院，河北秦皇岛 066004）

数据可视化是利用计算机图形图像处理技术，将数据及其逻辑关系以图形、动画、视频等形式展现的技术，其形式有条形图、圆饼图、折线图、热力图、词云图、图谱等，可以以色彩、纹理、长度、面积等形式展示，可基于数字、文本、地图等生成。已有多套成熟的数据可视化图表库/图形库可供使用，通过它们可以轻松展示2D、3D图形，比较常用的有OpenGL、Mesa、MathGL、Matplotlib、Seaborn、ECharts［1-6］等。Python、Matlab 等大数据处理软件都提供了数据可视化工具。大数据处理也越来越离不开可视化技术，该技术已被广泛应用于海洋、气象、生物学、医学、工农业生产等许多领域［7］。

小麦是中国第三大粮食作物［8］。《数字农业农村发展规划（2019—2025 年）》已提出建立小麦等领域专业分中心、建设小麦等单品种全产业链大数据［9］。2023 年中央一号文件［10］进一步明确了小麦在中国粮食产业中的地位。在传统农业中，小麦产业管理主要依赖从业者和研究者的知识储备和经验以及少量的数据信息。一方面，小麦产业原始宏观数据积累越来越多；另一方面，信息技术的发展加速了小麦产业大数据趋势，获取小麦产业各项微观数据的技术方法和小麦产业的数据类型也越来越多，不仅局限于数字。在此背景下，仅靠人工直接识别数据（字）本身是远远不够的。数据可视化后，数据的相互关系、分布规律、发展趋势更直观，有利于不同层次的研究者和管理者高效地共享信息并开展协作，充实协作内涵，提升协作效率，拓展研究空间。因此，研究小麦产业的数据可视化对小麦产业管理非常有必要。本研究采用文献分析法分析了小麦产业应用可视化技术的现状以及存在的不足，提出了数据可视化在小麦产业应用中的优化提升路径，以期为这方面研究提供参考。

1 数据可视化技术在小麦产业中的应用

1.1 数据可视化技术在小麦植株上的应用

数据可视化研究已经覆盖了整个小麦植株，包括根、茎、叶、穗等部位。

1.1.1 根系 小麦根系是小麦获取水分和营养的器官，其健康程度对小麦的生长发育影响重大。因根系处于地下，无法直接观察根系生长状况。L 系统是Lindenmayer［11］于1968 年提出的，该系统被广泛应用于植物生长过程建模［12］。秋林等［13］基于L 系统对小麦根系进行可视化模拟，并采用动态数据库设计进行优化，使得生成的根系模型更加逼真；谈峰等［14］先构建了根轴三维模型，再根据根系形态模型输出的形态特征参数，在根轴模型基础上进行三维重构，最后基于OpenGL 图形库绘制图形，解决了基于L 系统生成的根系太规则的问题，可视化效果更真实；Chen 等［15］测量得到小麦根系的真实空间拓扑数据，用Matlab 编程虚拟重构小麦根的构型拓扑数据，实现了小麦根系的三维构型。

1.1.2 茎叶 茎和叶是小麦的地上部分，捕捉特征数据较根部更容易。陈国庆等［16-18］建立了茎叶形态和生长模型、可视化模型和场景控制模型，通过OpenGL 构建了基于形态模型的小麦虚拟生长系统，初步实现了小麦生长过程的可视化表达，该系统侧重模拟形态特征而非展示实时数据；青克乐其其格等［19］对小麦叶片和叶鞘做了更精细的研究，提出了一种以脉序为骨架、模拟叶脉和叶肉的具有平行叶脉的叶片精细建模方法，视觉真实感更强；李书钦等［20］基于田间实测数据结合NURBS 曲面构造方法构建了小麦叶片的三维模型，该方法展示的是单株植株的生长变化，未对小麦进行群体模型重建，而实际生产中小麦植株间存在重叠，故需要进一步研究建模。

1.1.3 麦穗 麦穗是小麦的果实，获得优质麦穗是种植小麦的首要目的。陈国庆等［18］在实现麦穗可视化时，先将麦穗分解成多个小穗，再将小穗分解成穗柄、小花和麦芒，最后对各小穗排列合成麦穗，实现麦穗可视化；李梅等［21］提出了基于等高线的三维重建方法，用来麦芒建模，并采用球面方程实现内稃、外稃的形态构建，细节更真实，但未合成完整麦穗；雷晓俊等［22］将麦穗分解为穗轴、小穗，细化小穗为外稃、护颖、麦芒、花药，分别构建了有芒小穗和无芒小穗，采用OpenGL 进行渲染呈现。该方法可通过参数控制穗形。上述麦穗可视化实现了正常麦穗的模型构建和可视化，并未构建非正常生长的麦穗。

1.2 数据可视化技术在小麦生长周期中的应用

1.2.1 发芽出苗期 麦种发芽是小麦生命周期的起点，该生长期对小麦的生长发育甚至产量起至关重要的作用。传统农业观测麦种发芽率，使用土培法、毛巾法、染色法、卫生纸法、沙子测定法［23］等方法进行抽检，这些方法的共同思路是先取样培养，然后进行人工统计。周颖等［24］使用X 射线断层扫描法，研究小麦籽粒萌芽后内部结构变化，该方法无损且精确，实现了小麦芽期部分特征的三维可视化和定量分析。将麦种发芽数据可视化后，不仅可获得发芽率等结果，而且还可以直观展示发芽过程中麦种的变化以及健康监测。

1.2.2 分蘖拔节期 小麦的主要产量构成因素是单位面积穗数、每穗粒数和粒重［25］。王兆龙等［25］的研究表明，小麦小花结实率提高是穗粒数提升的重要因素，提高小花分化速率是增加分化小花数的有效途径。单位面积穗数和分蘖强度有关，分蘖过程受到播种密度等管理决策的影响［26］，每穗粒数与茎伸长开始的时间点有关［27］。人工统计小麦茎的伸长开始时间、株数和分蘖数耗时费力且容易出错。Roth 等［28］提出可以使用多视角成像技术估算小麦幼苗分蘖数，高效地替代人工测量（最高效率可达人工效率的223%）。

1.2.3 越冬返青期（冬小麦）陈昱利等［29］基于生物量建立了冬小麦越冬前植株地上部各形态参数模型，对展示植株形态具有一定普适性。李书钦等［30-32］通过分析各品种冬小麦返青后株高、叶片高度和有效积温的定量关系，提出了基于有效积温的植株三维形态模拟，可较好地预测冬小麦返青后叶片生长状态，实现不同品种冬小麦在不同施氮水平下的叶片生长可视化，指导返青期的施肥、灌溉工作。刘晓静等［33，34］通过对冬小麦冠层高光谱数据进行研究，建立了拔节期、抽穗期、开花期、灌浆前期和灌浆后期等时期土壤含水率反演模型，但未建立越冬、返青期的模型。

1.2.4 抽穗成熟期 吴金芝等［35］研究了冬小麦不同灌浆时期穗和叶茎鞘对粒重的贡献，指出小麦开花后的光合器官不仅包括叶片，还包括穗、茎、鞘等非叶绿色器官，其中穗对粒重贡献的关键时期为灌浆中期。利用该规律，可以通过数据可视化筛选出灌浆中期穗对粒重贡献率高的植株进行培养，从而发现优良品种。

1.3 数据可视化技术在小麦生产管理中的应用

1.3.1 麦种检测 对于麦种的数据可视化采取的主要技术是高光谱成像技术。刘爽等［36］利用高光谱成像和SG-SPA-SVM（PSO）算法，高效快速、可视化地实现小麦赤霉病籽粒识别，为研制小麦赤霉病自动识别设备提供了算法基础；张玉荣等［37］将小麦高光谱图像由最优模型识别，以伪彩色形式显示不同的发芽状态，并统计个数，计算发芽小麦的占比。

1.3.2 田间管理 数据可视化技术已应用在施肥和灌溉方面，且在病害检测治理方面已产生多项发明专利。郝兴安等［38］实现了小麦矮缩病毒的快速可视化检测，该发明专利可在15～60 min 检出小麦植株样本是否存在矮缩病毒，以反应液的颜色展示检测结果；孙云云等［39］研究了一种小麦条锈病演化规律可视化表现方法，该方法包括监测区域划分、计算叶片病害程度、建立数学模型显示病害信息，实现了小麦条锈病演化规律可视化；邓锐杰等［40］的发明公开了一种小麦病原真菌可视化检测试剂盒，可以将测试结果通过图像管理网页计算得到条锈菌RNA的量，以此估测致病菌的活菌数量，准确判断小麦的染病情况，进一步提高小麦病害检测的准确性、稳定性和便捷性。

1.3.3 仓储张红涛等［41］和裴震宇等［42］使 用Micro-CT 系统获得小麦籽粒的原始图像数据后，对二维切片滤波，然后基于处理后的二维切片数据构建三维几何图像，可真实地表征麦粒内部显微结构的变化，该方法对麦粒是否受米象虫侵染的判别准确率可达100%；张晓等［43］利用高光谱成像技术，测得小麦的过氧化酶活性和脂肪酸值，据此构建了小麦新陈度分级体系，将小麦化学信息分布可视化，实现了新陈度的快速无损检测。

2 数据可视化技术在小麦产业应用情况的总体评价

小麦数据可视化研究已经覆盖了根、茎、叶、穗等小麦植株的各组成部分，并涉及其整个生长周期，在小麦选种育种、施肥、病虫害监控、仓储等环节的应用也在普及。小麦产业的数据可视化技术应用，不仅通过图形、图像、动画等形式展示小麦相应数据，还通过模拟、建模等对小麦产业的科学化管理起到了积极作用，产生了良好效果，但也存在以下问题。

2.1 数据可视化理念亟待改善

一些人将基于物联网的农作物生产管理视频监控称为“可视农业”，但农业数据的可视化最终目的或重点不在“可视”，而在于揭示数据的某种趋势或规律，以便进行数据挖掘，让数据发挥更大的作用。有些应用止步于数据的可视化展示，有些应用过分追求图形图像的新奇，不具备实用价值，有些应用急于商业化运作，而并不关心其对小麦产业的支撑和促进作用。这些错误理念必须努力清除，将小麦产业数据可视化技术推向深入。

2.2 小麦专用数据可视化图形库缺乏

小麦生长过程中的数据特征与其他农作物存在差异，市场上的数据可视化图形库大多是通用的，无法很好地适应小麦生长数据的特点，难以实现精准化、高效化的管理和监测，需要专门的数据可视化图形库来实现。已实现的小麦生长模型各式各样，并没有统一的标准或规范，导致同时使用多个机构的成果时需要耗费额外的精力和时间重构可视化模型，增加学习和开发成本。这些现实困难导致无法充分利用现有数据进行分析和预测，也难以为小麦生产管理提供精准化的决策支持。另外，小麦生长模型比较复杂，需要综合考虑多个因素，如气候、土壤、种植密度、施肥等，且小麦生产环节较多，包括麦种检测、田间管理、仓储监测等，需要不同类型的数据可视化图形库进行支持，市场上的数据可视化工具无法很好地满足小麦产业的多样化需求。

2.3 服务对象和运行平台还需拓宽

小麦数据可视化成果的服务对象主要是科研人员，但数据可视化的目的是服务农业，包含农技推广人员以及农民。农技推广人员可以借助可视化的数据更好地指导农民；农民作为生产管理第一线的工作人员需要农田里实时的可视化数据。因此，让小麦数据可视化成果“接地气”，真正为农民、农技人员所用。何佳彤［44］研发的基于Android 平台的小麦精准种肥作业监测系统，为小麦数据可视化从大屏幕走向手机小屏幕提出了新思路，但注重数据可视化平台的多元化、多样性开发，仍需要做大量工作。

3 数据可视化技术在小麦产业应用中的优化提升

3.1 构建开源小麦数据可视化图表库

开源可以加强合作、提高效率、促进可持续发展。国内如华为、阿里、腾讯、百度等，越来越多的公司在开源上做出了贡献。流行的数据可视化图标/图表库很多是开源的，如Mesa、MathGL、Matplotlib、Seaborn、ECharts 等。开源的内核是合作。国内数字农业发展还不到10 年，要把已完成的建模资源整合成大型公共数据仓库，任务艰巨。因为图表库包含一系列小麦生产管理相关的图表，这些图表要经过科学、严谨的验证，需要众多的科研工作者统一的规范才能集成。统一标准后，从业者可以很方便地获取生产管理有关的图表，从而对生产管理进行有效的数据分析，进而对生产管理进行优化。

3.2 加强农科、农技、农民三方协作

一是加强数据可视化技术的推广和应用。可以在当地的农业合作社、农业技术推广站等场所组织培训、提供技术支持等方式，让农民和农技推广人员学习使用这些工具，帮助他们更好地理解和利用数据进行决策和管理。二是加强协作平台的建设。可以建立适用于不同场景的协作平台，方便三方之间的数据共享和协作。三是加强对农业数据的收集和分析，构建完善的数据平台。这有助于提高农业数据的质量和可靠性，为数据可视化提供更好的支持，从而促进农科、农技、农民三方协作。此外，还可以建立在线的数据可视化平台，让农民和农技推广人员通过简单的操作就能够获得所需的信息，以此来提高数据可视化的普及率和使用效果。

4 数据可视化技术在小麦产业上的应用展望

助力小麦产业的持续、健康、高效发展是农业科技工作者的重要任务。可视化技术已经非常成熟，亟待拓展在小麦产业上的应用。如吉林省、湖南省等地都有了可视农业科技公司，已向小麦等产业提供数据可视化技术支持和服务；河南省某县将数据变成新农资，“田保姆”通过小麦电子苗情地图管理小麦［45］。浙江大学推出了数字农业大数据平台［46］，农业农村大数据公共平台基座已研发成型［47］，这将为实现农业农村的数据互联互通、资源共建共享提供助力；北京市、山东省等地已建立起现代农业产业园智慧农业大数据平台［48，49］。许多平台已涉及农业产业化、农业基本现状、病虫害监测、农产品质量安全等多个领域［50，51］，小麦产业完全可以融入或借鉴这些平台，拓展数据可视化应用。另外，“认养农业”出现在水稻种植领域，有助于在作物生长期生成订单。“智慧认养农业”作为乡村新业态已写入《数字乡村建设指南1.0》。数据可视化后有助于小麦产业借鉴，拓展销售渠道，拓展市场空间。随着信息技术特别是物联网技术、通信技术的不断发展和国家各级农业部门对小麦产业的重视，只要不断克服出现的一些弊端，数据可视化应用在小麦产业发展中前景广阔，必将发挥重要作用。