基于RGB彩色图像处理的葡萄氮素估算(修订版)。

摘要

叶柄/叶分析等侵入性方法既费力又耗时。通过非侵入性方法进行营养分析的方法是由许多研究者提出的。提出了一种基于RGB彩色图像处理的氮素估计方法。Green指数与系数0.90呈强正相关，其他指数Ikaw与系数因子-0.88呈强负相关。叶绿素与氮素呈正相关关系。基于绿色指数提出的方法具有成本效益高、耗时短的优点。

关键字

图像处理，改版，格林指数，凯氏定氮消解

介绍

植物需要一定量的宏量营养素(氮、磷等)和微量营养素(锌、硼等)来生长和保持健康。这些营养物质改变和调节植物的功能，并对植物产量产生定性和定量的变化。营养缺乏会导致植物变弱。营养缺乏使植物更容易生病。肥料是植物健康生长的补充物。在小道消息的情况下，缺陷或过量剂量由专家进行目视检查，这是一个成本和可用性问题。过量施用氮肥会导致葡萄藤枝条过度生长，从而造成坐果的损失。这也会导致在下一季的成熟延迟和芽形成不良[1,2]。合理施用化肥和农药可以节约生产成本。

在大多数情况下，缺钙可以通过叶绿素是重要成分的叶片颜色变化来观察。叶绿素是叶片中负责光合作用的分子。光合作用产生的碳水化合物被用作植物和水果生长的食物。在化学分析的基础上提出了多种分析方法，如叶片分析、叶柄分析[2,4]等。前面提到的方法都是破坏性的方法。但许多研究人员提出了基于手持仪表或图像处理的非破坏性和竞争性方法。叶绿素的估计是用摄像机进行的，使用不同的R, G和B函数[5]。通过计算平均亮度比对RGB图像进行叶绿素分析，并与叶绿素仪结果进行相关性分析。结果与[6]比值有显著相关。采用数字彩色图像分析仪[7]分析了宏量营养素缺乏条件下蚕豆(Vicia Faba L.)、豌豆(Pisum sativum L.)和黄羽扇豆(Lupinus luteus L.)前三叶的颜色变化。 The objective of this experiment is to propose easy and non invasive method to estimate Nitrogen. We have proposed the technique to evaluate Nitrogen estimation and compared with index proposed by Kawashima. It can be proved in this experiment that Image processing can be effectively utilized for estimation of Nitrogen with an acceptable accuracy.

材料与方法

图像采集

为了实验目的，选择不同的场地和小区覆盖不同的土壤和环境条件。采集不同生长阶段的叶片样品。此外，我们还收集了不同应力条件下的样品，并处于不同的状态。在发送样本叶柄进行化学分析之前，在早上8点至9点之间和晚上日落前2小时(在自然光条件下)在现场拍摄图像。

为了捕捉图像，使用分辨率为1200万像素的CCD相机(尼康S570)。为了图像分析，分辨率选择300万像素(2048* 1536)。在拍摄图像时，相机与样品之间的距离为7.5英寸。为了减少反射，选择黑色背景。为了减少计算量和去除叶片面积，对图像进行预处理，将其裁剪到700* 500像素左右。

化学分析

叶柄是被检测的植物部分，而不是叶片。叶柄是主要的导电组织，通常含有较高的营养元素。新鲜的植物组织容易腐烂，因此，在运送到实验室之前，必须保持凉爽和干燥的气氛。最好用干净的纸袋或布袋运输植物组织。在实验室中，进行去污或清洗，以去除外部灰尘颗粒和化学物质。然后将叶柄在80°C的空气中干燥，以去除水分而不发生任何热分解。为了保证更大程度的成分均匀性，样品被研磨成小颗粒。有机物的破坏可以通过高温热氧化或湿酸消解来完成。氮分析有两种方法:凯氏定氮消解法[8]和大仲马法。在印度，氮分析一般采用凯氏定氮消解法。

指数计算

获得的图像为R、G、B平面的24位彩色图像。通过算法对这些平面进行处理，计算出Kawashima Ikaw提出的Green指数等指标。绿色指数是通过比较RGB平面上的每个像素来计算绿色百分比。绿色像素[9]选取的阈值如下所示

绿色= f(R<170，ð′′>150，ð′′′<170)——(1)

，其他指标计算为

——(2)

其中R和B是平面上的平均值。

由于化学法是对样品进行平均的方法，我们也提出了平均值和中位数进行计算。这些值来自于从特定地块收集的许多样本的计算值。最后将化学分析所得值与计算出的指标值进行比较，并用于拟合曲线，建立回归方程。从这个方程测试下一个样本。

结果与讨论

氮和叶绿素与叶子的颜色有关。完全成熟和健康叶的绿色比例较高，幼叶和老叶的绿色比例较低。老叶呈黄色，表明氮缺乏。但很多时候，视觉估计可能是不可靠和模糊的。表1显示绿色的百分比为iggreen和Ikaw。这些值与化学分析的氮值高度相关。绿色为强正相关，而Ikaw为强负相关，如图图1和图2分别。在matlab中对这些指标与实验室数值进行了曲线拟合，找到最佳拟合曲线。对于green和Ni Lab值，由线性模型得到的方程5^th多项式为

Y = P₁x⁵+ P₂x⁴+ P_3.x^3.+ P₄x²+ P₅x + P₆——(3)

P的值分别为-15.74,49.62，-57.63,30.54，-6.061,0.6131₁P₆)和R²0.89。对于Ikaw和Ni实验室值，得到的方程为

Y = P₁x⁴+ P₂x^3.+ P_3.x²+ P₄x + P₅——(4)

P的值为(2.838,3.042,0.0705，-0.8911,0.3867)₁P₅分别)与R²0.81.从这些方程中预测的值以百分比误差进行比较，如图所示表1．

叶片绿度与氮素含量有有效的相关关系。绿色与氮含量与相关因子0.90呈强正相关，与Ikaw呈强负相关，相关因子-0.88。叶绿素与氮素呈较强的正相关，系数因子为0.84。用所得方程预测的氮素值，在iggreen和Ikaw情况下的平均准确率分别为96.28%和94%左右。绿色指数可有效地用于氮素的估算，与Ikaw指数具有可比性。与冗长耗时的化学过程相比，可以在几分钟内获得结果。

结论

氮和叶绿素含量与叶片的绿度密切相关。利用图像处理技术，可以有效地利用叶片绿度进行氮素估计。所提出的利用图像处理方法估算氮含量的方法具有时间和成本效益。相关性随土壤条件和植物品种的不同而变化。

参考文献

1. CP Sharma. 2006，《植物微量营养素》，《科学》出版社。
2. L Chvyl, N Maier. 2006，葡萄栽培合作研究中心。
3. 爱德华·W·赫尔曼。葡萄的结构和功能，俄勒冈葡萄栽培，pp-5-19。
4. 叶营养诊断-迈向更可持续的葡萄栽培。/葡萄栽培/ 270 _oivschaller2007.pdf http://www.oiv2007.hu/文件
5. 川岛重人，中谷诚。一种利用摄像机估计叶片叶绿素含量的算法。安博。1998;81:49-54。
6. SatyaPrakashYadav, Yasuomi茨城纪，S Dutta Gupta。基于RGB图像分析的马铃薯微繁殖植株叶绿素含量估算植物细胞Tiss器官，2010;183-188。
7. Marian Wiwart, Gabriel Fordon ski, Krystyna zukgolaszewska,El zbietaSuchowilska。彩色图像分析对三种豆科植物宏量营养素缺乏的早期诊断。电子工程学报。2009;65:125-132。
8. j.benton Jones Jr. 2001，进行土壤试验和植物分析的实验室指南，CRC出版社。
9. AnupVibhute, SK Bodhe。热带地区户外光照下RBG空间的色彩特征中国机械工程学报，2013;29(6):344 - 344。