基于数码图像识别的棉花氮营养诊断研究.pdfVIP

基于数码图像识别的棉花氮营养诊断研究

作者：陈敏，郑曙峰，刘小玲，徐道青，王维，阚画春

来源：《农学学报》2017年第7期

摘要：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NikonD80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。

关键词：棉花；氮营养诊断；数字图像；颜色参数

中图分类号：S562文献标志码：A论文编号：cja

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6mm2，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，0~20cm土层含有机质10.35g/kg、速效氮

15.01mg/kg、速效磷31.71mg/kg、速效钾106.00mg/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39.4m2。棉花于4月13日营养钵育苗，5月8日移栽，行

距1.10m，株距0.33m，密度为2.7万株/hm2。试验田管理同常规高产管理。

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NikonD8