基于計算機視覺的棗葉含水率估算模型

勞東青+陳立平+鄔歡歡+郭麗峰+李發永

摘要：通過對棗葉圖像預處理、顏色特征提取及含水率測定，分析棗葉圖像顏色特征值與含水率的相關性。結果表明，棗葉G-R和H這2個顏色特征與含水率相關性顯著?；贕-R和H建立棗葉含水率估算模型為：y=0.877 2-0.001 5×（G-R）-0.101 3×H，復相關系數R為0.890 7，應用計算機視覺技術進行棗葉含水率估算可行。

關鍵詞：圖像分析;葉片含水率;紅棗;中值濾波;估算模型;計算機視覺

中圖分類號： S126;TP391.4 文獻標志碼： A

文章編號：1002-1302（2015）04-0384-02

收稿日期：2014-11-24

基金項目：國家自然科學基金（編號：51169024）;塔里木大學校長基金（編號：TDZKSS201208）。

作者簡介：勞東青（1983—），女，廣西靈山人，碩士，講師，從事圖像處理、節水灌溉研究。E-mail：dql904@126.com。

通信作者：李發永，碩士，副教授，從事節水農業研究。E-mail：lisen8279@163.com。

紅棗是南疆地區的主要特色林果之一。近年來，隨著紅棗矮化密集栽培方式的推廣，兵團紅棗種植規模迅速擴大，需水量也節節攀升。棗農為追求眼前效益，田間補水往往采用漫灌而非滴灌方式，這導致大量水資源浪費，使南疆水資源進一步緊缺，節水灌溉已經成為南疆農林業研究的重點之一。根據作物缺水信息實施精量控制灌溉，是提高水利用率和生產效率的重要途徑之一[1]，而葉片是作物水分虧缺時反應最為敏感的外部形態器官，當作物缺水，葉片的顏色、形狀和紋理會表現出一定的癥狀，如顏色變黃、變暗、葉片萎蔫、葉面積減少、葉角改變等[2]。圖像采集設備具有比人眼更為精細的分辨能力，能更客觀地描述肉眼不可能辨別出來的色澤、形態、紋理等相關特性，計算機視覺技術在作物水分檢測領域逐漸得到興起[3-5]，目前，在黃瓜、棉花、馬鈴薯、煙草等作物上有研究應用。由于數碼相機具有圖像質量好、成本低、易于開發與集成等優點，被廣泛應用于作物水分虧缺診斷研究圖像采集過程，并取得較好的效果[6-9]。 本試驗對棗葉含水率與棗葉圖像的顏色特征進行相關性分析，探討基于顏色特征的棗葉水分狀況診斷的可行性，為提高南疆水資源利用、實現南疆紅棗種植園的精量灌溉和自動化灌溉提供有益參考。

1 材料與方法

1.1 試驗設計

試驗在新疆維吾爾自治區塔里木大學精準農業重點實驗室的自動化節水灌溉實驗基地進行，供試品種為駿棗。試驗小區面積為40 m2，共計6個小區，采用完全隨機區組排列，各小區均設保護行，采用單獨的滴灌設備以便于試驗控制。試驗采用單因素水分處理，根據紅棗在各個生育期占整個生育期需水比例分配每次滴水量，并根據實際土壤含水量進行適當調整。試驗設置3個處理水平，重復2次。

1.2 圖像采集

圖像采集使用有效像素高達1 620萬的尼康D7000單反相機，每次拍攝均采用自動曝光模式，圖像分辨率采用3 696×2 448，統一存儲為JPG格式。圖像于2014年7月4日14：00左右在田間自然光條件下采集，晴天，微風，每試驗小區隨機挑選2株，選取植株冠層枝椏第3～10節位4張完全展開的葉片進行編號、拍攝。為減少后期處理工作量，在距樣本葉片垂直高度為0.3 m處垂直拍攝，以保證每次拍攝的光照強度基本一致;拍攝前，調整攝像者、樹枝和葉片的位置，以免造成陰影。此外，為便于后期圖像處理時人工剔除復雜背景，拍攝時在葉片下放置白板，使白板和葉片保持水平。

1.3 棗葉含水率測定

圖像采集后，迅速摘取樣本葉片裝入自封塑料袋，并放入保鮮盒帶回實驗室，采用傳統的烘干法測定棗葉含水率。烘干前，用型號為DENVER TP-214的分析天平稱量葉片鮮質量（mF），精確到0.000 1 g;將葉片放入烘干器皿，置于光明101型電熱鼓風干燥箱內105 ℃殺青0.5 h;保持70 ℃恒溫，烘干葉片至恒質量，稱量葉片干質量（mD），計算棗葉含水率為：葉片含水率=（mF-mD）/mF×100%。

1.4 圖像處理

將葉片圖像導入到Photoshop CS6中，綜合運用裁剪工具和魔棒工具剔除葉片之外的復雜背景，使圖像只保留葉片部分，背景透明，并將圖片另存為PNG格式;采用中值濾波法[10]對圖像進行降噪處理，以減少圖像在采集和傳輸過程中的噪聲影響。

MATLAB圖像處理工具箱提供的medfilt2函數可對二維矩陣進行中值濾波處理，其基本語法格式為：B=medfilt2（A，[M N]），表示用指定大小為M×N的窗口對矩陣A進行中值濾波處理。濾波窗口通常為方形窗口，大小可取值為3×3、5×5、7×7或9×9，默認為3×3。函數imread（）讀入彩色圖像時，返回1個M×N×3的三維矩陣C，3個面分別對應紅、綠、藍3個通道信息，用C（：，：，1）、C（：，：，2）、C（：，：，3）表示。由于medfilt2函數只能對二維矩陣進行處理，對彩色圖像進行中值濾波時，通常分別提取圖像的R、G、B分量進行中值濾波處理，并將濾波后的3個分量通過多維矩陣構造函數cat（）整合還原成三維矩陣。

1.5 顏色特征提取

由于RGB和HIS顏色系統對光源變化不敏感，易于區分不同顏色[9]，在圖像分析時常被使用。RGB系統中的R、G、B分量易于提取但不直觀，顏色分析時，通常用標準化后的色度坐標r、g、b以消除外界光強對顏色的影響，其中，r、g、b分別表示R/（R+G+B）、G/（R+G+B）、B/（R+G+B），也可對R、G、B值進行多種組合變換如（G-R）、（G/R）等，并作為圖像的顏色特征進行分析。

HIS顏色系統比RGB系統更符合人的視覺特性，系統中的H、S具有光強不變性，可以作為顏色特征值直接使用[8，11]。HIS顏色系統與RGB系統可相互轉換，I、S、H值計算公式分別為：I=（R+G+B）/3;S=1-3[min（R，G，B）]/（R+G+B）;H=θ B≤Gendprint

360-θ B>G，其中，θ=cos-1{[（G-R）+（R-B）]/2[（R-G）2+（R-B）（G-B）]1/2}。

1.6 數據分析

對提取的顏色特征和葉片含水率進行相關性分析，根據P值的大小，篩選出與葉片含水率關系顯著的顏色特征量，通過回歸分析方法構建棗葉含水率估算模型。

在MATLAB中，利用corrcoef函數求出數據的相關系數矩陣，數據的維度不同，corrcoef函數的調用格式也不同。分析2個一維向量的相關性時，corrcoef函數的調用格式為：[R，P]=corrcoef（x，y），其中，x和y是長度相同的一維列向量，對應行上的數據為1個樣本。R是一個大小為2×2的矩陣，R（1，1）和R（2，2）分別表示x和y的自相關系數，其值恒為1;R（1，2）和R（2，1）分別表示y與x、x與y的相關系數，其值相等，大小在[-1，1]區間。當x和y的相關系數值大于0時，表示x和y正相關，反之，x和y負相關。P也是一個2×2的矩陣，表示無效檢驗的實際顯著性水平P，其值越小，表示x和y的相關性越顯著。一般P小于0.05時，拒絕無效假設：系數=0，x和y關系顯著;小于0.01 時，x和y關系極顯著;大于0.05時，不能否定無效假設，x和y無顯著關系?；貧w分析可通過函數regress（）進行，其調用格式為：[b，bint，r，rint，stats]=regress（y，x），其中，x為m×n的自變量矩陣，y為m×1的因變量矩陣，b為回歸模型的系數矩陣，第一項為常數項，bint為b的置信區間，r為殘差矩陣，rint為r的置信區間，stats是用于檢驗回歸模型的統計量，包含相關系數R、F統計量值、與F對應的概率P和殘差方差共4個值。

2 結果與分析

2.1 葉片含水率與顏色特征的相關性分析

由表1可見，棗葉含水率與G-R、H之間呈高度的負相關關系，達到顯著性檢驗水平（P<0.05），可用于構建棗葉含水率估算模型。

2.2 棗葉含水率估算模型

通過自編的MATLAB程序腳本，對棗葉含水率、G-R、H進行多元線性回歸分析，建立基于G-R和H的 2個顏色特征棗葉含水率估算模型：y=0.877 2-0.001 5×（G-R）-0.101 3×H，R=0.890 7，P=0.019 4。其中，P<0.05，回歸模型成立。

表1 棗葉含水率與棗葉圖像顏色特征的相關性分析

顏色特征 顏色特征的定義 相關系數R P

r

紅光的標準化，表示紅光在圖像中所占的比例 0.660 0

0.074 9

g

綠光的標準化，表示綠光在圖像中所占的比例 -0.352 5

0.391 7

g-r

綠光與紅光之差在圖像中所占比例 -0.570 6

0.139 6

g-b

綠光與藍光之差在圖像中所占比例 -0.206 6

0.623 6

r-b

紅光與藍光之差在圖像中所占比例 0.178 1

0.673 1

R 圖像中的紅光均值 0.392 3 0.336 4

B 圖像中的藍光均值 0.160 5 0.704 2

G-R 綠光與紅光的差值 -0.758 2 0.029 2

R-B 紅光與藍光的差值 0.296 5 0.475 7

G/R 綠光與紅光的比值 0.634 9 0.090 8

G/B 綠光與藍光的比值 -0.169 3 0.688 6

H 圖像的色調大小 -0.716 0 0.045 8

I 圖像的顏色強度 0.254 0 0.543 8

H-S 圖像色調與色彩飽和度的差值 -0.302 2 0.466 9

H/I 圖像色調與顏色強度的比值 -0.368 3 0.369 4

I-H 圖像顏色強度與色調的差值 0.257 6 0.537 9

I/S

圖像顏色強度與色彩飽和度的比值 0.162 4

0.700 8

3 結論與討論

通過對棗葉圖像顏色特征的提取與分析，探討了水分脅迫條件下棗葉圖像顏色特征與棗葉含水率的相關性分析，發現G-R和H 2個顏色特征與棗葉含水率關系顯著，可用于棗葉含水率的預測與評價;應用多元線性回歸分析方法建立基于G-R和H的棗葉含水率估算模型，其相關系數高達0890 7，無效檢驗的顯著性水平接近0.01，進一步說明應用計算機視覺技術進行棗葉含水率的診斷與評價是可行的。

顏色是圖像最為直觀和相對重要的一種視覺特征，相對于紋理特征和形狀特征，在基于計算機視覺技術的水分診斷，探討顏色特征與葉片含水率關系的研究中更為常見，常常通過提取作物圖像的R、G、B、H、I、S分量值，對其進行多種組合變換，分析變量或變量組合與作物水分狀況的相關關系，并建立相應估算模型。蔡鴻昌等應用直方圖法提取黃瓜葉片的顏色特征，發現G/（R+G+B）和G-R可用于葉片干基含水量的估算[8];王方永等建立基于G-R參數的棉花水分含量及其指數的預測模型，預測精度分別達到90.71%和9102%[9];Zakaluk等通過試驗，同樣證明基于顏色特征進行馬鈴薯植株葉水勢的估算是可行的[12]。作物圖像的灰度梯度值用于作物水分狀況診斷效果也很好，于常樂等建立基于圖像灰度梯度的黃瓜葉片含水量的預測模型，實現了黃瓜葉片水分虧缺的無損檢測[6-7]。

總之，應用計算機視覺技術進行作物水分狀況診斷是可行的，這為田間精量灌溉與自動化灌溉的實現提供了理論依據和技術支撐。本試驗篩選的顏色特征中，沒有與棗葉含水率關系極顯著的量，分析原因可能有3個方面：（1）新疆沙塵endprint

大，葉片上落灰多，影響棗葉圖像質量和棗葉含水率的精確度;（2）部分葉片采集圖像時，局部反光，出現亮點，影響棗葉圖像顏色特征的提取;（3）棗葉圖像的降噪算法可能影響棗葉含水率估算模型的精度。在后續研究中，應找出相關的解決辦法，優化估算模型，也可變換角度，分析棗葉圖像的灰度特征與棗葉含水率的相關性，挖掘出與棗葉含水率關系更為顯著的特征量。

參考文獻：

[1]康紹忠，蔡煥杰，馮紹元.現代農業與生態節水的技術創新與未來研究重點[J]. 農業工程學報，2004，20（1）：1-6.

[2]彭 文，李慶武，霍冠英，等. 基于計算機視覺的植物水分脅迫狀況監測方法[J]. 科學技術與工程，2013，13（9）：2313-2317，2330.

[3]Ahmad U，Mardison S，Tjahjohutomo R，et al. Development of automatic grading machine prototype for citrus using image processing[J]. Australian Journal Agricultural Engineering，2010，1（5）：165-169.

[4]梁改梅，楊錦忠，陳穩良，等. 計算機圖像處理與分析技術在作物領域的應用[J]. 科技情報開發與經濟，2006，16（12）：222-224.

[5]Romano G，Baranyai L，Gottschalk K，et al. An approach for monitoring the moisture content changes of drying banana slices with laser light backscattering imaging[J]. Food and Bioprocess Technology，2008，1（4）：410-414.

[6]于常樂. 基于圖像處理的葉片含水量的無損檢測研究[D]. 長春：吉林大學，2007.

[7]孫瑞東，于海業，于常樂，等. 基于圖像處理的黃瓜葉片含水量無損檢測研究[J]. 農機化研究，2008（7）：87-89.

[8]蔡鴻昌，崔海信，高麗紅，等. 基于顏色特征的葉片含水率與比葉重估算模型初探[J]. 中國農學通報，2006，22（8）：532-535.

[9]王方永，王克如，王崇桃，等. 基于圖像識別的棉花水分狀況診斷研究[J]. 石河子大學學報：自然科學版，2007，25（4）：404-407.

[10]杜麗美.幾種常見的圖像去噪算法研究[J]. 山西大同大學學報：自然科學版，2012，28（5）：7-9.

[11]甘露萍，謝守勇，鄒大軍.基于計算機視覺的烤煙鮮煙葉含水量無損檢測及MATLAB實現[J]. 西南大學學報：自然科學版，2009，31（7）：166-170.

[12]Zakaluk R，Ranjan R S. Artificial neural network modelling of leaf water potential for potatoes using RGB digital images：a greenhouse study[J]. Potato Research，2006，49（4）：255-272.endprint