【摘要】：數(shù)字圖像處理與分析技術(shù)廣泛應(yīng)用于植物營養(yǎng)診斷研究,但現(xiàn)有方法和技術(shù)路線較多傾向于分析主要生育期的植物冠層及葉片信息,而對營養(yǎng)脅迫條件下葉片整體特征和局部特征時空演變規(guī)律的研究挖掘較少。分析葉片特征的時空變化情況,有助于對特異性癥狀的深入挖掘,使水稻營養(yǎng)脅迫的種類識別和定量診斷更具針對性,對提高數(shù)字化診斷效果具有十分重要的意義,目前鮮見相關(guān)研究。因此,本研究采用活體掃描方式(該方法既能保證圖像的高精度又能實現(xiàn)標(biāo)準(zhǔn)化的獲取)動態(tài)獲取水稻葉片的數(shù)字圖像,利用數(shù)字圖像處理技術(shù)提取葉片整體與局部特征,并對其時空演變規(guī)律進(jìn)行分析,比較其在不同氮磷鉀營養(yǎng)水平下的差異性。在此基礎(chǔ)上,對葉片動態(tài)特征進(jìn)行量化和篩選,建立基于葉片動態(tài)特征的氮磷鉀營養(yǎng)脅迫診斷規(guī)則及模型。主要內(nèi)容及結(jié)論如下:1.獲取氮磷鉀脅迫下水稻不同葉位葉片的時間序列圖像本研究中葉片數(shù)字圖像數(shù)據(jù)分別于2014、2015、2016年通過活體掃描的方式獲取。為研究葉片的時空動態(tài)特征,試驗期內(nèi)(移苗后第20天至第44天,DAT20-DAT44)對標(biāo)記葉片進(jìn)行每3天一次的圖像采集,獲取葉片的時間序列圖像。考慮到營養(yǎng)脅迫對不同葉位葉片所造成的影響具有差異性,分別采集未完全展開葉(正在伸展中的新生葉片)、第一、第二、第三完全展開葉的圖像信息,為后續(xù)動態(tài)分析及氮磷鉀脅迫診斷模型的建立奠定基礎(chǔ)。2.氮磷鉀營養(yǎng)脅迫下葉片形態(tài)和顏色的時空動態(tài)特征葉片生長發(fā)育是一個動態(tài)過程,其形態(tài)和顏色是體現(xiàn)葉片動態(tài)的主要特征。在葉片形態(tài)指標(biāo)中,本研究選取面積指標(biāo)分析氮磷鉀脅迫對葉片伸展和黃化過程的影響;在葉片顏色指標(biāo)中,有針對性地選取不同的顏色指標(biāo)(紅藍(lán)綠分量、深綠色顏色值、標(biāo)準(zhǔn)紅光值)揭示氮磷鉀脅迫下葉片顏色的變化情況。結(jié)果表明,氮、磷、鉀含量越高,未完全展開葉面積增長越快(即葉片伸展速度越快);完全展開葉顏色變化(葉色褪綠)越晚到達(dá)“終點”(即葉片褪綠衰老速度越慢)。此外,氮脅迫下未完全展開葉伸展速度最慢、完全展開葉衰老速度最快,磷脅迫次之,鉀脅迫下葉片伸展速度相對最快、完全展開葉的衰老速度相對最慢。由此可見,氮脅迫對水稻葉片生長的影響最大,其次為磷脅迫和鉀脅迫。為將葉片的動態(tài)特征用于診斷模型的建立當(dāng)中,本文按時間順序以不同時間間隔計算葉片形態(tài)和顏色指標(biāo)的相對生長率(RGR),實現(xiàn)對葉片動態(tài)特征的量化,得到不同時間段的動態(tài)指標(biāo)數(shù)據(jù)集(以3天為間隔的數(shù)據(jù)集:P1,P2...P7;以6天為間隔的數(shù)據(jù)集:P1',P2',P3');同時,為進(jìn)一步提高葉片的識別效果,將動態(tài)指標(biāo)數(shù)據(jù)集按照時間順序進(jìn)行組合,建立組合數(shù)據(jù)集。3.基于葉片動態(tài)特征的氮磷鉀營養(yǎng)脅迫種類識別本研究采取先識別氮磷鉀脅迫種類,再確定脅迫程度的診斷思路和技術(shù)路線。在氮磷鉀脅迫種類識別中,首先采用逐步判別分析法(SDA)篩選有效特征組成最優(yōu)特征集,再利用Fisher判別法和留一交叉驗證法(LOO-CV)建立診斷模型并進(jìn)行驗證,揭示不同葉位葉片在脅迫種類識別中的有效性,確定最佳診斷時間及相應(yīng)葉位。特征篩選結(jié)果顯示,不同葉位的最優(yōu)特征集包含不同類型的動態(tài)指標(biāo)(顏色指標(biāo)、形態(tài)指標(biāo))。未完全展開葉的最優(yōu)指標(biāo)包括RGR(面積、周長、偏心率、主成分分析指數(shù)、標(biāo)準(zhǔn)紅光值、綠光值)等,葉片伸展階段的最優(yōu)特征集包含形態(tài)指標(biāo)和顏色指標(biāo),而葉片完全展開后的最優(yōu)特征集則以顏色指標(biāo)為主;第一、第二完全展開葉的最優(yōu)特征集以顏色指標(biāo)RGR(紅光值、藍(lán)光值、綠光值、標(biāo)準(zhǔn)紅光值、kawashima指數(shù))為主;第三完全展開葉的最優(yōu)指標(biāo)包括RGR(黃化面積、周長、長軸、藍(lán)光值、主成分分析指數(shù)、黃化區(qū)域藍(lán)光值)等,其中形態(tài)和顏色指標(biāo)在各時間段最優(yōu)特征集中均有體現(xiàn)。葉片動態(tài)特征在氮磷鉀脅迫識別中的有效性存在時間差異性,且不同葉位的識別效果也有所不同:未完全展開葉的動態(tài)特性主要體現(xiàn)在葉片的伸展階段,完全展開后,其動態(tài)特性減弱,故總體識別精度呈下降趨勢,最高識別精度出現(xiàn)在P1'數(shù)據(jù)集中(DAT26),其訓(xùn)練精度為77.30%,驗證精度為69.30%;第一、第二完全展開葉處于相對穩(wěn)定的生長階段,葉片動態(tài)特性較弱,因此識別效果欠佳,總體識別精度在50-60%;第三完全展開葉隨水稻生長表現(xiàn)出越來越明顯的黃化現(xiàn)象,葉片動態(tài)特征愈加顯著,識別效果呈上升趨勢,在DAT41(組合數(shù)據(jù)集P1-P7)時達(dá)到訓(xùn)練精度100.00%,驗證精度95.00%。不同葉位葉片的識別結(jié)果表明,未完全展開葉和第三完全展開葉分別為試驗前期和中后期的最佳診斷葉位,其中未完全展開葉的動態(tài)特征對提高早期營養(yǎng)診斷效果有重要價值。4.基于葉片動態(tài)特征的氮磷鉀營養(yǎng)脅迫程度的識別本文在完成脅迫種類識別的基礎(chǔ)上,對氮脅迫、磷脅迫、鉀脅迫程度的識別做進(jìn)一步研究。結(jié)果表明,氮脅迫、磷脅迫、鉀脅迫程度識別中的最佳診斷葉位均為未完全展開葉和第三完全展開葉;試驗前期,未完全展開葉的識別效果優(yōu)于完全展開葉,而在試驗中后期以第三完全展開葉的識別效果最佳。氮脅迫下,葉片的伸展速度隨著氮含量的升高而增加,葉片顏色也呈現(xiàn)不同程度的變化。特征篩選結(jié)果表明,葉片伸展階段的有效指標(biāo)以形態(tài)指標(biāo)為主,完全展開后的有效指標(biāo)則以顏色指標(biāo)為主,最高識別精度出現(xiàn)在P1'數(shù)據(jù)集(DAT26時),其訓(xùn)練精度為69.80%,驗證精度為61.90%;第三完全展開葉從葉尖開始黃化枯萎,并逐漸向葉基部擴(kuò)展,故最優(yōu)特征組合由能夠表征葉片黃化速度、衰老速度的動態(tài)指標(biāo)組成,包括RGR(面積、短軸、標(biāo)準(zhǔn)紅光值、綠光值、黃化區(qū)域紅光值)等,其組合數(shù)據(jù)集P1-P5(DAT35)在氮脅迫程度識別中取得研究期內(nèi)的最高識別精度:訓(xùn)練精度100.00%,驗證精度95.20%。磷脅迫下,未完全展開葉的面積、葉長等特征的增長速度以及顏色變化速度隨著磷含量的變化而改變。因此,未完全展開葉最優(yōu)特征集主要包含RGR(面積、葉長、紅光值、藍(lán)光值、標(biāo)準(zhǔn)紅光值)等,在DAT26時(P2和P11數(shù)據(jù)集)診斷模型的訓(xùn)練精度達(dá)70%,驗證精度達(dá)65%;隨著水稻的生長,第三完全展開葉呈現(xiàn)褪綠、衰老現(xiàn)象,篩選后的最優(yōu)特征集主要包括RGR(面積、周長、葉長、葉寬、黃化面積、標(biāo)準(zhǔn)紅光值、綠光值)等指標(biāo),組合數(shù)據(jù)集P1-P6(DAT38)取得研究期內(nèi)最高識別精度:訓(xùn)練精度100.00%,驗證精度91.70%。鉀脅迫下,未完全展開葉的伸展速度隨脅迫程度的加劇而降低,而第三完全展開葉顏色的褪綠速度隨著脅迫的加劇而加快。經(jīng)特征篩選,未完全展開葉的有效指標(biāo)主要包括RGR(面積、周長、葉長、綠光值、藍(lán)光值、標(biāo)準(zhǔn)紅光值、主成分分析指數(shù))等,第三完全展開葉的有效指標(biāo)主要為RGR(面積、周長、黃化面積、紅光值、主成分分析指數(shù))等。利用未完全展開葉的動態(tài)特征在DAT26時(P1'數(shù)據(jù)集)訓(xùn)練精度達(dá)到78.70%,驗證精度達(dá)到68.50%;而第三完全展開葉的組合數(shù)據(jù)集P1-P5(DAT35)識別精度達(dá)到訓(xùn)練精度100.00%,驗證精度97.80%,為研究期內(nèi)的最高識別精度。綜上所述,本研究依據(jù)植物營養(yǎng)生長機(jī)理及氮磷鉀脅迫下所呈現(xiàn)的多種缺素癥狀,對葉片形態(tài)特征和顏色特征的時空變化規(guī)律進(jìn)行深入挖掘,利用未完全展開葉伸展過程和第三完全展開葉黃化過程的動態(tài)特征,有效地實現(xiàn)了對氮磷鉀脅迫種類和脅迫程度的識別,在研究思路與方法上有創(chuàng)新,診斷效果較前人研究也有一定的提升。
【圖文】：

圖１．１技術(shù)路線圖逡逑＊＞邋？邋＊逡逑Ｆｉｇ．邋１．邋１邋Ｆｌｏｗ邋ｄｉａｇｒａ?

試驗設(shè)計與數(shù)據(jù)獲取逡逑．１試驗設(shè)計逡逑試驗采用水培方式培育水稻樣本，，試驗場地在浙江大學(xué)紫金港校區(qū)人３０°１７１邋１２０°０５＇Ｅ，中國杭州），水培試驗分別在２０１４、２０１５和２０１６年稻品種為浙優(yōu)１號，該品種是由中國水稻研究所與浙江省種子公司合作有品質(zhì)優(yōu)、分蘗強(qiáng)、適應(yīng)廣、長勢旺等特點，適宜于長江中下游區(qū)域作單季水稻種子進(jìn)行１－２天浸泡處理后，置于２５－３０攝氏度的避光環(huán)境中待其，隨后將其移至濕潤沙子中進(jìn)行育苗。１５天后，將幼苗移栽到裝有不同液的５Ｌ的ＰＶＣ桶。桶中營養(yǎng)液采用菲律賓國際水稻所（ＩＲＲＩ）配方，配方成分及含量如表２．１所示。逡逑
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2018
【分類號】：TP391.41;S511

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 魏全全;李嵐?jié)?任濤;王振;王少華;李小坤;叢日環(huán);魯劍巍;;基于數(shù)字圖像技術(shù)的冬油菜氮素營養(yǎng)診斷[J];中國農(nóng)業(yè)科學(xué);2015年19期

2 李利;陳俊輝;樊明壽;;使用葉綠素儀進(jìn)行馬鈴薯氮素營養(yǎng)診斷的樣本數(shù)確定[J];作物雜志;2015年04期

3 胡敏;陳紅波;許良鳳;謝成軍;江河;;基于顏色和紋理特征的黃瓜病害識別算法[J];電子測量與儀器學(xué)報;2015年07期

4 毛家偉;翟文匯;孫大為;張翔;楊立均;李國平;郭傳濱;;不同種類鉀肥對烤煙SPAD值、根系活力及經(jīng)濟(jì)性狀的影響[J];山西農(nóng)業(yè)科學(xué);2015年05期

5 李嵐?jié)?張萌;任濤;李小坤;叢日環(huán);吳禮樹;魯劍巍;;應(yīng)用數(shù)字圖像技術(shù)進(jìn)行水稻氮素營養(yǎng)診斷[J];植物營養(yǎng)與肥料學(xué)報;2015年01期

6 張保華;李江波;樊書祥;黃文倩;張馳;王慶艷;肖廣東;;高光譜成像技術(shù)在果蔬品質(zhì)與安全無損檢測中的原理及應(yīng)用[J];光譜學(xué)與光譜分析;2014年10期

7 何俊俊;楊京平;楊虎;趙杏;葉欣怡;;光照及氮素水平對水稻冠層葉片SPAD值動態(tài)變化的影響[J];浙江大學(xué)學(xué)報(農(nóng)業(yè)與生命科學(xué)版);2014年05期

8 孫俊;金夏明;毛罕平;武小紅;朱文靜;張曉東;高洪燕;;基于高光譜圖像光譜與紋理信息的生菜氮素含量檢測[J];農(nóng)業(yè)工程學(xué)報;2014年10期

9 朱文靜;毛罕平;周瑩;張曉東;;基于高光譜圖像技術(shù)的番茄葉片氮素營養(yǎng)診斷[J];江蘇大學(xué)學(xué)報(自然科學(xué)版);2014年03期

10 白金順;曹衛(wèi)東;熊靜;曾鬧華;志水勝好;芮玉奎;;應(yīng)用數(shù)碼相機(jī)進(jìn)行綠肥翻壓后春玉米氮素營養(yǎng)診斷和產(chǎn)量預(yù)測[J];光譜學(xué)與光譜分析;2013年12期

相關(guān)博士學(xué)位論文 前5條

1 陳利蘇;基于機(jī)器視覺技術(shù)的水稻氮磷鉀營養(yǎng)識別和診斷[D];浙江大學(xué);2014年

2 張筱蕾;基于高光譜成像技術(shù)的油菜養(yǎng)分及產(chǎn)量信息快速獲取技術(shù)和方法研究[D];浙江大學(xué);2013年

3 石媛媛;基于數(shù)字圖像的水稻氮磷鉀營養(yǎng)診斷與建模研究[D];浙江大學(xué);2011年

4 劉德營;稻飛虱自動識別關(guān)鍵技術(shù)的研究[D];南京農(nóng)業(yè)大學(xué);2011年

5 王強(qiáng)盛;水稻鉀素營養(yǎng)的積累特征及生理效應(yīng)[D];南京農(nóng)業(yè)大學(xué);2009年

相關(guān)碩士學(xué)位論文 前7條

1 孫宏杰;基于葉片圖像分析的葡萄品種識別方法研究[D];西北農(nóng)林科技大學(xué);2016年

2 楊雪;基于數(shù)字圖像處理的植株缺素種類識別技術(shù)研究[D];天津理工大學(xué);2015年

3 何文高;施氮量和留葉數(shù)對貴州烤煙生理及株型特征的影響研究[D];西南大學(xué);2014年

4 李金夢;基于高光譜成像技術(shù)的柑橘葉片含氮量快速檢測方法研究[D];浙江大學(xué);2014年

5 張楠;水稻序列圖像在三維可視化建模及營養(yǎng)診斷中的應(yīng)用研究[D];華中農(nóng)業(yè)大學(xué);2013年

6 楊玲玲;水稻飛虱自動識別技術(shù)的研究[D];南京農(nóng)業(yè)大學(xué);2008年

7 劉洪見;圖像處理技術(shù)在獲取夏玉米冠層信息和氮肥診斷中的應(yīng)用[D];中國農(nóng)業(yè)大學(xué);2005年

本文編號：2660461