基于苎麻叶片RGB特征值的缺素诊断研究

高士 邱伟 彭佳红

摘要：数字图像处理技术已经成为精准农业的重要手段之一。以一个季度苎麻盆栽叶片图像数据为基础，对苎麻幼叶、熟叶、老叶生长过程中苎麻叶片氮、磷肥不同营养元素变化量与生长过程中苎麻叶片图像的颜色特征进行提取研究。使用RGB颜色模型对苎麻生长过程叶片图像颜色特征进行提取，并将其特征值与氮磷含量变化进行相关分析得到：G/（R+G+B）可以作为缺氮诊断标准，其值大于0.43時，推断苎麻生长缺氮;R/（R+G+B）可以作为缺磷诊断标准，其值大于0.34时，诊断苎麻缺磷。

关键词：苎麻;缺素;特征值

中图分类号：TP391       文献标识码：A

文章编号：1009-3044（2019）24-0199-02

开放科学（资源服务）标识码（OSID）：

1 背景

数字图像处理是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。其中，数字处理技术在苎麻缺素诊断过程中的应用过程主要包括图像预处理、特征值提取、诊断三个部分。图像预处理常用分量法灰度化图像与中值滤波法去噪声。灰度化图像的每个像素只需一个字节存放灰度值[1、2]。将其灰度化处理，使R、G、B的值归一到某个特定的区间或相等的这个值就是灰度值，范围一般在0-255之间[3]。将采集到的图像中的R、G、B分量作为图像的灰度值，公式如下：

[F1（i，j）=R（i，j）;F2（i，j）=G（i，j）;F3（i，j）=B（i，j）;]                      （1）

其中，F1、F2、F3即计算后的灰度值，i、j为灰度坐标系坐标。

中值滤波是一种常用的、能有效抑制噪声的非线性信号处理技术，常用于保护边缘信息[4]，是一种经典的平滑噪声的方法，其输出图形为g（x，y）=med{f（x-k，y-l），（k，l∈W）}，其中，f（x，y），g（x，y）分别为原始图像和处理后图像。基本原理是把数字图像中一点的值用该点的一个邻域中各点值的中值代替，使周围的像素值接近的真实值，从而消除孤立的噪声点。

苎麻叶片图像的特征值是苎麻叶片图像的物理特征，主要包括其结构、纹理、颜色、形状等。颜色模型是数据来描述图像的典型代表，常见的模型是RGB颜色模型，提取其R、G、B特征值算法如图1所示。

2 基于苎麻氮磷缺素叶片的RGB特征值诊断

通过提取到的RGB特征值与氮磷肥的含量变化相关性进行诊断。

实验组共分为七个小组，施肥过程为苎麻生长的幼叶、熟叶、老叶期三个时期，每个时期施肥两次，每次约50和20KG/hm2。如：氮肥的施量在适度范围内呈线性增长，其他营养元素比例调配适当，使氮元素为单一变量，对于其他元素同样如此。这样，保证苎麻叶片由缺素到营养元素足够的水平范围内[5]，见表1，单位为KG/hm2。

对苎麻叶片图像提取的21个颜色特征值，见表2。

2.1 基于苎麻叶片RGB特征值的缺氮诊断

在同一苎麻品种的不同生长时期，将提取到的苎麻叶片颜色特征数据表2产生的值与生长过程的含氮肥含量变化表1分别进行相关分析，得到相关性关系见表3。

由表3可看出，在幼叶期间，所提取的颜色特征值与氮肥的含量相关性很高，且结果都呈显著相关关系。且误差范围在极小范围之内，对结果不造成影响。得出结论：氮肥的含量跟计算机处理得到的颜色特征值是有相关性的，可以为后面的缺素诊断奠定基础[6]。在整个苎麻叶片生长过程的氮肥含量变化过程中，提取到R、G、B分别跟氮肥的含量变化呈负相关性，G/（R+G+B）绿光标准值在整个生长过程中与氮肥的含量变化呈负相关关系，根据统计学原理，在数字图像处理技术中，可以利用该绿光标准值的变化范围来诊断苎麻生长过程中氮肥含量的情况[7-8]。为此，在苎麻的生长过程中记录了G/（R+G+B）绿光标准值与氮肥含量的关系，得出散点图2。

由图2中看出，不同时期的N肥施量情况影响G/（R+G+B）值的变化。根据经验，在0-50kg氮肥的情况下是属于缺素阶段，G/（R+G+B）值的变化范围在[0.43，0.45]区间，当G/（R+G+B）值的变化范围在小于0.43范围时，可诊断苎麻的氮肥含量充足或有施肥过量。综上，利用数字图像处理技术在提取苎麻叶片RGB值后，计算不同时期的G/（R+G+B）绿光标准值，然后依据其值的范围就可以推断出苎麻的缺氮情况。当绿光标准值在G/（R+G+B）>0.43时，诊断为缺氮;而G/（R+G+B）<0.43，供氮情况良好。

2.2 基于苎麻叶片RGB特征值的缺磷诊断

对不同时期磷肥含量的变化（见表1）数据值与苎麻叶片颜色特征值数据（见表2）进行相关性分析，得到表4。

表4中，不同时期的磷肥施量与R/（R+G+B）标准值有明显的负相关性，依据统计学原理，这表明R/（R+G+B）红光标准比值可以作为磷肥含量的诊断指标，同理，依据R/（R+G+B）标准比值随磷肥的含量变化建立散点图，推断出磷肥供应不足时R/（R+G+B）的范围区间，进行缺素诊断，散点图见图3。

由图3中可以看到，不同时期的P肥施量情况影响R/（R+G+B）值的变化，在0-50kg磷肥的情况下，属于缺素阶段，此时R/（R+G+B）值的变化范围在[0.34，0.37]区间，当R/（R+G+B）值的在小于0.34范围的时候，可以诊断苎麻的磷肥含量充足或有施肥过量的情况。综上，利用数字图像处理技术在提取苎麻叶片RGB值后，筛选出不同时期的R/（R+G+B）红光标准值，计算后依据其值的范围可以推断出苎麻的缺磷情况如何[8]。当红光标准值在R/（R+G+B）>0.34时，可以诊断为供磷不足时期，R/（R+G+B）<0.34时，可以诊断为供磷情况良好。