基于水稻叶片图像时空动态特征的氮磷钾营养诊断

摘要

数字图像处理与分析技术广泛应用于植物营养诊断研究，但现有方法和技术路线较多倾向于分析主要生育期的植物冠层及叶片信息，而对营养胁迫条件下叶片整体特征和局部特征时空演变规律的研究挖掘较少。分析叶片特征的时空变化情况，有助于对特异性症状的深入挖掘，使水稻营养胁迫的种类识别和定量诊断更具针对性，对提高数字化诊断效果具有十分重要的意义，目前鲜见相关研究。因此，本研究采用活体扫描方式（该方法既能保证图像的高精度又能实现标准化的获取）动态获取水稻叶片的数字图像，利用数字图像处理技术提取叶片整体与局部特征，并对其时空演变规律进行分析，比较其在不同氮磷钾营养水平下的差异性。在此基础上，对叶片动态特征进行量化和筛选，建立基于叶片动态特征的氮磷钾营养胁迫诊断规则及模型。主要内容及结论如下:
　　1.获取氮磷钾胁迫下水稻不同叶位叶片的时间序列图像
　　本研究中叶片数字图像数据分别于2014、2015、2016年通过活体扫描的方式获取。为研究叶片的时空动态特征，试验期内(移苗后第20天至第44天，DAT20-DAT44)对标记叶片进行每3天一次的图像采集，获取叶片的时间序列图像。考虑到营养胁迫对不同叶位叶片所造成的影响具有差异性，分别采集未完全展开叶（正在伸展中的新生叶片）、第一、第二、第三完全展开叶的图像信息，为后续动态分析及氮磷钾胁迫诊断模型的建立奠定基础。
　　2.氮磷钾营养胁迫下叶片形态和颜色的时空动态特征
　　叶片生长发育是一个动态过程，其形态和颜色是体现叶片动态的主要特征。在叶片形态指标中，本研究选取面积指标分析氮磷钾胁迫对叶片伸展和黄化过程的影响;在叶片颜色指标中，有针对性地选取不同的颜色指标（红蓝绿分量、深绿色颜色值、标准红光值）揭示氮磷钾胁迫下叶片颜色的变化情况。结果表明，氮、磷、钾含量越高，未完全展开叶面积增长越快（即叶片伸展速度越快）;完全展开叶颜色变化（叶色褪绿）越晚到达“终点”（即叶片褪绿衰老速度越慢）。此外，氮胁迫下未完全展开叶伸展速度最慢、完全展开叶衰老速度最快，磷胁迫次之，钾胁迫下叶片伸展速度相对最快、完全展开叶的衰老速度相对最慢。由此可见，氮胁迫对水稻叶片生长的影响最大，其次为磷胁迫和钾胁迫。
　　为将叶片的动态特征用于诊断模型的建立当中，本文按时间顺序以不同时间间隔计算叶片形态和颜色指标的相对生长率(RGR)，实现对叶片动态特征的量化，得到不同时间段的动态指标数据集（以3天为间隔的数据集:P1，P2...P7;以6天为间隔的数据集:P1'，P2'，P3'）;同时，为进一步提高叶片的识别效果，将动态指标数据集按照时间顺序进行组合，建立组合数据集。
　　3.基于叶片动态特征的氮磷钾营养胁迫种类识别
　　本研究采取先识别氮磷钾胁迫种类，再确定胁迫程度的诊断思路和技术路线。在氮磷钾胁迫种类识别中，首先采用逐步判别分析法(SDA)筛选有效特征组成最优特征集，再利用Fisher判别法和留一交叉验证法(LOO-CV)建立诊断模型并进行验证，揭示不同叶位叶片在胁迫种类识别中的有效性，确定最佳诊断时间及相应叶位。
　　特征筛选结果显示，不同叶位的最优特征集包含不同类型的动态指标（颜色指标、形态指标）。未完全展开叶的最优指标包括RGR（面积、周长、偏心率、主成分分析指数、标准红光值、绿光值）等，叶片伸展阶段的最优特征集包含形态指标和颜色指标，而叶片完全展开后的最优特征集则以颜色指标为主;第一、第二完全展开叶的最优特征集以颜色指标RGR（红光值、蓝光值、绿光值、标准红光值、kawashima指数）为主;第三完全展开叶的最优指标包括RGR（黄化面积、周长、长轴、蓝光值、主成分分析指数、黄化区域蓝光值）等，其中形态和颜色指标在各时间段最优特征集中均有体现。
　　叶片动态特征在氮磷钾胁迫识别中的有效性存在时间差异性，且不同叶位的识别效果也有所不同:未完全展开叶的动态特性主要体现在叶片的伸展阶段，完全展开后，其动态特性减弱，故总体识别精度呈下降趋势，最高识别精度出现在P1'数据集中(DAT26)，其训练精度为77.30％，验证精度为69.30％;第一、第二完全展开叶处于相对稳定的生长阶段，叶片动态特性较弱，因此识别效果欠佳，总体识别精度在50-60％;第三完全展开叶随水稻生长表现出越来越明显的黄化现象，叶片动态特征愈加显著，识别效果呈上升趋势，在DAT41（组合数据集P1-P7）时达到训练精度100.00％，验证精度95.00％。不同叶位叶片的识别结果表明，未完全展开叶和第三完全展开叶分别为试验前期和中后期的最佳诊断叶位，其中未完全展开叶的动态特征对提高早期营养诊断效果有重要价值。
　　4.基于叶片动态特征的氮磷钾营养胁迫程度的识别
　　本文在完成胁迫种类识别的基础上，对氮胁迫、磷胁迫、钾胁迫程度的识别做进一步研究。结果表明，氮胁迫、磷胁迫、钾胁迫程度识别中的最佳诊断叶位均为未完全展开叶和第三完全展开叶;试验前期，未完全展开叶的识别效果优于完全展开叶，而在试验中后期以第三完全展开叶的识别效果最佳。
　　氮胁迫下，叶片的伸展速度随着氮含量的升高而增加，叶片颜色也呈现不同程度的变化。特征筛选结果表明，叶片伸展阶段的有效指标以形态指标为主，完全展开后的有效指标则以颜色指标为主，最高识别精度出现在P1'数据集（DAT26时），其训练精度为69.80％，验证精度为61.90％;第三完全展开叶从叶尖开始黄化枯萎，并逐渐向叶基部扩展，故最优特征组合由能够表征叶片黄化速度、衰老速度的动态指标组成，包括RGR（面积、短轴、标准红光值、绿光值、黄化区域红光值）等，其组合数据集P1-P5(DAT35)在氮胁迫程度识别中取得研究期内的最高识别精度:训练精度100.00％，验证精度95.20％。
　　磷胁迫下，未完全展开叶的面积、叶长等特征的增长速度以及颜色变化速度随着磷含量的变化而改变。因此，未完全展开叶最优特征集主要包含RGR（面积、叶长、红光值、蓝光值、标准红光值）等，在DAT26时（P2和P1'数据集）诊断模型的训练精度达70％，验证精度达65％;随着水稻的生长，第三完全展开叶呈现褪绿、衰老现象，筛选后的最优特征集主要包括RGR（面积、周长、叶长、叶宽、黄化面积、标准红光值、绿光值）等指标，组合数据集P1-P6(DAT38)取得研究期内最高识别精度:训练精度100.00％，验证精度91.70％。
　　钾胁迫下，未完全展开叶的伸展速度随胁迫程度的加剧而降低，而第三完全展开叶颜色的褪绿速度随着胁迫的加剧而加快。经特征筛选，未完全展开叶的有效指标主要包括RGR（面积、周长、叶长、绿光值、蓝光值、标准红光值、主成分分析指数）等，第三完全展开叶的有效指标主要为RGR（面积、周长、黄化面积、红光值、主成分分析指数）等。利用未完全展开叶的动态特征在DAT26时（P1'数据集）训练精度达到78.70％，验证精度达到68.50％;而第三完全展开叶的组合数据集P1-P5(DAT35)识别精度达到训练精度100.00％，验证精度97.80％，为研究期内的最高识别精度。
　　综上所述，本研究依据植物营养生长机理及氮磷钾胁迫下所呈现的多种缺素症状，对叶片形态特征和颜色特征的时空变化规律进行深入挖掘，利用未完全展开叶伸展过程和第三完全展开叶黄化过程的动态特征，有效地实现了对氮磷钾胁迫种类和胁迫程度的识别，在研究思路与方法上有创新，诊断效果较前人研究也有一定的提升。

目录

声明

致谢

摘要

图目录

表目录

缩写及专业术语

1绪论

1．1研究背景和意义

1．1．1数字图像处理技术在营养诊断中的发展潜力

1．1．2数字化营养诊断研究的不足

1．1．3叶片动态特征在营养诊断中的有效性

1．1．4挖掘叶片动态特征的价值

1．2国内外研究现状

1．2．1数字化植物营养诊断研究

1．2．2作物动态分析研究

1．3研究思路、内容和目标

1．3．1研究思路

1．3．2研究内容

1．3．3研究目标

1．4技术路线

2试验设计与数据获取

2．1试验设计

2．2图像采集

3图像特征提取与数据处理

3．1图像预处理

3．1．1图像的增强

3．1．2去除图像背景

3．1．3叶片黄化部位分割

3．2特征提取

3．2．1颜色特征提取

3．2．2形态特征提取

3．3动态特征量化与动态指标集的建立

3．3．1动态特征量化

3．3．2建立动态指标数据集

3．4特征筛选方法

3．5营养胁迫种类及胁迫程度识别方法

4氮、磷、钾营养胁迫下叶片时空动态分析及胁迫种类识别

4．1前言

4．2材料与方法

4．2．1样本材料

4．2．2动态分析

4．2．3特征筛选及建模方法

4．3氮、磷、钾胁迫下叶片形态和颜色的时空动态分析

4．3．1未完全展开叶的时空动态分析

4．3．2完全展开叶的时空动态分析

4．4基于叶片动态特征的氮、磷、钾胁迫种类识别

4．4．1筛选最优特征集

4．4．2氮、磷、钾胁迫种类识别

4．5基于动态特征和静态特征的氮磷钾胁迫种类识别

4．5．1动态特征建模与静态特征建模效果对比

4．5．2“动静结合”识别氮磷钾胁迫

4．6结果讨论

4．6．1氮磷钾胁迫对水稻叶片动态生长的影响

4．6．2不同叶位叶片在氮磷钾胁迫识别中的有效性

4．7本章小结

5不同程度氮胁迫下叶片时空动态分析及胁迫程度识别

5．1前言

5．2材料与方法

5．3不同程度氮胁迫下叶片形态和颜色的时空动态分析

5．3．1未完全展开叶面积和RGB值的时空动态分析

5．3．2完全展开叶面积和RGB值的时空动态分析

5．4不同程度氮营养胁迫识别

5．4．1特征空间优化

5．4．2氮胁迫程度识别

5．5结果讨论

5．6本章小结

6不同程度磷胁迫下叶片时空动态分析及胁迫程度识别

6．1前言

6．2材料与方法

6．3不同程度磷胁迫下叶片形态和颜色的时空动态分析

6．3．1未完全展开叶对不同程度磷胁迫的动态响应

6．3．2完全展开叶对不同程度磷胁迫的动态响应

6．4不同程度磷营养胁迫识别

6．4．1筛选最优特征集

6．4．2磷胁迫程度识别

6．5结果讨论

6．6本章小结

7不同程度钾胁迫下叶片时空动态分析及胁迫程度识别

7．1前言

7．2材料与方法

7．3不同程度钾胁迫下叶片形态和颜色的时空动态分析

7．3．1未完全展开叶面积和DGCI值的时空动态分析

7．3．2完全展开叶面积和DGCI值的时空动态分析

7．3．3不同程度钾胁迫下叶片黄化部位动态分析

7．4不同程度钾营养胁迫识别

7．4．1筛选最优特征组合

7．4．2钾胁迫程度识别

7．5结果讨论

7．6本章小结

8结论、创新和展望

8．1结论

8．1．1不同氮磷钾营养水平下叶片的时空动态特征

8．1．2氮磷钾营养胁迫种类识别

8．1．3氮胁迫、磷胁迫、钾胁迫程度识别

8．2创新点

8．3展望

参考文献

论文发表情况