论文部分内容阅读
摘要 [目的]探讨数字图像技术对番茄钙素营养水平无损评估预测及诊断的可行性，明确该技术的最佳图像特征。[方法]2015年以番茄为材料进行钙素梯度（钙离子0、80、160 mg/L）试验。利用数码相机获取叶片数字图像数据，明确采集叶片钙素含量水平，确立了钙素营养参数模拟预测方程。同时建立了基于颜色特征R/G标准差和R/G阈值的叶片钙含量诊断模型。[结果]顶叶与侧2枝顶叶钙素含量实测值与预测值决定系数关键词 R2关键词 分别为0.853和0.902，均方根误差RMSE分别为0.128和0.016，基于阈值的诊断模型准确率超过80%。[结论]叶片颜色特征可以表征番茄苗期钙素营养水平，可为基于数字图像技术预测与诊断番茄苗期钙水平提供参考。
关键词 钙素胁迫;营养诊断;叶片钙含量
中图分类号S126文献标识码A文章编号0517-6611（2018）36-0192-04
土壤中钙元素含量充足，但由于高温、盐分等环境以及生物或矿质元素作用，栽培番茄常会出现生理性缺钙现象，从而导致叶绿素含量和叶绿素荧光性下降，出现叶片变黄、卷曲甚至生长点坏死等缺钙症状，并使产量和品质下降，发生脐腐病[1-3]。传统的农作物营养水平诊断方法主要是外观判别法和化学分析法。外观判别法需要丰富的田间经验，且诊断过程主观性强，容易发生误判现象。化学分析法需要破坏性采样，诊断耗时长。数字图像诊断技术通过获取作物植株的形态图像特征进行营养水平评估及施肥推荐，具有实时性和无损性[4-7]。徐贵力等[8]利用数字图像技术识别番茄苗期叶片是否缺素，发现RGB颜色模型中的蓝光分量标准偏差可以把正常番茄叶片和缺钾番茄叶片区分开，而红光分量与绿光分量的相关系数R/G可以把正常叶片和缺氮叶片、缺钾叶片分开。胡春华等[9]利用数字图像技术进行番茄缺素诊断研究，分别在RGB和HSI颜色模型中对缺氮、缺镁、缺铁与正常番茄叶片的彩色图像进行颜色特征分析，发现G/R和G/B的标准差能较好地区别缺镁、缺氮与正常番茄叶片，G/R与G/B的相关系数能将缺镁、缺氮和正常的番茄叶片区分开。李艳等[10]研究发现，在番茄的整个生育期内，叶片图像的G/B，R/B特征与叶片含氮量相关性显著，可以作为番茄氮营养水平诊断的可靠依据。吴雪梅等[11]研究发现正常番茄叶片和缺氮番茄叶片之间的G分量均值和H分量均值差异性较大。丁永军等[12]研究发现成熟期番茄叶片的颜色特征与全氮含量显著相关。迄今为止，直接将数码图像技术应用于番茄钙水平诊断的研究相对较少。目前已有基于数字图像技术的番茄钙营养状况研究[13-15]，然而缺乏图像特征与作物钙素生理指标之间关系的探讨。笔者拟探讨基于数字图像技术进行番茄钙素水平无损诊断的可行性，通过梯度试验获取番茄叶片数字化指标，与叶片图像颜色特征进行相关性分析，确定番茄钙素水平快速诊断的参数及方程模型，然后基于典型颜色指标进行钙素胁迫诊断，为番茄钙素水平无损诊断建立理论基础。
1材料与方法
1.1样本培育
采取無土栽培的方式培育番茄苗期样本，栽培试验于2015年7—11月在南京农业大学牌楼试验站（118°15′E，32°1′N）的玻璃温室内进行，供试番茄品种为上海蔬菜研究所培育的合作903[2]，该品种为自封顶有限生长型，适宜于全国各地春秋季设施栽培和露天栽培，对钙元素胁迫反应敏感。试验选用改进型霍格兰氏营养液，正常情况下，其钙离子浓度为160 mg/L，满足番茄植株生长对钙元素及其他元素的需求[16]。配制缺钙50%组营养液时，将正常的改进型霍格兰营养液中的四水硝酸钙含量扣除一半，损失的硝酸离子由相同摩尔数的硝酸钠补足;配制完全缺钙组营养液时，将正常的改进型霍格兰营养液中的四水硝酸钙完全去除，损失的硝酸离子由相同摩尔数的硝酸钠补足。缓苗期结束后，设3个处理组：健康组、50%缺钙组、完全缺钙组，每个处理10个重复（共60株）。
1.2图像数据采集与处理
用日本佳能公司生产的5DS单反数码相机采集番茄新叶（包括顶叶、侧1枝顶叶、侧1枝顶2叶、侧1枝顶3叶）、侧2枝5个叶位的叶片图像。在实验室暗室中采集图像，叶片平铺在A4白纸上，叶脉朝上。用三脚架将数码相机固定在叶片样本正上方，镜头距离叶片样本50 cm，在缓苗期后第5～30天每隔5 d取样1次。
图像色彩信息的获取采用Matlab2010软件，提取RGB和HIS颜色模型下统计类、均值类和线性组合类三大类51个色彩特征（表1）。
1.3钙素含量测定
番茄叶片用微波消解技术处理，然后利用电感耦合等离子体发射光谱仪（ICP-AES）法测定消解液中的钙含量。番茄叶片在烘箱105 ℃的环境中杀青30 min后，将温度降至80 ℃烘干。8 h后取出，放在干净的玻璃研磨皿中研磨至粉末状，称取干重后放入微波消解仪的内置管。每个内置管添加2 mL优级纯硝酸。将内置管放入微波消解仪，在150 ℃环境下消解15 min。微波消解结束后，将内置管取出冷却30 min，把消解液倒入15 mL容量瓶中定容至10 mL，再转移至10 mL离心管中。
2结果与分析
2.1不同钙素处理水平番茄苗期叶片颜色特征差异性分析
针对表1所示的颜色特征值，用SPSS对3个钙处理水平所有叶位叶片图像的同一个颜色特征数据进行单因素方差分析，并进行事后多重检验（Duncan’s检验）。结果表明，相对于均值类颜色特征，统计类颜色特征和线性组合类颜色特征能更好地反映不同钙素水平番茄叶片之间的差异性。G/B、S标准差、S、R/G标准差、R/G、R和G的相关系数14个颜色特征能让3个叶位的完全缺钙组叶片和健康组叶片间的差异水平达到显著，其中R/G标准差和R/G能够让4个叶位（侧1枝顶叶、侧1枝顶2叶、侧1枝顶3叶、侧2枝顶叶）的完全缺钙组叶片和健康组叶片间的差异性达到显著水平（关键词 P关键词 <0.05）。表2列出了差异性较大的6个颜色特征数据，与不同钙处理水平下番茄叶片钙含量之间差异性分析结果相一致。 2.2图像颜色特征与叶片钙含量的相关性分析
用SPSS对叶片图像的颜色特征数据（表1）和测定的叶片钙含量数据进行相关性分析，并对分析结果进行显著性检验。结果表明，R/G和G/B的相关系数、R/G和R/B的相关系数和侧2枝顶叶钙含量显著负相关，R和B的相关系数、G/B和番茄侧2枝顶叶钙含量低度相关，R/G标准差和R/G与侧2枝顶叶钙含量中度正相关。番茄新叶钙含量与叶片图像颜色特征的相关系数均小于0.5，且没有达到显著相关水平。其中，H和I相关系数、S和I相关系数、R/B、G/B、H和S相关系数、I标准差6个颜色特征和番茄新叶钙含量为低度相关。表3列出了上一节分析中能让3个叶位的完全缺钙组叶片和健康组叶片间的差异水平达到显著的14个颜色特征与钙含量的相关系数。
上述结果表明，应用数字图像技术进行番茄钙素营养的表征是可行的。不同钙水平处理使番茄叶片颜色不同，可基于叶片图像颜色特征构建番茄钙素营养指标预测模型和诊断模型，为番茄钙素营养的实时监测和定量研究提供参考。
2.3基于方程模型的番茄苗期钙营养水平检测
2.3.1模型构建。为进一步探讨基于叶片图像数字化指标进行番茄钙营养评估预测的可行性，采用线性回归方程模型分析其与苗期叶片钙素含量间的相关性。首先把筛选出的特征一一与钙含量做线性回归分析，发现基于单个特征的模型决定系数较低，且模型的方差分析关键词 F关键词 检验所对应的显著性Sig值均大于0.05。故增加建模参数，选取颜色特征中基于单个特征拟合度较高的9个特征[S、R/G、（R+G）/（R-G）、（R+G）/（R-B）、R/G标准差、G/B、（G+B）/（R-B）、S标准差、（R+B）/（G-B）]进行逐步线性回归建模，结果表明，当选取4个及以上特征时模型拟合度提高到0.8以上，且能通过关键词 F关键词 检验。
2.3.2模型验证。为了验证番茄钙素营养方程模型的适应性及准确性，用2015年相同培育方式的10月13日采集的试验数据进行验证，按照模型计算的叶片钙含量与实测值相比较，以决定系数（关键词 R关键词 。其中，均方根误差RMSE分别为0.016和0.128，预测结果精度较好，可用于苗期番茄叶片钙含量模型预测。
2.4基于阈值的番茄苗期钙营养水平诊断
2.4.1模型构建。植物营养学研究[3]表明，正常情况下，健康番茄的叶片钙含量为2.3%～10.0%。董彩霞等[16]在研究不同品种番茄对钙胁迫反应的敏感性时发现，健康的合作903品种番茄顶部叶片钙含量为4.6%～6.8%，故根据营养液配比可以判定该研究中缺钙处理15 d后完全缺钙组叶片处于钙营养亏缺水平，缺钙处理15 d前的完全缺钙组叶片和整个试验阶段（苗期）的健康组、缺钙50%组番茄叶片处于钙营养正常水平。试验表明番茄叶片钙含量与品种及叶位有关，表4是试验期间测定的钙含量。研究采集的叶片样本中，顶叶处于茎部的顶端，侧1枝的3个叶位紧靠顶叶，所测定的完全缺钙组新叶钙含量也高于完全缺鈣组侧2枝顶叶的钙含量。即使是在缺钙处理20 d后，所有番茄叶片样本均已产生明显的缺钙症状，完全缺钙组番茄新叶的钙含量仍超过2.2%，因此无法根据叶片钙含量来确定番茄新叶的钙营养水平，即不能利用颜色特征阈值方法进行番茄新叶钙营养水平的诊断，且R/G标准差、R/G、G/B和番茄新叶钙含量的相关系数相对较低，所以研究最终选择番茄侧2枝顶叶作为番茄苗期钙营养水平诊断的叶位。
前面差异性和相关性结果表明，R/G标准差值和R/G值既是不同钙水平番茄叶片之间差异性显著的特征，能反映不同钙处理水平叶片颜色的变化趋势，也与叶片钙含量显著相关，可以作为诊断番茄苗期叶片钙营养水平的依据。利用R/G标准差值和R/G值对番茄侧2枝顶叶钙素水平进行诊断，方法如下：以R/G标准差值为例，健康组R/G标准差值范围为0.31～0.41，均值为0.34;缺钙50%组R/G标准差值的范围为0.31～0.39，均值为0.32;完全缺钙组R/G标准差值的范围为0.04～0.31，均值为0.12。3组叶片图像的R/G标准差值分布如图2所示，从图中可以明显看出健康组R/G特征值和缺钙50%组R/G特征值互相混合，不容易区分;而完全缺钙组R/G标准差值明显小于健康组和缺钙50%组，且差别明显。因此，根据番茄侧2枝顶叶的R/G标准差值分布范围，取R/G标准差值为0.20，将番茄叶片分为2类，位于上半部分的为健康状态（非钙素亏缺）叶片，位于下半部分的为钙营养亏缺状态叶片。
利用侧2枝顶叶的R/G标准差、R/G分布情况提取的阈值，都能够很容易地将完全缺钙组番茄叶片与其他2组番茄叶片区分开，区分正确率均为91.6%。因此R/G标准差=0.20，R/G=0.96可以作为番茄侧2枝顶叶钙营养水平诊断的指标（表5）。
2.4.2模型验证。将10月13日采集的15个侧2枝顶叶叶片作为验证样本集，测定验证集样本叶片的钙含量并提取其图像的R/G标准差值和R/G值，试验数据分析结果表明，验证集样本叶片钙含量为1.50%～1.91%，均处于钙营养亏缺状态。15个叶片的R/G标准差值均小于0.20，12个叶片的R/G值大于0.96，利用R/G标准差值阈值和R/G阈值对验证集叶片钙营养水平的诊断正确率都超过了80%。
3结论
该研究采用梯度试验，探讨了基于数字图像特征检测并诊断番茄苗期钙素水平的可行性，分析了番茄苗期叶片图像颜色指标与叶片钙含量之间的关系，通过试验建立了基于数字图像G/B、R/G、R/G标准差值和S值的叶片钙含量预测模型，并用2015年的试验数据进行反演验证，顶叶与侧2枝顶叶钙含量实测值与预测值的决定系数关键词 关键词 分别为0.853和0.907，均方根误差RMSE分别为0.128和0.013，预测结果精度较好。通过差异性和相关性分析，建立了基于颜色特征R/G和R/G标准差阈值的钙素诊断模型，用于判断番茄植株是否受钙素胁迫，诊断准确率为80%以上，试验验证结果与植物营养学研究成果一致。研究成果可为番茄钙素营养无损诊断研究提供理论基础。 不同品种、不同生育期番茄钙素营养诊断的图像特征参数可能不同，普适性和规律性更强的预测与诊断模型是下一步研究工作的重点。
参考文献
[1] 王久兴.蔬菜无土栽培实用技术[M].北京：中国农业大学出版社，2009：281-288.
[2] 马跃.氮磷钾配比对温室番茄生长、产量和品质的影響[D].北京：中国农业科学院，2010.
[3] 李会远.番茄无公害标准化栽培技术[M].北京：化学工业出版社，2009：149-166.
[4] 何勇，彭继宇，刘飞，等.基于光谱和成像技术的作物养分生理信息快速检测研究进展[J].农业工程学报，2015，31（3）：174-189.
[5] 张立周，侯晓宇，张玉铭，等.数字图像诊断技术在冬小麦氮素营养诊断中的应用[J].中国生态农业学报，2011，19（5）：1168-1174.
[6] 王远，王德建，张刚.基于数码相机的水稻氮素营养诊断[J].中国农学通报，2012，28（24）：111-117.
[7] 石媛媛.基于数字图像的水稻氮磷钾营养诊断与建模研究[D].杭州：浙江大学，2011.
[8] 徐贵力，毛罕平，李萍萍.缺素叶片彩色图像颜色特征提取的研究[J].农业工程学报，2002，18（4）：150-154.
[9] 胡春华，李萍萍.计算机图像处理在缺素叶片颜色特征识别方面的应用[J].计算机测量与控制，2004，12（9）：859-862.
[10] 李艳.加工番茄氮素营养快速诊断方法的研究[D].石河子：石河子大学，2007.
[11] 吴雪梅.基于计算机视觉的番茄营养元素亏缺识别研究[D].镇江：江苏大学，2004.
[12] 丁永军，李民赞，孙红，等.基于多光谱图像技术的番茄营养素诊断模型[J].农业工程学报，2012，28（8）：175-180.
[13] 张作贵.自然光照条件下基于机器视觉的番茄缺素的智能诊断研究[D].镇江：江苏大学，2005.
[14] 毛罕平，徐贵力，李萍萍，等.番茄缺素叶片的图像特征提取和优化选择研究[J].农业工程学报，2003，19（2）：133-136.
[15] 吴艳，洪明，孟晓艳.基于RGB颜色模型的核桃缺素症判别方法[J].北华大学学报（自然科学版），2013，14（4）：493-496.
[16] 董彩霞，周健民，段增强，等.不同番茄品种苗期对缺钙胁迫的反应[J].中国蔬菜，2002（2）：12-14.
关键词 钙素胁迫;营养诊断;叶片钙含量
中图分类号S126文献标识码A文章编号0517-6611（2018）36-0192-04
土壤中钙元素含量充足，但由于高温、盐分等环境以及生物或矿质元素作用，栽培番茄常会出现生理性缺钙现象，从而导致叶绿素含量和叶绿素荧光性下降，出现叶片变黄、卷曲甚至生长点坏死等缺钙症状，并使产量和品质下降，发生脐腐病[1-3]。传统的农作物营养水平诊断方法主要是外观判别法和化学分析法。外观判别法需要丰富的田间经验，且诊断过程主观性强，容易发生误判现象。化学分析法需要破坏性采样，诊断耗时长。数字图像诊断技术通过获取作物植株的形态图像特征进行营养水平评估及施肥推荐，具有实时性和无损性[4-7]。徐贵力等[8]利用数字图像技术识别番茄苗期叶片是否缺素，发现RGB颜色模型中的蓝光分量标准偏差可以把正常番茄叶片和缺钾番茄叶片区分开，而红光分量与绿光分量的相关系数R/G可以把正常叶片和缺氮叶片、缺钾叶片分开。胡春华等[9]利用数字图像技术进行番茄缺素诊断研究，分别在RGB和HSI颜色模型中对缺氮、缺镁、缺铁与正常番茄叶片的彩色图像进行颜色特征分析，发现G/R和G/B的标准差能较好地区别缺镁、缺氮与正常番茄叶片，G/R与G/B的相关系数能将缺镁、缺氮和正常的番茄叶片区分开。李艳等[10]研究发现，在番茄的整个生育期内，叶片图像的G/B，R/B特征与叶片含氮量相关性显著，可以作为番茄氮营养水平诊断的可靠依据。吴雪梅等[11]研究发现正常番茄叶片和缺氮番茄叶片之间的G分量均值和H分量均值差异性较大。丁永军等[12]研究发现成熟期番茄叶片的颜色特征与全氮含量显著相关。迄今为止，直接将数码图像技术应用于番茄钙水平诊断的研究相对较少。目前已有基于数字图像技术的番茄钙营养状况研究[13-15]，然而缺乏图像特征与作物钙素生理指标之间关系的探讨。笔者拟探讨基于数字图像技术进行番茄钙素水平无损诊断的可行性，通过梯度试验获取番茄叶片数字化指标，与叶片图像颜色特征进行相关性分析，确定番茄钙素水平快速诊断的参数及方程模型，然后基于典型颜色指标进行钙素胁迫诊断，为番茄钙素水平无损诊断建立理论基础。
1材料与方法
1.1样本培育
采取無土栽培的方式培育番茄苗期样本，栽培试验于2015年7—11月在南京农业大学牌楼试验站（118°15′E，32°1′N）的玻璃温室内进行，供试番茄品种为上海蔬菜研究所培育的合作903[2]，该品种为自封顶有限生长型，适宜于全国各地春秋季设施栽培和露天栽培，对钙元素胁迫反应敏感。试验选用改进型霍格兰氏营养液，正常情况下，其钙离子浓度为160 mg/L，满足番茄植株生长对钙元素及其他元素的需求[16]。配制缺钙50%组营养液时，将正常的改进型霍格兰营养液中的四水硝酸钙含量扣除一半，损失的硝酸离子由相同摩尔数的硝酸钠补足;配制完全缺钙组营养液时，将正常的改进型霍格兰营养液中的四水硝酸钙完全去除，损失的硝酸离子由相同摩尔数的硝酸钠补足。缓苗期结束后，设3个处理组：健康组、50%缺钙组、完全缺钙组，每个处理10个重复（共60株）。
1.2图像数据采集与处理
用日本佳能公司生产的5DS单反数码相机采集番茄新叶（包括顶叶、侧1枝顶叶、侧1枝顶2叶、侧1枝顶3叶）、侧2枝5个叶位的叶片图像。在实验室暗室中采集图像，叶片平铺在A4白纸上，叶脉朝上。用三脚架将数码相机固定在叶片样本正上方，镜头距离叶片样本50 cm，在缓苗期后第5～30天每隔5 d取样1次。
图像色彩信息的获取采用Matlab2010软件，提取RGB和HIS颜色模型下统计类、均值类和线性组合类三大类51个色彩特征（表1）。
1.3钙素含量测定
番茄叶片用微波消解技术处理，然后利用电感耦合等离子体发射光谱仪（ICP-AES）法测定消解液中的钙含量。番茄叶片在烘箱105 ℃的环境中杀青30 min后，将温度降至80 ℃烘干。8 h后取出，放在干净的玻璃研磨皿中研磨至粉末状，称取干重后放入微波消解仪的内置管。每个内置管添加2 mL优级纯硝酸。将内置管放入微波消解仪，在150 ℃环境下消解15 min。微波消解结束后，将内置管取出冷却30 min，把消解液倒入15 mL容量瓶中定容至10 mL，再转移至10 mL离心管中。
2结果与分析
2.1不同钙素处理水平番茄苗期叶片颜色特征差异性分析
针对表1所示的颜色特征值，用SPSS对3个钙处理水平所有叶位叶片图像的同一个颜色特征数据进行单因素方差分析，并进行事后多重检验（Duncan’s检验）。结果表明，相对于均值类颜色特征，统计类颜色特征和线性组合类颜色特征能更好地反映不同钙素水平番茄叶片之间的差异性。G/B、S标准差、S、R/G标准差、R/G、R和G的相关系数14个颜色特征能让3个叶位的完全缺钙组叶片和健康组叶片间的差异水平达到显著，其中R/G标准差和R/G能够让4个叶位（侧1枝顶叶、侧1枝顶2叶、侧1枝顶3叶、侧2枝顶叶）的完全缺钙组叶片和健康组叶片间的差异性达到显著水平（关键词 P关键词 <0.05）。表2列出了差异性较大的6个颜色特征数据，与不同钙处理水平下番茄叶片钙含量之间差异性分析结果相一致。 2.2图像颜色特征与叶片钙含量的相关性分析
用SPSS对叶片图像的颜色特征数据（表1）和测定的叶片钙含量数据进行相关性分析，并对分析结果进行显著性检验。结果表明，R/G和G/B的相关系数、R/G和R/B的相关系数和侧2枝顶叶钙含量显著负相关，R和B的相关系数、G/B和番茄侧2枝顶叶钙含量低度相关，R/G标准差和R/G与侧2枝顶叶钙含量中度正相关。番茄新叶钙含量与叶片图像颜色特征的相关系数均小于0.5，且没有达到显著相关水平。其中，H和I相关系数、S和I相关系数、R/B、G/B、H和S相关系数、I标准差6个颜色特征和番茄新叶钙含量为低度相关。表3列出了上一节分析中能让3个叶位的完全缺钙组叶片和健康组叶片间的差异水平达到显著的14个颜色特征与钙含量的相关系数。
上述结果表明，应用数字图像技术进行番茄钙素营养的表征是可行的。不同钙水平处理使番茄叶片颜色不同，可基于叶片图像颜色特征构建番茄钙素营养指标预测模型和诊断模型，为番茄钙素营养的实时监测和定量研究提供参考。
2.3基于方程模型的番茄苗期钙营养水平检测
2.3.1模型构建。为进一步探讨基于叶片图像数字化指标进行番茄钙营养评估预测的可行性，采用线性回归方程模型分析其与苗期叶片钙素含量间的相关性。首先把筛选出的特征一一与钙含量做线性回归分析，发现基于单个特征的模型决定系数较低，且模型的方差分析关键词 F关键词 检验所对应的显著性Sig值均大于0.05。故增加建模参数，选取颜色特征中基于单个特征拟合度较高的9个特征[S、R/G、（R+G）/（R-G）、（R+G）/（R-B）、R/G标准差、G/B、（G+B）/（R-B）、S标准差、（R+B）/（G-B）]进行逐步线性回归建模，结果表明，当选取4个及以上特征时模型拟合度提高到0.8以上，且能通过关键词 F关键词 检验。
2.3.2模型验证。为了验证番茄钙素营养方程模型的适应性及准确性，用2015年相同培育方式的10月13日采集的试验数据进行验证，按照模型计算的叶片钙含量与实测值相比较，以决定系数（关键词 R关键词 。其中，均方根误差RMSE分别为0.016和0.128，预测结果精度较好，可用于苗期番茄叶片钙含量模型预测。
2.4基于阈值的番茄苗期钙营养水平诊断
2.4.1模型构建。植物营养学研究[3]表明，正常情况下，健康番茄的叶片钙含量为2.3%～10.0%。董彩霞等[16]在研究不同品种番茄对钙胁迫反应的敏感性时发现，健康的合作903品种番茄顶部叶片钙含量为4.6%～6.8%，故根据营养液配比可以判定该研究中缺钙处理15 d后完全缺钙组叶片处于钙营养亏缺水平，缺钙处理15 d前的完全缺钙组叶片和整个试验阶段（苗期）的健康组、缺钙50%组番茄叶片处于钙营养正常水平。试验表明番茄叶片钙含量与品种及叶位有关，表4是试验期间测定的钙含量。研究采集的叶片样本中，顶叶处于茎部的顶端，侧1枝的3个叶位紧靠顶叶，所测定的完全缺钙组新叶钙含量也高于完全缺鈣组侧2枝顶叶的钙含量。即使是在缺钙处理20 d后，所有番茄叶片样本均已产生明显的缺钙症状，完全缺钙组番茄新叶的钙含量仍超过2.2%，因此无法根据叶片钙含量来确定番茄新叶的钙营养水平，即不能利用颜色特征阈值方法进行番茄新叶钙营养水平的诊断，且R/G标准差、R/G、G/B和番茄新叶钙含量的相关系数相对较低，所以研究最终选择番茄侧2枝顶叶作为番茄苗期钙营养水平诊断的叶位。
前面差异性和相关性结果表明，R/G标准差值和R/G值既是不同钙水平番茄叶片之间差异性显著的特征，能反映不同钙处理水平叶片颜色的变化趋势，也与叶片钙含量显著相关，可以作为诊断番茄苗期叶片钙营养水平的依据。利用R/G标准差值和R/G值对番茄侧2枝顶叶钙素水平进行诊断，方法如下：以R/G标准差值为例，健康组R/G标准差值范围为0.31～0.41，均值为0.34;缺钙50%组R/G标准差值的范围为0.31～0.39，均值为0.32;完全缺钙组R/G标准差值的范围为0.04～0.31，均值为0.12。3组叶片图像的R/G标准差值分布如图2所示，从图中可以明显看出健康组R/G特征值和缺钙50%组R/G特征值互相混合，不容易区分;而完全缺钙组R/G标准差值明显小于健康组和缺钙50%组，且差别明显。因此，根据番茄侧2枝顶叶的R/G标准差值分布范围，取R/G标准差值为0.20，将番茄叶片分为2类，位于上半部分的为健康状态（非钙素亏缺）叶片，位于下半部分的为钙营养亏缺状态叶片。
利用侧2枝顶叶的R/G标准差、R/G分布情况提取的阈值，都能够很容易地将完全缺钙组番茄叶片与其他2组番茄叶片区分开，区分正确率均为91.6%。因此R/G标准差=0.20，R/G=0.96可以作为番茄侧2枝顶叶钙营养水平诊断的指标（表5）。
2.4.2模型验证。将10月13日采集的15个侧2枝顶叶叶片作为验证样本集，测定验证集样本叶片的钙含量并提取其图像的R/G标准差值和R/G值，试验数据分析结果表明，验证集样本叶片钙含量为1.50%～1.91%，均处于钙营养亏缺状态。15个叶片的R/G标准差值均小于0.20，12个叶片的R/G值大于0.96，利用R/G标准差值阈值和R/G阈值对验证集叶片钙营养水平的诊断正确率都超过了80%。
3结论
该研究采用梯度试验，探讨了基于数字图像特征检测并诊断番茄苗期钙素水平的可行性，分析了番茄苗期叶片图像颜色指标与叶片钙含量之间的关系，通过试验建立了基于数字图像G/B、R/G、R/G标准差值和S值的叶片钙含量预测模型，并用2015年的试验数据进行反演验证，顶叶与侧2枝顶叶钙含量实测值与预测值的决定系数关键词 关键词 分别为0.853和0.907，均方根误差RMSE分别为0.128和0.013，预测结果精度较好。通过差异性和相关性分析，建立了基于颜色特征R/G和R/G标准差阈值的钙素诊断模型，用于判断番茄植株是否受钙素胁迫，诊断准确率为80%以上，试验验证结果与植物营养学研究成果一致。研究成果可为番茄钙素营养无损诊断研究提供理论基础。 不同品种、不同生育期番茄钙素营养诊断的图像特征参数可能不同，普适性和规律性更强的预测与诊断模型是下一步研究工作的重点。
参考文献
[1] 王久兴.蔬菜无土栽培实用技术[M].北京：中国农业大学出版社，2009：281-288.
[2] 马跃.氮磷钾配比对温室番茄生长、产量和品质的影響[D].北京：中国农业科学院，2010.
[3] 李会远.番茄无公害标准化栽培技术[M].北京：化学工业出版社，2009：149-166.
[4] 何勇，彭继宇，刘飞，等.基于光谱和成像技术的作物养分生理信息快速检测研究进展[J].农业工程学报，2015，31（3）：174-189.
[5] 张立周，侯晓宇，张玉铭，等.数字图像诊断技术在冬小麦氮素营养诊断中的应用[J].中国生态农业学报，2011，19（5）：1168-1174.
[6] 王远，王德建，张刚.基于数码相机的水稻氮素营养诊断[J].中国农学通报，2012，28（24）：111-117.
[7] 石媛媛.基于数字图像的水稻氮磷钾营养诊断与建模研究[D].杭州：浙江大学，2011.
[8] 徐贵力，毛罕平，李萍萍.缺素叶片彩色图像颜色特征提取的研究[J].农业工程学报，2002，18（4）：150-154.
[9] 胡春华，李萍萍.计算机图像处理在缺素叶片颜色特征识别方面的应用[J].计算机测量与控制，2004，12（9）：859-862.
[10] 李艳.加工番茄氮素营养快速诊断方法的研究[D].石河子：石河子大学，2007.
[11] 吴雪梅.基于计算机视觉的番茄营养元素亏缺识别研究[D].镇江：江苏大学，2004.
[12] 丁永军，李民赞，孙红，等.基于多光谱图像技术的番茄营养素诊断模型[J].农业工程学报，2012，28（8）：175-180.
[13] 张作贵.自然光照条件下基于机器视觉的番茄缺素的智能诊断研究[D].镇江：江苏大学，2005.
[14] 毛罕平，徐贵力，李萍萍，等.番茄缺素叶片的图像特征提取和优化选择研究[J].农业工程学报，2003，19（2）：133-136.
[15] 吴艳，洪明，孟晓艳.基于RGB颜色模型的核桃缺素症判别方法[J].北华大学学报（自然科学版），2013，14（4）：493-496.
[16] 董彩霞，周健民，段增强，等.不同番茄品种苗期对缺钙胁迫的反应[J].中国蔬菜，2002（2）：12-14.