易時(shí)來(lái) ，鄧 烈，何紹蘭，鄭永強(qiáng)，姚珍珍，韋獻(xiàn)果，李松偉，簡(jiǎn)水仙

(1西南大學(xué)柑桔研究所，重慶400712;2中國(guó)農(nóng)業(yè)科學(xué)院柑桔研究所，重慶400712;3西南大學(xué)園藝園林學(xué)院，重慶400715)

在所有營(yíng)養(yǎng)元素中，氮素對(duì)作物生長(zhǎng)發(fā)育和產(chǎn)量的影響最大，施用量也最大。氮素診斷是植物營(yíng)養(yǎng)診斷的核心［1］。氮肥過(guò)量或不足都會(huì)對(duì)柑橘品質(zhì)產(chǎn)生不利影響，適量施氮是提高柑橘品質(zhì)的關(guān)鍵［2］。近年來(lái)，柑橘果園呈規(guī)模化、集約化發(fā)展態(tài)勢(shì)，加之農(nóng)村勞動(dòng)力缺乏，大規(guī)模柑橘果園施肥很難做到精細(xì)化和合理化，因而柑橘施肥具有隨意性、盲目性，特別是氮肥撒施、表施等不科學(xué)施用，往往導(dǎo)致柑橘產(chǎn)量低、品質(zhì)差，同時(shí)養(yǎng)分流失給水體污染帶來(lái)潛在隱患。而柑橘傳統(tǒng)氮肥施用主要采用田間大量取樣與實(shí)驗(yàn)室化驗(yàn)等手段進(jìn)行，費(fèi)時(shí)費(fèi)工、時(shí)效性差，且不能滿足大面積柑橘基地的推廣應(yīng)用。因此，尋找氮素實(shí)時(shí)監(jiān)測(cè)與準(zhǔn)確快速診斷技術(shù)是實(shí)現(xiàn)柑橘科學(xué)合理施肥的前提。

葉片是作物最重要的器官之一，它的狀態(tài)能夠從不同角度反應(yīng)植株的生長(zhǎng)狀況，而葉色是其重要的指標(biāo)之一。作物顏色的變化實(shí)質(zhì)上是植物體內(nèi)葉綠素濃度的變化，而氮是葉綠素的主要組成成分，葉綠素濃度與氮素含量之間有密切的關(guān)系，通過(guò)葉片色澤提供的信息能夠了解植株氮素營(yíng)養(yǎng)狀況［3］。近年來(lái)，作物無(wú)損測(cè)試診斷技術(shù)迅速發(fā)展，利用數(shù)字圖像技術(shù)在氮素營(yíng)養(yǎng)診斷中更受到研究者的關(guān)注［4］，近年來(lái)的研究取得了新的進(jìn)展，使利用作物葉色進(jìn)行定量診斷成為可能。

國(guó)外學(xué)者通過(guò)數(shù)字圖像對(duì)其相關(guān)植物進(jìn)行了氮素營(yíng)養(yǎng)指標(biāo)相關(guān)性分析［5，6］。我國(guó)近年來(lái)也有相關(guān)報(bào)道，但目前此類研究主要集中在水稻［7，8］、小麥［9，10］、棉花［11－13］、玉米［14］、黃瓜［15，16］、馬鈴薯［17］、草莓［18］等糧食、蔬菜及少數(shù)水果作物上，通過(guò)采用不同手段將數(shù)字圖像參數(shù)與不同作物的氮素營(yíng)養(yǎng)狀況進(jìn)行相關(guān)分析，均表明應(yīng)用數(shù)字圖像技術(shù)可用來(lái)評(píng)價(jià)田間作物氮素營(yíng)養(yǎng)狀況，為計(jì)算機(jī)視覺(jué)圖像處理技術(shù)的農(nóng)作物氮素監(jiān)測(cè)應(yīng)用奠定了理論基礎(chǔ)。

在最大宗水果作物的柑橘作物上，有關(guān)數(shù)字圖像技術(shù)的氮素監(jiān)測(cè)研究鮮有報(bào)道。本試驗(yàn)利用多光譜相機(jī)MS3100獲取不同氮素供應(yīng)水平下的蓬安100號(hào)錦橙葉片圖像，建立了柑橘葉片氮素監(jiān)測(cè)的數(shù)字圖像技術(shù)，為柑橘氮素營(yíng)養(yǎng)的實(shí)時(shí)監(jiān)測(cè)與快速診斷提供依據(jù)，也為規(guī)?；?、集約化柑橘基地果園的氮素快速監(jiān)測(cè)診斷與氮肥科學(xué)施用提供技術(shù)支持。

1 材料與方法

1.1 試驗(yàn)設(shè)計(jì)

試驗(yàn)設(shè)在重慶市北碚區(qū)歇馬鎮(zhèn)中國(guó)農(nóng)業(yè)科學(xué)院柑桔研究所盆栽場(chǎng)。供試柑橘品種為單系枳(Poncirous trifoliate)砧蓬安100號(hào)錦橙(Citrus SinensisL．cv．Jincheng)。苗木于2007年9月嫁接，2008年4月5日選擇剛萌發(fā)展開2片幼葉的植株，定植于上頂直徑×高×下底直徑為46 cm×46 cm×30 cm的近圓柱體盆缽中，每缽1株，共112株。每缽裝土66 kg，土壤為河床沖積沙土，pH值8.04，有機(jī)質(zhì)1.54 g/kg，全氮0.83 g/kg，全磷(P)0.40 g/kg，全鉀(K)12.6 g/kg，堿解氮 56.64 mg/kg，速效磷(P)9.75 mg/kg，有效鉀(K)60 mg/kg。

試驗(yàn)苗共112株，從2008～2010年進(jìn)行過(guò)不同氮鉀施肥處理。氮、鉀均設(shè)置N0(K0)、N1(K1)、N2(K2)、N3(K3)、N4(K4)等5 個(gè)水平，2008、2009 年氮(以尿素計(jì))、鉀(以硫酸鉀計(jì))施用量每年分別為0、30、75、90、120 g/plant;2010 年氮、鉀施用量分別為 0、50、100、150、200 g/plant。將每年的肥料用量平均分3次分別在春梢、夏梢和秋梢萌動(dòng)時(shí)追肥施用。氮肥施尿素，含 N 46.7%;鉀肥施硫酸鉀，含K2O 50%。磷肥用過(guò)磷酸鈣(含P2O512%)，各處理用量3年均一致，均為25 g/plant，每年春梢萌動(dòng)前進(jìn)行基肥施用。由于有5株苗出現(xiàn)異常，因此，本實(shí)驗(yàn)樣本實(shí)際數(shù)為107株(單株為一重復(fù))。于2010年11月單株采集葉片20片/樣，隨機(jī)選取80個(gè)樣品組成建模集樣本，剩余的27個(gè)葉片樣組成檢驗(yàn)集樣本，所有樣本葉片均進(jìn)行圖像采集和氮含量檢測(cè)。

1.2 試驗(yàn)方法

1.2.1 圖像獲取與處理 錦橙葉片樣本經(jīng)清洗、擦干等前處理后，逐一編號(hào)，利用MS3100多光譜成像儀(Duncan technologies，Inc．，CAD，USA)在暗室內(nèi)逐一進(jìn)行葉片圖像采集。成像時(shí)鏡頭垂直俯視目標(biāo)樣品，使鏡頭視野均能覆蓋整個(gè)葉片樣品。光源放置在鏡頭兩側(cè)相對(duì)的方向，使其距離樣品均為30 cm。以鏡頭光圈調(diào)節(jié)為“16”刻度，3個(gè)電荷耦合器件(Charge coupled device，CCD)能量均設(shè)置為6.0。在兩個(gè)14.5V鹵素?zé)艄庠赐瑯庸鈴?qiáng)條件下，對(duì)每個(gè)樣品葉片的中心位置獲取圖像。獲取圖像為1392×1040象素，3通道(R、G、B)8位。圖像TIFF格式保存。

根據(jù)色度學(xué)理論，任何顏色都可由紅(R)、綠(G)、藍(lán)(B)3種基本顏色按不同比例和強(qiáng)度的混合來(lái)表示，RGB被稱為色光的三原色，其取值范圍均為0～255。計(jì)算機(jī)圖像處理技術(shù)中顏色量化的最常用手段是用顏色直方圖(Color histogram)來(lái)表達(dá)顏色特征。顏色直方圖是顏色信息的函數(shù)，它表示圖像中具有同顏色級(jí)別的像素的個(gè)數(shù)，其橫坐標(biāo)是顏色級(jí)別，縱坐標(biāo)是顏色出現(xiàn)的頻率(像素的個(gè)數(shù))。在Adobe Photoshop圖像處理軟件中，提取顏色直方圖信息，包括R、G、B三個(gè)單色通道和由RGB 3個(gè)單色通道組合成的復(fù)合通道分別對(duì)應(yīng)的R直方圖、G直方圖、B直方圖和亮度直方圖，圖像的顏色特征信息由這些直方圖直接獲取。色度系統(tǒng)中常用R、G、B的比例值r、g、b表示色度坐標(biāo)，且r+g+b=1，r=R/(R+G+B)，g=G/(R+G+B)，b=B/(R+G+B)。

1.2.2 氮素分析 圖像采集后的蓬安100號(hào)錦橙葉片置于105℃烘箱中殺青0.5 h，以70℃恒溫烘干，粉碎、過(guò)篩后用密封袋保存，放置干燥器中備用。葉片氮含量采用半微量凱式定氮法測(cè)定［19］。蓬安100號(hào)錦橙建模集和檢驗(yàn)集樣本的葉片氮含量分析結(jié)果如表1所示。

表1 蓬安100號(hào)錦橙葉片氮含量分析Table1 The analysis of nitrogen contents of Peng’an 100 Jincheng leaves

1.2.3 數(shù)據(jù)處理 數(shù)據(jù)分析采用Adobe Photoshop、Microsoft Office Excel 2007 和 SigmaPlot．v10.0 軟件進(jìn)行。

2 結(jié)果與分析

2.1 蓬安100號(hào)錦橙葉片圖像色彩參數(shù)與氮含量的相關(guān)性

隨機(jī)抽取的80個(gè)建模樣本葉片圖像R、G、B通道及各種形式變換處理后的色彩參數(shù)值與葉片氮含量的相關(guān)性如表2所示。表2可以看出，葉片氮含量與R、G、B通道及RGB模式下的色彩參數(shù)值相關(guān)系數(shù)較低，而與G/R、G/B等各種變換形式值的相關(guān)性較好。除色彩參數(shù)R、B、b-R、RGB相關(guān)性較差外，其余各色彩參數(shù)的相關(guān)性均呈極顯著相關(guān)關(guān)系，其中 G/B、G －B、G/(R+B)、(G － B)/(G+B)、g、g-b等6個(gè)圖像色彩參數(shù)與葉片氮含量的相關(guān)性絕對(duì)值均在0.65以上，且達(dá)極顯著相關(guān)關(guān)系(n=80，r0.05=0.217，r0.01=0.283)。

2.2 蓬安100號(hào)錦橙葉片氮含量監(jiān)測(cè)回歸模型

對(duì)隨機(jī)抽取的80個(gè)建模樣本，選取與氮含量呈極顯著相關(guān)，且相關(guān)系數(shù)在0.65以上的6個(gè)圖像顏色參數(shù) G/B、G －B、G/(R+B)、(G －B)/(G+B)、g、g-b值，建立基于圖像顏色參數(shù)信息的氮含量監(jiān)測(cè)回歸模型，獲得顏色特征參數(shù)與蓬安100號(hào)錦橙葉片氮含量之間的擬合回歸方程、決定系數(shù)(R2)如表3所示。各圖像色彩參數(shù)的氮含量監(jiān)測(cè)模型最佳擬合方程為冪函數(shù)或指數(shù)函數(shù)，且決定系數(shù)R2基本都為0.55。

2.3 監(jiān)測(cè)模型檢驗(yàn)

用檢驗(yàn)集的27個(gè)樣本對(duì)建立的監(jiān)測(cè)回歸模型進(jìn)行檢驗(yàn)，各圖像色彩參數(shù)的氮含量監(jiān)測(cè)結(jié)果與化學(xué)實(shí)測(cè)結(jié)果相關(guān)系數(shù)如圖1所示。6個(gè)圖像色彩參數(shù)G/B、G －B、G/(R+B)、(G －B)/(G+B)、g、g-b構(gòu)建的回歸模型，其氮含量監(jiān)測(cè)值與實(shí)測(cè)值的相關(guān)系數(shù)均在0.75以上，達(dá)極顯著相關(guān)關(guān)系(n=27，r0.05=0.374，r0.01=0.478)，其中圖像色彩參數(shù)G/B、(G－B)/(G+B)和g-b監(jiān)測(cè)氮含量的相關(guān)系數(shù)最高，相關(guān)系數(shù)為0.84。

表2 蓬安100號(hào)錦橙葉片圖像色彩參數(shù)與氮含量相關(guān)性Table 2 Correlation coefficients between the color parameters and the N contents of Peng’an 100 Jincheng leaves

表3 蓬安100號(hào)錦橙葉片氮含量與圖像色彩參數(shù)的回歸模型Table 3 The regression models for the N contents of Peng’an 100 Jincheng leaves and color characteristics

圖1 各圖像顏色參數(shù)回歸模型的監(jiān)測(cè)氮含量與實(shí)測(cè)氮含量的相關(guān)系數(shù)(n=27)Fig．1 The correlation coefficients between the monitoring nitrogen contents and the measured ones(n=27)

用檢驗(yàn)集27個(gè)樣本圖像色彩參數(shù)值對(duì)6個(gè)回歸模型的監(jiān)測(cè)值和實(shí)測(cè)值進(jìn)行統(tǒng)計(jì)分析和精度檢驗(yàn)(圖2)。通過(guò)對(duì)6個(gè)回歸模型進(jìn)行正態(tài)分布性檢驗(yàn)，結(jié)果表明殘差服從正態(tài)分布，由此計(jì)算6個(gè)回歸模型的置信限。給定顯著性水平α=5%。利用計(jì)算得到的置信區(qū)間，對(duì)回歸模型進(jìn)行精度檢驗(yàn)。

圖2 蓬安100號(hào)錦橙葉片氮含量與顏色特征參數(shù)的回歸模型檢驗(yàn)(n=27)Fig．2 Test of regression models for Peng’an 100 Jincheng leaf N contents and color characteristic parameters(n=27)

圖2、表4為蓬安100號(hào)錦橙葉片氮含量以95%的概率落在給定置信區(qū)間的測(cè)值監(jiān)測(cè)圖和精度檢驗(yàn)結(jié)果。圖2中的中間直線為擬合的線性相關(guān)方程，邊上兩條直線表示給定的95%置信區(qū)間。從圖2和表4可以看出，利用G/B、G－B、G/(R+B)、(G－B)/(G+B)、g、g-b等6個(gè)圖像色彩參數(shù)，建立的回歸模型能較好地監(jiān)測(cè)葉片氮含量的變化。在95%置信區(qū)間內(nèi)，6組回歸模型對(duì)氮含量的監(jiān)測(cè)誤差在3.70% ～7.40%之間(表4)，其中 G/B、G/(R+B)、(G －B)/(G+B)、g、g-b等5個(gè)顏色特征參數(shù)建立的蓬安100號(hào)錦橙葉片氮含量監(jiān)測(cè)模型的誤差最小，均為3.70%。

綜合考慮模型的相關(guān)系數(shù)、決定系數(shù)、標(biāo)準(zhǔn)誤及模型的檢驗(yàn)精度等因素，以G－B、(G－B)/(G+B)、g-b等3個(gè)圖像色彩參數(shù)建立的蓬安100號(hào)錦橙葉片氮含量監(jiān)測(cè)模型，其相關(guān)系數(shù)和決定系數(shù)相對(duì)較高，而檢驗(yàn)誤差相對(duì)較小，因此，利用圖像顏色參數(shù)G－B、(G－B)/(G+B)、g-b進(jìn)行蓬安100號(hào)錦橙葉片氮含量監(jiān)測(cè)是可行的。

表4 回歸模型監(jiān)測(cè)蓬安100號(hào)錦橙葉片氮含量的精度檢驗(yàn)Table 4 The accuracy test of monitoring N contents with the regression model

3 討論

從應(yīng)用的角度考慮，Adobe Photoshop在圖像處理的控制手段上存在不足，與專業(yè)性遙感圖像軟件仍有較大差距，但從實(shí)際應(yīng)用考慮，該軟件完全能夠勝任從數(shù)字圖像中獲取色彩信息的任務(wù)，且軟件價(jià)格和易用性也要比專業(yè)的遙感圖像處理軟件便宜和簡(jiǎn)單。國(guó)外發(fā)表的部分文章亦多采用普通圖像處理軟件，例如：Adobe Photoshop，PaintShop Pro，Micrografx Picture Publisher等［11］。

植物缺氮時(shí)，葉片中葉綠素含量降低，植株全氮含量下降，對(duì)光的吸收率減少而反射率增加，因而缺氮植物會(huì)增加可見(jiàn)光的反射率，為基于可見(jiàn)光的作物營(yíng)養(yǎng)診斷技術(shù)提供了理論依據(jù)。本試驗(yàn)運(yùn)用多光譜相機(jī)MS3100采集了不同氮水平的蓬安100號(hào)錦橙葉片的圖像，利用Adobe Photoshop圖像分析處理功能獲得R、G、B等通道圖像參數(shù)信息，結(jié)合歸一化處理等統(tǒng)計(jì)分析手段獲取各種圖像色彩參數(shù)變換形式，其與葉片氮含量測(cè)定值進(jìn)行相關(guān)性研究。結(jié)果表明，G/B、G －B、G/(R+B)、(G － B)/(G+B)、g、g-b等6個(gè)圖像色彩參數(shù)與氮含量之間具有較好的相關(guān)性，這與前人的研究結(jié)果基本一致［13，14，17，18］，而與肖焱波等［10］、王曉靜等［11］的研究結(jié)果有所不同，這或許與柑橘作為多年生常綠果樹葉片特異性有關(guān)所致。對(duì)建立的6個(gè)圖像色彩參數(shù)氮素回歸模型進(jìn)行檢驗(yàn)與精度分析，得出圖像色彩參數(shù)G－B、(GB)/(G+B)、g-b建立的葉片氮含量監(jiān)測(cè)模型，其相關(guān)系數(shù)和決定系數(shù)較高，而檢驗(yàn)誤差較小，因此，利用圖像顏色參數(shù)G－B、(G－B)/(G+B)、g-b進(jìn)行蓬安100號(hào)錦橙葉片氮含量監(jiān)測(cè)是可行的。

利用計(jì)算機(jī)視覺(jué)技術(shù)分析植被特征的過(guò)程中，圖像信息采集時(shí)的拍攝狀態(tài)和光照強(qiáng)度等因素往往會(huì)影響顏色特征的分析結(jié)果，因此，盡量保持相對(duì)一致的圖像信息采集條件，將有助于這一問(wèn)題的解決［13］。本試驗(yàn)中，圖像信息獲取采用了數(shù)碼相機(jī)固定拍攝、焦距以及鏡頭與葉片間的距離不變等多種條件設(shè)置，同時(shí)，統(tǒng)一設(shè)置了拍攝模式、拍攝角度和校正模式等，并且保證在光照等自然環(huán)境條件相對(duì)一致的較短時(shí)間內(nèi)完成葉片圖像信息的采集，盡可能減少了誤差，對(duì)下一步進(jìn)行基于數(shù)字圖像技術(shù)的柑橘園氮素實(shí)時(shí)監(jiān)測(cè)技術(shù)的研究和推廣應(yīng)用奠定初步基礎(chǔ)。

今后進(jìn)行田間柑橘園的圖像實(shí)時(shí)采集與氮素監(jiān)測(cè)應(yīng)用時(shí)，由于受自然光照條件、田間雜草、病蟲害狀況、水分脅迫、大氣狀況以及拍照角度等對(duì)顏色特征定量信息真實(shí)性的影響，同時(shí)柑橘品種的差異、栽培管理模式以及柑橘物候期差異都會(huì)不同程度影響到數(shù)字圖像技術(shù)的推廣應(yīng)用，因此，相關(guān)方面還需進(jìn)一步系統(tǒng)研究。

4 結(jié)論

以計(jì)算機(jī)視覺(jué)技術(shù)為平臺(tái)，通過(guò)數(shù)字圖像分析技術(shù)進(jìn)行了蓬安100號(hào)錦橙葉片氮含量與R、G、B及其多種數(shù)學(xué)變換的色彩參數(shù)信息的相關(guān)性研究，得出葉片圖像色彩參數(shù)G－B、(G－B)/(G+B)、g-b可作為基于計(jì)算機(jī)視覺(jué)技術(shù)的錦橙葉片氮素監(jiān)測(cè)指標(biāo)，其相關(guān)性和決定系數(shù)相對(duì)較高，而檢驗(yàn)誤差相對(duì)較小。因此，利用多光譜圖像技術(shù)進(jìn)行柑橘氮素狀況實(shí)時(shí)監(jiān)測(cè)與快速診斷是可行的。

［1］Abrol Y P，Chatterjee S R，Kumar P A，Jain V．Improvement in nitrogen use efficiency：physiological and molecular approaches［J］．Curr．Sci．，1999，76(10)：1357 －1364.

［2］董燕，王正銀．礦質(zhì)營(yíng)養(yǎng)對(duì)柑橘品質(zhì)的影響［J］．土壤肥料，2004，(6)：37－40，46.

Dong Y，Wang Z Y．The effects of mineral nutrition on citrus qualities［J］．Soils Fert．，2004，(6)：37 －40，46.

［3］Blackmer T M，Schepers J S，Varvel G E．Light reflectance compared with other nitrogen stress measurements in corn leaves［J］．Agron．J．，1994，86：934 －938.

［4］賈良良，陳新平，張福鎖．作物氮營(yíng)養(yǎng)診斷的無(wú)損測(cè)試技術(shù)［J］．世界農(nóng)業(yè)，2001，(6)：36－37.

Jia L L，Chen X P，Zhang F S．The nondestructive testing technology of crop nitrogen nutrient diagnosis ［J］．World Agric．，2001，(6)：36－37.

［5］Blackmer T M，Schepers J S，Varvel G E，George M．Analysis of aerial photography for nitrogen stress within corn fields［J］．Agron．J．，1996，88：729 －733.

［6］Adamsen F J，Paul J，Pinter J Ret al．Measuring wheat senescence with a digital canera［J］．Crop Sci．，1999，39：719 －724.

［7］張浩，姚旭國(guó)，張小斌，等．基于多光譜圖像的水稻葉片葉綠素和籽粒氮素含量檢測(cè)研究［J］．中國(guó)水稻科學(xué)，2008，22(5)：555－558.

Zhang H，Yao X G，Zhang X Bet al．Measurement of rice leaf chlorophyll and seed nitrogen contents by using multi-spectral imagine［J］．Chin．J．Rice Sci．，2008，22(5)：555 －558.

［8］祝錦霞，鄧勁松，石媛媛，等．基于水稻掃描葉片圖像特征的氮素營(yíng)養(yǎng)診斷研究［J］．光譜學(xué)與光譜分析，2009，29(8)：2171－2175.

Zhu J X，Deng J S，Shi Y Yet al．Diagnoses of rice nitrogen status based on characteristics of scanning leaf［J］．Spectro．Spectral Anal．，2009，29(8)：2171 －2175.

［9］文新亞，宋振偉，孔凡磊，等．基于數(shù)字圖像技術(shù)的冬小麥不同施氮處理顏色特征分析［J］．中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2010，15(2)：82－87.

Wen X Y，Song Z W，Kong F Let al．Analysis of color characteristics for winter wheat under different N fertilizations based on digital image processing［J］．J．China Agric．Univ．，2010，15(2)：82－87.

［10］肖焱波，賈良良，陳新平，張福鎖．應(yīng)用數(shù)字圖像分析技術(shù)進(jìn)行冬小麥拔節(jié)期氮營(yíng)養(yǎng)診斷［J］．中國(guó)農(nóng)學(xué)通報(bào)，2008，24(8)：448－453.

Xiao Y B，Jia L L，Chen X P，Zhang F S．N status diagnosis of winter wheat by using digital image analysis technology［J］．Chin．Agric．Sci．Bull．，2008，24(8)：448 －453.

［11］王曉靜，張炎，李磐，等．地面數(shù)字圖像技術(shù)在棉花氮素營(yíng)養(yǎng)診斷中的初步研究［J］．棉花學(xué)報(bào)，2007，19(2)：106－113.

Wang X J，Zhang Y，Li Pet al．Study on cotton N status diagnosis using digital image processing ［J］．Cott．Sci．，2007，19(2)：106－113.

［12］李小正，謝瑞芝，王克如，等．利用神經(jīng)網(wǎng)絡(luò)提取棉花葉片數(shù)字圖像氮素含量的初步研究［J］．作物學(xué)報(bào)，2007，33(10)：1662－1666.

Li X Z，Xie R Z，Wang K Ret al．Acquiring nitrogen quantity in digital image of cotton leaf by artificial neutral network model［J］．Acta Agron．Sin．，2007，33(10)：1662－1666.

［13］王娟，雷詠雯，張永帥，等．應(yīng)用數(shù)字圖像分析技術(shù)進(jìn)行棉花氮素營(yíng)養(yǎng)診斷的研究［J］．中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)，2008，16(1)：145－149.

Wang J，Lei Y W，Zhang Y Set al．Diagnosis of cotton N status using digital image analysis technique［J］．Chin．J．Eco-Agric．，2008，16(1)：145 －149.

［14］劉穎，李志洪．利用數(shù)字圖像技術(shù)進(jìn)行玉米氮素營(yíng)養(yǎng)診斷的研究［J］．玉米科學(xué)，2010，18(4)：147－149，152.

Liu Y，Li Z H．Study on the N status diagnosis through digital image analysis method ［J］．J．Maize Sci．，2010，18(4)：147－149，152.

［15］胡春華，李萍萍．基于圖像處理的黃瓜缺氮與缺鎂判別的研究［J］．江蘇大學(xué)學(xué)報(bào)(自然科學(xué)版)，2004，25(1)：9－12.

Hu C H，Li P P．Application of image processing to diagnose cucumbers short of Mg and N ［J］．J．Jiangsu Univ．(Nat．Sci．Ed．)，2004，25(1)：9－12.

［16］劉飛，王莉，何勇．應(yīng)用多光譜圖像技術(shù)獲取黃瓜葉片含氮量及葉面積指數(shù)［J］．光學(xué)學(xué)報(bào)，2009，29(6)：1616－1620.

Liu F，Wang L，He Y．Application of multi-spectral imaging technique for acquisition of cucumber growing information［J］．Acta Opt．Sin．，2009，29(6)：1616 －1620.

［17］李井會(huì)，朱麗麗，宋述堯．?dāng)?shù)字圖像技術(shù)在馬鈴薯氮素營(yíng)養(yǎng)診斷中的應(yīng)用［J］．中國(guó)馬鈴薯，2006，20(5)：257－260.

Li J H，Zhu L L，Song S Y．Diagnosis of N status of potato using digital image processing technique［J］．Chin．Potato J．，2006，20(5)：257－260.

［18］王連君，邢宇．?dāng)?shù)字圖像技術(shù)在草莓氮素營(yíng)養(yǎng)診斷中的應(yīng)用研究［J］．華南農(nóng)業(yè)大學(xué)學(xué)報(bào)，2010，31(2)：19－21.

Wang L J，Xing Y．Study on strawberry of N nutrition diagnosis using digital image processing technique ［J］．J．South China Agric．Univ．，2010，31(2)：19 －21.

［19］中國(guó)土壤學(xué)會(huì)農(nóng)業(yè)化學(xué)專業(yè)委員會(huì)．土壤農(nóng)化常規(guī)分析方法［M］．北京：科學(xué)出版社，1983.

Agriculture Chemistry Professional Committee of Institute of China Soil．The general analysis method of soil and agriculture chemistry［M］．Beijing：Science Press，1983.