高夢(mèng)澤 費(fèi)騰

摘要 有效測(cè)定農(nóng)業(yè)土壤的顏色可以幫助獲取其屬性、發(fā)生過程、肥力等重要信息。而在傳統(tǒng)土壤學(xué)中，土壤顏色的主要識(shí)別手段為肉眼比照孟塞爾土壤色卡。該識(shí)別方法存在主觀性強(qiáng)、個(gè)體誤差大、不便操作等問題。針對(duì)該情況，提出了一種基于智能移動(dòng)端的農(nóng)業(yè)土壤顏色識(shí)別應(yīng)用，并完成了系統(tǒng)案例設(shè)計(jì)與實(shí)現(xiàn)。該系統(tǒng)可通過移動(dòng)端自帶的相機(jī)和閃光燈獲取數(shù)據(jù)并計(jì)算其RGB均值，依據(jù)RGB-HV/C轉(zhuǎn)換數(shù)據(jù)庫(kù)對(duì)數(shù)據(jù)進(jìn)行識(shí)別測(cè)試和結(jié)果顯示。該應(yīng)用具有易獲取易攜帶、識(shí)別誤差低、操作方便直觀等特點(diǎn)。

關(guān)鍵詞 農(nóng)業(yè)土壤;土壤顏色識(shí)別;孟塞爾顏色體系;移動(dòng)服務(wù)

中圖分類號(hào) S126? 文獻(xiàn)標(biāo)識(shí)碼 A

文章編號(hào) 0517-6611（2022）05-0215-05

doi：10.3969/j.issn.0517-6611.2022.05.054

開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

Application Research of Agricultural Soil Color Recognition Based on Intelligent Mobile Terminal

GAO Meng-ze，F(xiàn)EI Teng

（School of Resource and Environmental Sciences，Wuhan University，Wuhan，Hubei 430079）

Abstract Determining the color of agricultural soil effectively can help to obtain important information about its properties，development process and fertility.In soil science，Munsell Color System is mainly used to describe the color of soil，which needs to be compared with Munsell soil card to recognize.And this traditional method may lead to some problems such as strong subjectivity and large individual errors.In view of this，we proposed a portable soil color recognition system which was based on smartphones and android platforms.Containing RGB-HV/C conversion database，this system could obtain and recognize the soil data according to RGB average value.Experimental results showed that the system could get more accurate recognition results and make fewer mistakes.

Key words Agricultural soil;Soil color recognition;Munsell color system;Mobile service

基金項(xiàng)目 武漢大學(xué)研究生導(dǎo)師育人方式創(chuàng)新項(xiàng)目（20190024）。

作者簡(jiǎn)介 高夢(mèng)澤（1995—），男，內(nèi)蒙古包頭人，碩士研究生，研究方向：地理信息系統(tǒng)移動(dòng)服務(wù)技術(shù)、土壤監(jiān)測(cè)、增強(qiáng)現(xiàn)實(shí)技術(shù)。*通信作者，副教授，博士，從事生態(tài)遙感和環(huán)境監(jiān)測(cè)研究。

收稿日期 2021-06-01

顏色是土壤最重要的視覺特征，它可以很好地指示農(nóng)業(yè)土壤的屬性、發(fā)生過程和肥力，是土壤診斷分類和質(zhì)量評(píng)價(jià)的重要指標(biāo)。同時(shí)，我國(guó)面積廣大，農(nóng)業(yè)用地土壤復(fù)雜多樣。因此，如何準(zhǔn)確地測(cè)定農(nóng)業(yè)用地的土壤顏色是一項(xiàng)十分重要的研究。

隨著時(shí)間推移，農(nóng)業(yè)土壤顏色測(cè)定時(shí)使用的顏色標(biāo)準(zhǔn)逐漸統(tǒng)一和完善。美國(guó)農(nóng)業(yè)部（USDA）于1930年代采納孟塞爾顏色空間為泥土研究的官方顏色描述系統(tǒng)。我國(guó)中國(guó)科學(xué)院南京土壤研究所也在1990年出版了依據(jù)孟塞爾顏色空間作為土壤顏色辨別的中國(guó)標(biāo)準(zhǔn)土壤比色卡[1]。孟塞爾顏色體系主要包括色調(diào)（H）、明度（V）和彩度（C），即常說的HV/C顏色空間。傳統(tǒng)顏色鑒別作業(yè)中最主要的使用方法是基于孟塞爾比色卡[2]目測(cè)比色法。該傳統(tǒng)方法由于操作員的個(gè)體差異，較為容易產(chǎn)生因主觀因素、天氣因素、光線因素和濕度因素的誤判現(xiàn)象。因此，為提升農(nóng)業(yè)土壤顏色測(cè)量精度的方向，研究人員進(jìn)行了眾多探索，如諸莉燕等[3]提出了一種通過對(duì)土壤照片進(jìn)行圖像處理獲得土壤孟塞爾顏色的測(cè)定方式，有效縮小了辨別誤差;陳劍科等[4]基于測(cè)色儀提出了一種在明度和彩度上誤差較低的土壤孟塞爾顏色測(cè)定方式。

在計(jì)算機(jī)圖像對(duì)農(nóng)業(yè)土壤顏色貢獻(xiàn)的方面，孟塞爾體系的HV/C體系與計(jì)算機(jī)顏色體系之間的轉(zhuǎn)換也一直是一項(xiàng)重要的課題。岳智慧等[5]對(duì)基于分光色度儀的CIELAB值與孟塞爾顏色系統(tǒng)提出了一套二者的轉(zhuǎn)換方法，為快速和定量獲取土壤顏色提供了一項(xiàng)重要方法。龔睿琪等[6]基于計(jì)算機(jī)系統(tǒng)的RGB色度空間建立了其與HV/C顏色空間的轉(zhuǎn)換數(shù)學(xué)模型，雖有一定誤差，但仍有一定的參考價(jià)值。李怡春等[7]基于PLSR（最小二乘回歸），預(yù)測(cè)土壤孟塞爾顏色建模效果，并與色系轉(zhuǎn)換法進(jìn)行比較，提供了一條土壤顏色獲取的新途徑。 Stiglitz等[8]基于顏色傳感器設(shè)備NixTMPro，提出一套基于廉價(jià)設(shè)備的土壤顏色測(cè)定方法，并利用實(shí)驗(yàn)數(shù)據(jù)證明其在非潮濕環(huán)境下具有一定的使用價(jià)值。Mancini等[9]則基于NixTM Pro sensor，使用機(jī)器學(xué)習(xí)進(jìn)行建模和土壤顏色預(yù)測(cè)，其中RF 模型的整體預(yù)測(cè)精度表現(xiàn)較為良好，有一定借鑒意義。以上方法均從不同的角度嘗試通過優(yōu)化算法和儀器獲取高精度的孟塞爾土壤顏色獲取方法，雖然相較傳統(tǒng)肉眼識(shí)別有效地縮小了誤差，但仍沒能很好解決農(nóng)業(yè)土壤測(cè)定流程中需要特定儀器采集數(shù)據(jù)、數(shù)據(jù)獲取和分析分離且操作手段煩瑣等問題。

隨著21世紀(jì)20年代以來智能移動(dòng)設(shè)備的高速發(fā)展，搭載高像素、高精度攝像頭的智能移動(dòng)端已經(jīng)成為當(dāng)今我國(guó)最為普及的便攜式移動(dòng)設(shè)備。因此，智能移動(dòng)端的攝像頭已經(jīng)成為當(dāng)前最易獲得圖像樣本的工具;而移動(dòng)端自帶的閃光燈在校正后可作為穩(wěn)定環(huán)境光源，即在一定程度上可以取代傳統(tǒng)土壤顏色識(shí)別作業(yè)時(shí)的嚴(yán)格光照要求。因此利用移動(dòng)端操作系統(tǒng)的開放性可進(jìn)行圖像處理及用戶交互，使農(nóng)業(yè)土壤顏色識(shí)別應(yīng)用的硬軟件集成在Android手機(jī)上成為可能。鑒于此，筆者提出了一種基于便攜移動(dòng)設(shè)備的農(nóng)業(yè)土壤顏色識(shí)別應(yīng)用，在保證系統(tǒng)易用性、簡(jiǎn)化操作流程等前提下兼顧孟塞爾顏色識(shí)別精度，并通過數(shù)據(jù)比照試驗(yàn)證明了該方法在有效提升便捷度和易用性的情況下保證了農(nóng)業(yè)土壤顏色識(shí)別的精度。

1 應(yīng)用系統(tǒng)設(shè)計(jì)方案

該應(yīng)用的主體模塊結(jié)構(gòu)如圖1所示，包含4個(gè)主要方面，即數(shù)據(jù)輸入模塊、顏色提取模塊、顏色識(shí)別模塊以及結(jié)果輸出模塊。

該研究以Android系統(tǒng)為例，使用Android Studio完成了基于便攜移動(dòng)設(shè)備的農(nóng)業(yè)土壤顏色識(shí)別應(yīng)用設(shè)計(jì)，實(shí)現(xiàn)了土壤樣本數(shù)據(jù)收集、篩選、檢測(cè)和識(shí)別等模塊的結(jié)合。

1.1 數(shù)據(jù)輸入模塊

數(shù)據(jù)輸入模塊包含2個(gè)子模塊，分別為攝像頭控制模塊和光線濕度評(píng)估模塊。為了改善傳統(tǒng)顏色識(shí)別作業(yè)時(shí)需使用特定光照設(shè)備進(jìn)行嚴(yán)格光照的問題，該應(yīng)用系統(tǒng)使用移動(dòng)端自帶的閃光燈作為光照設(shè)備。為減少獲取數(shù)據(jù)質(zhì)量的方差，通過預(yù)設(shè)照相機(jī)的焦距，統(tǒng)一規(guī)定照相機(jī)拍攝土壤樣本所使用的物鏡距離為20 cm。進(jìn)入數(shù)據(jù)輸入模塊后，系統(tǒng)閃光燈默認(rèn)為關(guān)閉狀態(tài)，并會(huì)在采集數(shù)據(jù)時(shí)變?yōu)殚_啟狀態(tài)，準(zhǔn)備進(jìn)行數(shù)據(jù)采集。

由于過大的濕度會(huì)顯著改變待測(cè)土壤的顏色，在數(shù)據(jù)采集前，系統(tǒng)會(huì)從手機(jī)后臺(tái)提取天氣中的濕度信息，如果當(dāng)前預(yù)報(bào)的濕度超過正常檢測(cè)環(huán)境的范圍，會(huì)對(duì)用戶進(jìn)行提示，保證大氣濕度適合采集。

此外，數(shù)據(jù)輸入模塊支持直接上傳本地土壤數(shù)據(jù)，用于對(duì)已經(jīng)采集好的土壤樣本數(shù)據(jù)進(jìn)行顏色識(shí)別。

1.2 顏色較準(zhǔn)模塊 顏色較準(zhǔn)模塊包含2個(gè)子模塊，分別為明度值較準(zhǔn)和干擾色點(diǎn)排除。

由于光線環(huán)境對(duì)于數(shù)據(jù)的明度值（V）有關(guān)鍵性影響，所以減少提取結(jié)果誤差的重要前提之一是保證明度值提取準(zhǔn)確。在初次采集數(shù)據(jù)前自動(dòng)進(jìn)入明度值校準(zhǔn)模塊。在20 cm處自動(dòng)識(shí)別和采集預(yù)先定義好的白卡、黑卡和灰卡。系統(tǒng)會(huì)提取相機(jī)采集的白、灰、黑3張色卡的RGB值，并通過RGB明度計(jì)算公式獲取其明度值，計(jì)算公式如下：

L=2.3（R255）2.2+（1.5G255）2.2+（0.6B255）2.21+1.52.2+0.62.2 （1）

根據(jù)3張色卡的明度值與理想環(huán)境下白、灰、黑3張色卡的明度值相比較，確認(rèn)當(dāng)前由于光線環(huán)境造成的明度誤差值。試驗(yàn)結(jié)果表明，明度值V的誤差值主要分布在1～3，且樣本數(shù)據(jù)越接近純黑色明度誤差越低。

第2個(gè)子模塊為干擾色點(diǎn)排除。因拍照獲取的土壤樣本圖片中難免有雜質(zhì)及陰影遮蓋的部分，所以需要對(duì)圖片樣本干擾色點(diǎn)進(jìn)行排除。具體的方法為枚舉并遍歷提取樣本數(shù)據(jù)所有像素的RGB值并取平均，然后將與該平均RGB值差異大的像素點(diǎn)排除。篩除RGB值平均方差公式如下：

C= （-R）2+（-G）2+（-B）2（2）

式中，、、值分別為樣本數(shù)據(jù)的RGB平均值，C值取20以內(nèi)作為誤差是否在范圍內(nèi)的依據(jù)，小于該值則認(rèn)為該像素點(diǎn)會(huì)被保留。

通過上述2個(gè)模塊，得到光線環(huán)境干擾和干擾色點(diǎn)排除后的土壤數(shù)據(jù)的平均R、G、B值，即土壤樣本數(shù)據(jù)的綜合RGB值。

1.3 顏色識(shí)別模塊 顏色識(shí)別模塊的主要原理為在獲得了土壤樣本數(shù)據(jù)的RGB值后[10]，通過已建立的顏色轉(zhuǎn)換數(shù)據(jù)庫(kù)，將RGB值轉(zhuǎn)換為對(duì)應(yīng)的HV/C值。

該應(yīng)用系統(tǒng)的顏色轉(zhuǎn)換數(shù)據(jù)庫(kù)建立是通過遍歷所有HV/C顏色確認(rèn)其對(duì)應(yīng)的RGB值實(shí)現(xiàn)的。在保證和“1.1”數(shù)據(jù)收集模塊中相同的光線、濕度、拍攝距離的條件下，對(duì)孟塞爾標(biāo)準(zhǔn)比色卡進(jìn)行樣本收集。圖2展示了部分標(biāo)準(zhǔn)比色卡的照片數(shù)據(jù)。

由于照相機(jī)的感光元件存在熱穩(wěn)定性差異，即使在上文提到的閃光燈補(bǔ)足的良好光線環(huán)境下對(duì)整塊顏色進(jìn)行數(shù)據(jù)采集，仍有可能出現(xiàn)少部分圖像噪點(diǎn)。因此需要對(duì)上述獲得的數(shù)據(jù)用相同的方法逐個(gè)進(jìn)行噪點(diǎn)去除，然后計(jì)算得對(duì)應(yīng)平均RGB值。圖3展示了7.5R 3-6色塊使用上述方法轉(zhuǎn)換后所得到的RGB值。

通過上述方法將對(duì)《孟塞爾土壤標(biāo)準(zhǔn)比色卡》中的13張孟塞爾土壤比色卡共440種顏色共多少?gòu)?，多少種顏色，分別采集，建立1個(gè)查詢表（look-up-table）工作可以完整的獲取，從而獲取所有標(biāo)準(zhǔn)孟塞爾顏色在電子設(shè)備上對(duì)應(yīng)的RGB值。部分RGB-HV/C轉(zhuǎn)換關(guān)系如表1所示。

由于比色卡枚舉的是離散的顏色色塊，查詢表不可能包含所有可能的土壤顏色，且存在多個(gè)RGB值對(duì)應(yīng)同一個(gè)HV/C的情況，因此采集的土壤樣本顏色未必都在查詢表中。

因而顏色識(shí)別模塊需要對(duì)所獲取的RGB顏色進(jìn)行最臨近顏色的查找。最臨近RGB值的計(jì)算公式如下：

M=minki=1（（R-R i）2+（G-G i）2+（B-B i）2（3）

式中，k為數(shù)據(jù)庫(kù)全部顏色數(shù)據(jù)的數(shù)量，在該研究中為色卡中顏色數(shù)k為440。使用上述方法獲得與數(shù)據(jù)庫(kù)中樣本最接近的RGB值后，系統(tǒng)將輸出該接近值在數(shù)據(jù)庫(kù)中對(duì)應(yīng)的HV/C值，作為此RGB值對(duì)應(yīng)的HV/C值。

1.4 數(shù)據(jù)輸出模塊

該應(yīng)用系統(tǒng)數(shù)據(jù)輸出模塊用于向用戶展示提取的顏色并呈現(xiàn)在系統(tǒng)界面中。在獲取到顏色識(shí)別結(jié)果后，系統(tǒng)會(huì)將轉(zhuǎn)換得到的色調(diào)值（H）、明度值（V）和彩度值（C）的具體數(shù)值以及其對(duì)應(yīng)的顏色色塊依次輸出在顯示屏上。

圖4a展示了從移動(dòng)設(shè)備本地獲取土壤樣本數(shù)據(jù)并進(jìn)行識(shí)別后的結(jié)果，即取平均RGB值后得到的標(biāo)準(zhǔn)結(jié)果;圖4b為使用了數(shù)據(jù)輸入模塊的照相機(jī)進(jìn)行拍照并識(shí)別后的結(jié)果。

2 材料與方法

2.1 供試材料及處理

該試驗(yàn)材料為湖北省境內(nèi)的紅壤和水稻土等土樣[11]，共采樣10個(gè)土壤剖面，且根據(jù)土壤剖面的上下層次，每個(gè)剖面根據(jù)土壤層次變化取3～6個(gè)土樣，合計(jì)取得53個(gè)樣本土壤。統(tǒng)一對(duì)樣本土樣進(jìn)行風(fēng)干、過篩等操作，進(jìn)一步減少由于樣本水分含量不同、含有部分雜質(zhì)而造成的誤差[12-13]。部分經(jīng)處理后的土壤樣品示例如圖5所示。

該試驗(yàn)所使用的便攜移動(dòng)設(shè)備為攜帶不同型號(hào)鏡頭的多臺(tái)智能手機(jī)，鏡頭的參數(shù)如表2所示。

2.2 土壤標(biāo)準(zhǔn)顏色與試驗(yàn)顏色測(cè)定 第1部分?jǐn)?shù)據(jù)為目測(cè)法數(shù)據(jù)。該試驗(yàn)的試驗(yàn)者均無視覺疾病和障礙，并具備判別土壤顏色的基本能力。在天氣晴朗時(shí)的標(biāo)準(zhǔn)自然光下，利用《中國(guó)標(biāo)準(zhǔn)土壤色卡》進(jìn)行比色工作[14]。陳劍科等[4]認(rèn)為，目測(cè)比色法的時(shí)段應(yīng)控制在日出3 h后至日落3 h間，并將該

時(shí)段的光線條件視作標(biāo)準(zhǔn)自然光，該研究延續(xù)了這一做法。

值得注意的是，目測(cè)時(shí)周圍環(huán)境無大面積彩色場(chǎng)景且確定土壤范圍的卡框顏色應(yīng)與土壤樣本基本保持一致，防止對(duì)實(shí)驗(yàn)者顏色辨認(rèn)產(chǎn)生干擾。為盡可能避免和減少目測(cè)法獲得數(shù)據(jù)的誤差，該試驗(yàn)的同一樣本由3位不同的實(shí)驗(yàn)者進(jìn)行判別，當(dāng)結(jié)果的色調(diào)值（H）相同、明度（V）和色度值（C）差別樣本極差在3以內(nèi)時(shí)，認(rèn)為個(gè)體判別差異在誤差閾值內(nèi)，取平均值得到該樣本的最終HV/C值，作為該樣本的實(shí)測(cè)值。若超過閾值則此樣本數(shù)據(jù)待定并重新以上述方法進(jìn)行測(cè)定。

第2部分為使用該研究提出的應(yīng)用系統(tǒng)進(jìn)行顏色采集和識(shí)別。保證在與第1部分光線、濕度完全相同的試驗(yàn)環(huán)境下，對(duì)相同樣本進(jìn)行顏色識(shí)別。保持物與鏡距離始終為20 cm，依次執(zhí)行顏色輸入、顏色較準(zhǔn)和顏色識(shí)別單元，對(duì)同一個(gè)樣本進(jìn)行3次采集和識(shí)別，當(dāng)結(jié)果色調(diào)值（H）、明度（V）和色度值（C）差別在誤差閾值3以內(nèi)時(shí)認(rèn)為該次采集有效，取平均值作為該土壤樣本的HV/C數(shù)據(jù)（表3）。

3 測(cè)試與討論

3.1 色調(diào)、明度和彩度提取結(jié)果評(píng)估 將目測(cè)法得到的實(shí)測(cè)數(shù)據(jù)與該應(yīng)用系統(tǒng)識(shí)別所獲得數(shù)據(jù)按照色調(diào)、明度和彩度3類分類，分別制作混淆矩陣，結(jié)果如圖6、7、8所示。

由圖6可知，色調(diào)值H的整體識(shí)別結(jié)果集中在矩陣的對(duì)角線以及附近的兩側(cè)，說明該系統(tǒng)對(duì)于色調(diào)值H的識(shí)別誤差不大。對(duì)于每個(gè)色調(diào)值具體的準(zhǔn)確率，該系統(tǒng)對(duì)7.5R、5.0YR、2.5YR、5.0Y、2.5Y和5.0GY色調(diào)的識(shí)別準(zhǔn)確率在70%以上，較為優(yōu)秀;對(duì)10YR、7.5YR色調(diào)的識(shí)別結(jié)果準(zhǔn)確率則較為一般。計(jì)算可得該系統(tǒng)對(duì)色調(diào)值的平均總準(zhǔn)確率為72%，總體來說該系統(tǒng)對(duì)色調(diào)值的識(shí)別有一定參考價(jià)值，但仍有一定優(yōu)化空間。

由圖7可知，明度值V的整體識(shí)別結(jié)果高度集中在矩陣的對(duì)角線上，說明該應(yīng)用系統(tǒng)對(duì)于明度值V的識(shí)別準(zhǔn)確率較為理想。識(shí)別有誤差的數(shù)據(jù)分布在與矩陣對(duì)角線相鄰的位置，說明該系統(tǒng)對(duì)明度值V的識(shí)別誤差值較小。該系統(tǒng)對(duì)所有明度值的識(shí)別準(zhǔn)確率均在70%以上，結(jié)果優(yōu)良;對(duì)明度值2.5、3.0和6.0的樣本準(zhǔn)確率則在80%以上，較為優(yōu)秀。計(jì)算可得該系統(tǒng)對(duì)明度值V的平均總準(zhǔn)確率為79%，總體來說該系統(tǒng)對(duì)明度值的識(shí)別準(zhǔn)確率較為理想。

由圖8可知，彩度值C的整體識(shí)別結(jié)果總體集中在矩陣的對(duì)角線上，說明該系統(tǒng)對(duì)于彩度值C的識(shí)別準(zhǔn)確率較為理想。該系統(tǒng)對(duì)所有明度值的識(shí)別準(zhǔn)確率均在70%以上，結(jié)果優(yōu)良;對(duì)彩度值1、2、3和6的樣本準(zhǔn)確率可達(dá)80%，較為優(yōu)秀。計(jì)算可得本系統(tǒng)對(duì)彩度值C的平均總準(zhǔn)確率為81%，總體來說該系統(tǒng)對(duì)彩度值的識(shí)別準(zhǔn)確率較為理想。

3.2 數(shù)據(jù)收集硬件屬性影響評(píng)估 將該系統(tǒng)識(shí)別所獲得數(shù)據(jù)按照表2的4種相機(jī)型號(hào)進(jìn)行分類，并與目測(cè)法得到的實(shí)測(cè)數(shù)據(jù)進(jìn)行比照，計(jì)算結(jié)果如圖9所示。

根據(jù)圖9并結(jié)合表2可知，雙攝像頭相較單攝像頭可以降低預(yù)測(cè)結(jié)果值的離散程度，但整體區(qū)別并不明顯;在1 000萬(wàn)量級(jí)的像素下，像素對(duì)于土壤顏色提取沒有明顯影響。此外，由于目前移動(dòng)設(shè)備的攝像頭像素值均可達(dá)到1 000萬(wàn)量級(jí)，該研究不再探究百萬(wàn)和千萬(wàn)級(jí)像素的攝像頭對(duì)提取結(jié)果的影響。

4 結(jié)語(yǔ)

針對(duì)我國(guó)農(nóng)業(yè)土壤面積廣大、農(nóng)業(yè)用地土壤復(fù)雜多樣的特點(diǎn)，以及土壤顏色識(shí)別主觀性強(qiáng)、個(gè)體誤差大、作業(yè)儀器不易獲取等問題，該研究基于孟塞爾顏色體系以及便攜移動(dòng)設(shè)備提出了一種農(nóng)業(yè)土壤顏色識(shí)別應(yīng)用系統(tǒng)。以Android系統(tǒng)作為實(shí)驗(yàn)平臺(tái)，在提升孟塞爾顏色識(shí)別精度的前提下兼顧易用性、操作流程等方面。該應(yīng)用有效降低了土壤顏色獲取的操作門檻，提升了作業(yè)效率。

該研究通過數(shù)據(jù)比照試驗(yàn)證明了該方法在有效提升便捷度和易用性的情況下可以保證農(nóng)業(yè)土壤顏色識(shí)別的基本精度。經(jīng)測(cè)算，該系統(tǒng)識(shí)別色調(diào)值（H）的總體精度為72%、明度值（V）的總體精度為79%、彩度值（C）總體精度為81%，總體識(shí)別精度優(yōu)秀，在農(nóng)業(yè)土壤顏色識(shí)別作業(yè)中具有一定實(shí)際應(yīng)用價(jià)值。

此外，該研究也通過對(duì)照試驗(yàn)探究了數(shù)據(jù)收集裝置硬件參數(shù)不同時(shí)對(duì)實(shí)際識(shí)別結(jié)果所產(chǎn)生的影響。結(jié)果表明，在1 000萬(wàn)量級(jí)的像素下，像素對(duì)于土壤顏色提取沒有明顯影響。鏡頭數(shù)量方面，雙攝設(shè)備的識(shí)別效果略優(yōu)于單攝設(shè)備。燈光條件方面，該研究提出了使用移動(dòng)設(shè)備自帶的LED閃光燈作為光照條件的方案，并通過試驗(yàn)驗(yàn)證其可行性以及具體的操作方法。

目前，該應(yīng)用已經(jīng)開發(fā)并實(shí)現(xiàn)了文中描述的基本功能，但仍有需要進(jìn)一步完善的方面。在之后的研究中將針對(duì)不同機(jī)型的攝像頭對(duì)顏色轉(zhuǎn)換數(shù)據(jù)庫(kù)進(jìn)行RGB值誤差矯正工作，繼續(xù)優(yōu)化識(shí)別算法以獲得更精確的色調(diào)值，進(jìn)一步探究獲取土壤樣本數(shù)據(jù)時(shí)便攜移動(dòng)設(shè)備的最佳環(huán)境條件。

參考文獻(xiàn)

[1]中國(guó)科學(xué)院南京土壤研究所，中國(guó)科學(xué)院西安光學(xué)精密機(jī)械研究所.中國(guó)標(biāo)準(zhǔn)土壤色卡[M].南京：南京出版社，1989.

[2] 龔子同.中國(guó)標(biāo)準(zhǔn)土壤色卡[M].烏魯木齊：新疆人民出版社，1990.

[3] 諸莉燕，畢利東，柳開樓.基于圖像處理的土壤顏色判別方法研究[J].廣東農(nóng)業(yè)科學(xué)，2018，45（12）：125-130.

[4] 陳劍科，袁大剛，晏昭敏，等.測(cè)色儀與中國(guó)標(biāo)準(zhǔn)土壤色卡測(cè)定土壤顏色比較：以川中丘陵區(qū)為例[J].土壤學(xué)報(bào)，2019，56（1）：78-89.

[5] 岳智慧，黃強(qiáng)，肖理，等.土壤顏色由CIE向Munsell系統(tǒng)的定量轉(zhuǎn)換[J].光譜學(xué)與光譜分析，2019，39（9）：2842-2846.

[6] 龔睿琪，盛建平.從孟塞爾顏色空間到RGB的轉(zhuǎn)換[J].工業(yè)控制計(jì)算機(jī)，2019，32（1）：85-86.

[7] 李怡春，潘愷，王昌昆，等.基于PLSR的土壤顏色預(yù)測(cè)方法及其與色系轉(zhuǎn)換法的對(duì)比研究[J].土壤學(xué)報(bào)，2018，55（6）：1411-1421.

[8] STIGLITZ R，MIKHAILOVA E，POST C，et al.Evaluation? of an inexpensive? sensor? to? measure? soil? color[J].Computers & electronics in agriculture，2016，121：141-148.

[9] MANCINI M，WEINDORF D C，MONTEIRO M E C.From sensor data to Munsell color system：Machine learning algorithm applied to tropical soil color classification via NixTM Pro sensor[J].Geoderma，2020，375：1-11.

[10] 楊轉(zhuǎn).基于HSI顏色模型的雜草與土壤背景分割方法研究[J].河北農(nóng)業(yè)大學(xué)學(xué)報(bào)，2011，34（4）：124-127.

[11] LIU F，ROSSITER D G，ZHANG G L，et al.A soil colour map of China[J].Geoderma，2020，379（8）：1-10.

[12] CALZOLARI C，UNGARO F，VACCA A.Effectiveness of a soil mapping geomatic approach to predict the spatial distribution of soil types and their properties[J].CATENA，2021，196：1-13.

[13] 黃昌杰，張金川，丁文龍，等.基于孟塞爾系統(tǒng)巖石顏色定量分析研究[J].科學(xué)技術(shù)與工程，2016，16（25）：254-260.

[14] 余建軍，陳沅，白曉梅，等.《中國(guó)標(biāo)準(zhǔn)土壤色卡》 中芒塞爾顏色系統(tǒng)的建立[J].土壤學(xué)報(bào)，1979（4）：212-214.