楊圣慧， 鄭永軍， 劉星星， 張?zhí)祛福?張小栓， 徐麗明

中國(guó)農(nóng)業(yè)大學(xué)工學(xué)院， 北京 100083

引 言

釀酒葡萄一般按地塊進(jìn)行種植和管理。 對(duì)于同一種植區(qū)域內(nèi)同一釀酒葡萄品種而言， 通常選擇批量采收的方式。 由于采收期能夠影響葡萄品質(zhì)[1]、 進(jìn)而影響葡萄酒質(zhì)量[2]， 因此在采收前需要不斷判別葡萄成熟度， 確定該區(qū)域的最佳采收時(shí)間。 蛇龍珠(Cabernet Gernischt)是一種典型的釀酒葡萄。 傳統(tǒng)的蛇龍珠成熟度判別主要依據(jù)樣本理化指標(biāo)的化驗(yàn)結(jié)果， 即把田間采集的果實(shí)在實(shí)驗(yàn)室榨汁后滴定， 測(cè)得總糖、 酸度等結(jié)果， 與往年指標(biāo)對(duì)比， 或建立各理化指標(biāo)與成熟度的關(guān)系模型， 最終確定采收時(shí)間。 該方法準(zhǔn)確性好， 但是步驟多、 周期長(zhǎng)、 存在較大的滯后性， 可能導(dǎo)致葡萄錯(cuò)過(guò)最佳采收期； 同時(shí)， 傳統(tǒng)方法對(duì)檢測(cè)條件要求較高、 人工勞動(dòng)強(qiáng)度較大， 不適宜按地塊對(duì)蛇龍珠進(jìn)行監(jiān)測(cè)。 因此， 建立快捷、 準(zhǔn)確的方法對(duì)蛇龍珠成熟度進(jìn)行判別， 進(jìn)而確定期最佳采收時(shí)間， 對(duì)于保證葡萄品質(zhì)、 提升葡萄酒質(zhì)量， 具有實(shí)際意義和經(jīng)濟(jì)價(jià)值。

光譜技術(shù)可實(shí)現(xiàn)對(duì)作物成熟度的快速準(zhǔn)確識(shí)別， 目前對(duì)在草莓、 煙葉、 冬棗等多種樣品均獲得良好的結(jié)果。 在葡萄檢測(cè)上， 主要用于糖度、 含水量等指標(biāo)的檢測(cè)， 如： Daniels等研究了用傅里葉變換近紅外光譜測(cè)定整串鮮食葡萄果實(shí)中可溶性固形物(TSS)、 可滴定酸度(TA)、 TSS/TA、 氫離子濃度(pH)和BrimA(TSS-k x TA)等關(guān)鍵指標(biāo)的方法， 采用移動(dòng)平滑窗(MSW)和乘法散射校正(MSC)對(duì)光譜進(jìn)行預(yù)處理， 建立了葡萄成熟度與感官品質(zhì)參數(shù)的偏最小二乘回歸模型[3]； 蔡正云等則對(duì)比了四種特征波長(zhǎng)選擇方法對(duì)寧夏赤霞珠含水量的檢測(cè)效果[4]； Avila等利用計(jì)算機(jī)分析了250粒葡萄籽與200枚橄欖的成熟度情況， 開(kāi)發(fā)了基于支持向量機(jī)的成熟度顏色尺度判別方法， 并利用了K-fold交叉驗(yàn)證證明了方法的有效性[5]。 這些研究所得結(jié)果和模型精度較高， 但是存在沒(méi)有結(jié)合田間實(shí)際條件對(duì)葡萄成熟度進(jìn)行判別的局限， 也很少將研究成果進(jìn)行實(shí)際應(yīng)用。

隨著無(wú)人機(jī)技術(shù)的不斷發(fā)展， 輕量化、 集成化的多光譜采集設(shè)備可裝載于無(wú)人機(jī)， 便于實(shí)現(xiàn)機(jī)動(dòng)、 快速、 高效的光譜信息采集作業(yè)[6]。 目前利用無(wú)人機(jī)機(jī)載光譜設(shè)備的研究， 主要涉及裝置研發(fā)[7]、 作物疾病監(jiān)測(cè)[8]、 營(yíng)養(yǎng)物質(zhì)含量[9]等方面。 例如， 蘇寶峰等通過(guò)無(wú)人機(jī)飛行平臺(tái)搭載熱成像儀和多光譜相機(jī)， 對(duì)田塊尺度的蒸散發(fā)進(jìn)行估算， 通過(guò)優(yōu)化蒸散發(fā)模型、 利用多光譜數(shù)據(jù)校正溫度參數(shù)， 得到分米級(jí)高分辨率結(jié)果[10]， 具有便捷性和實(shí)際應(yīng)用價(jià)值； Oliveira等采用光譜圖像結(jié)合機(jī)器學(xué)習(xí)的方法， 對(duì)青貯草場(chǎng)產(chǎn)量和質(zhì)量進(jìn)行了判別， 誤差≤20%[11]； Hurley等采用無(wú)人直升機(jī)搭載高光譜相機(jī)， 在75 m高空對(duì)葡萄園進(jìn)行了拍攝， 研究水脅迫對(duì)莖水勢(shì)的影響[12]。 這些研究結(jié)果證明無(wú)人機(jī)搭載光譜檢測(cè)設(shè)備， 結(jié)合適當(dāng)?shù)哪Ｐ团c方法， 可以具有良好的精度， 但尚未應(yīng)用于葡萄成熟度的預(yù)測(cè)。 與本研究相近的研究， 是2016年Anderson等對(duì)葡萄成熟度的預(yù)測(cè)。 該研究采用了多光譜圖像， 結(jié)合常用的化驗(yàn)手段， 對(duì)葡萄的氮、 磷、 鎂等元素含量進(jìn)行了窄帶歸一化差分指數(shù)與比值參數(shù)分析， 相關(guān)系數(shù)在0.80以上[13]。 但是該研究是為葡萄微元素含量的無(wú)人機(jī)預(yù)測(cè)奠定基礎(chǔ)， 尚未利用無(wú)人機(jī)的實(shí)際監(jiān)測(cè)， 且采集的圖像為地面圖像(ground-level)而非大地塊內(nèi)的區(qū)域葡萄圖像， 檢測(cè)指標(biāo)也非TSS等成熟度常用指標(biāo)。

本研究采用多旋翼無(wú)人機(jī)搭載光譜相機(jī)， 對(duì)某一區(qū)域內(nèi)的蛇龍珠成熟過(guò)程進(jìn)行定期跟蹤拍攝， 并基于田間原位光譜圖像的處理與成熟度指標(biāo)的選擇， 構(gòu)建“光譜信息—成熟度”模型， 采用光譜信息代替理化指標(biāo)成熟度化驗(yàn)， 簡(jiǎn)化成熟度判別過(guò)程， 快速、 準(zhǔn)確完成針對(duì)區(qū)域地塊的釀酒葡萄成熟度的監(jiān)測(cè)任務(wù)， 解決傳統(tǒng)方法采樣量大、 化驗(yàn)繁瑣等問(wèn)題。

1 實(shí)驗(yàn)部分

1.1 圖像采集設(shè)備

試驗(yàn)于2016年9月24日至10月12日在山東蓬萊君頂酒莊開(kāi)展， 此時(shí)間段為當(dāng)年蛇龍珠由未成熟至采收的時(shí)間。 試驗(yàn)對(duì)象為田間生長(zhǎng)的蛇龍珠。 如圖1(a)所示， 圖像采集系統(tǒng)由無(wú)人機(jī)飛行平臺(tái)、 多光譜相機(jī)、 移動(dòng)端、 計(jì)算機(jī)等構(gòu)成。 飛行平臺(tái)采用大疆精靈DJI Phantom四旋翼無(wú)人機(jī)[圖1(b)]， 有效載荷約2 kg， 續(xù)航時(shí)間約20 min； 移動(dòng)端為手機(jī)客戶(hù)端， 通過(guò)安裝DJIGS Pro配套軟件， 與遙控器相連， 實(shí)時(shí)獲取無(wú)人機(jī)位置、 速度、 高度等信息； 多光譜相機(jī)選用ADC Micro型[圖1(c)]， 尺寸75 mm×59 mm×33 mm， 重量90 g， 光譜范圍520～920 nm， 鏡頭焦距8.43 m， 光圈f/3.2， 鏡頭水平視角37.67°、 垂直視角28.75°， 圖像尺寸320萬(wàn)像素(2 048×1 536)， 3通道輸出(紅、 綠、 近紅外波段)， 采集時(shí)間0.5～6 s。

圖1 多光譜圖像采集設(shè)備

1.2 田間多光譜圖像采集

如圖2(a)所示， 在天氣晴朗、 能見(jiàn)度較好時(shí)拍攝一小片區(qū)域內(nèi)蛇龍珠的近地面光譜圖像， 每2～3 d采集1次， 采集時(shí)間為下午2：00—3：00。 無(wú)人機(jī)拍攝時(shí)與冠層頂端平均距離0.5～0.8 m。

圖2 田間多光譜圖像采集

每次采集時(shí)遵循“S”型采樣， 如圖2(b)所示， 具體過(guò)程為：

(1)選定采樣點(diǎn)： 每次采樣， 隨機(jī)選取三行葡萄藤， 再分別從每行中隨機(jī)選取3個(gè)點(diǎn)；

(2)采集前： 在相同環(huán)境與光照下， 拍攝配套的標(biāo)定白色板；

(3)采集中： 無(wú)人機(jī)從第Ⅰ行的第1點(diǎn)出發(fā)， 沿采集路線飛行， 依次到達(dá)采樣位置后拍攝圖像， 其中多光譜相機(jī)鏡頭垂直向下， 拍攝時(shí)間為每張5 s； 同時(shí)， 分別在每個(gè)采樣點(diǎn)隨機(jī)摘取6粒葡萄果粒；

(4)采集后： 導(dǎo)出圖像， 進(jìn)行圖像分析。 采集到的多光譜圖像樣例1， 2， 3， 4分別如圖3(a, b, c, d)所示。

1.3 多光譜圖像處理

利用多光譜相機(jī)配套的PixelWrench2 x64圖像處理軟件， 對(duì)采集的多光譜圖像進(jìn)行處理。 每張圖像可得到僅含紅色(R)分量、 綠色(G)分量、 近紅外(NIR)分量的圖像。 以圖3(a)中的圖像樣例1為例， 處理結(jié)果如圖4(a, b, c)所示。

圖3 采集到的多光譜圖像示例

圖4 PixelWrench2 x64軟件處理得到的各分量圖像示例

分別選取葉片較為集中的區(qū)域(局部區(qū)域)和整張圖像區(qū)域(整體區(qū)域)， 得到如圖5(a,b)所示的各分量值和分布直方圖， 將各分量值作為分析指標(biāo)。 其中， 處理所得的紅色曲線、 綠色曲線、 藍(lán)色曲線分別為NIR， R和G分量的分布值； 右側(cè)NIR， Red和Green值為整體區(qū)域或局部區(qū)域內(nèi)上述分量的平均值。

圖5 多光譜圖像各分量指標(biāo)結(jié)果

1.4 蛇龍珠成熟度指標(biāo)選擇與檢測(cè)

一般選用果實(shí)的糖、 酸、 酚類(lèi)物質(zhì)作為蛇龍珠成熟度預(yù)測(cè)指標(biāo)。 從理化指標(biāo)與葡萄酒質(zhì)量的關(guān)系來(lái)看， 果實(shí)含糖量和葡萄酒的關(guān)系最為密切。 結(jié)合檢測(cè)價(jià)值、 數(shù)據(jù)獲取難度、 數(shù)據(jù)量需求、 成本等因素綜合分析， 最終選用檢測(cè)難度低、 成本低、 參數(shù)代表性較強(qiáng)的總糖指標(biāo)作為建模參數(shù)。

采用PAL-1手持式糖度儀[如圖6(a,b)所示]， 對(duì)葡萄粒的總糖進(jìn)行檢測(cè)。 首先， 將采集到的葡萄利用榨汁機(jī)帶皮榨汁； 得到葡萄汁后， 用膠頭滴管吸取并滴在PAL-1手持式糖度儀的檢測(cè)鏡上； 按下“START”鍵得到總糖檢測(cè)數(shù)值， 讀數(shù)并記錄。 在每次檢測(cè)結(jié)束后， 用蒸餾水沖洗檢測(cè)鏡， 然后用拭紙擦凈， 減小下一次測(cè)量誤差。

圖6 PAL-1手持式糖度儀及其實(shí)際測(cè)量

2 結(jié)果與討論

2.1 多光譜圖像各分量檢測(cè)結(jié)果

選取每日各分量數(shù)據(jù)量的80%(約6張圖像)求出平均值， 作為局部區(qū)域和整體區(qū)域的各分量值， 結(jié)果如表1所示； 其余20%數(shù)據(jù)(約2～3張圖像)的平均值作為當(dāng)天各分量的驗(yàn)證集。

表1 局部區(qū)域與整體區(qū)域的各分量值

2.2 總糖含量檢測(cè)結(jié)果

選取每日果粒樣本量的80%求出平均值， 作為總糖含量的模型集， 結(jié)果如表2所示； 其余20%數(shù)據(jù)的平均值作為當(dāng)天總糖含量的驗(yàn)證集。

表2 模型集的葡萄總糖含量

2.3 顏色指標(biāo)選擇

各分量值隨日期變化的數(shù)據(jù)點(diǎn)如圖7(a, b, c)所示。 其中， 橫坐標(biāo)“次數(shù)”按序?qū)?yīng)實(shí)驗(yàn)日期， 縱坐標(biāo)為各分量值； 紅色曲線表示整體G分量值變化， 黑色曲線表示局部G分量值變化。

圖7 各分量值隨日期的變化

由圖7(a,b,c)分別可知， R分量、 G分量隨日期延長(zhǎng)均呈現(xiàn)上升規(guī)律， NIR分量隨日期呈現(xiàn)一定程度的下降規(guī)律。

為選出更具相關(guān)性的分量指標(biāo)， 采用線性回歸方法， 對(duì)“分量值(y)—日期(x)”的關(guān)系進(jìn)行擬合， 觀察回歸方程、R2、F值、P值四個(gè)結(jié)果(如表3所示)。

表3 各顏色指標(biāo)的回歸擬合統(tǒng)計(jì)

由表3可知， R分量、 局部G分量和局部NIR分量與日期呈顯著性關(guān)系。 其中， R分量與日期呈非常顯著的正相關(guān)， 且局部R分量呈最顯著相關(guān)關(guān)系。 分析認(rèn)為蛇龍珠在成熟過(guò)程中葉片變紅密度增加。 雖然局部G分量的p值也小于0.05， 但是整體G分量并不顯著。 綜上所述， 選取局部R分量為顏色評(píng)價(jià)指標(biāo)。

2.4 多光譜局部R分量與蛇龍珠成熟度關(guān)系模型

將表1中的局部R分量與表2中總糖含量按日期對(duì)應(yīng)， 分別進(jìn)行線性回歸和對(duì)數(shù)回歸， 得到圖8和表4的結(jié)果。

由圖8(a,b)和表4可知， 雖然兩種模型均呈現(xiàn)顯著性相關(guān)(p-value<0.05)， 但是相比于線性擬合方式， 對(duì)數(shù)擬合的顯著性水平、 調(diào)整后R2、F值等關(guān)鍵指標(biāo)明顯高于線性擬合， 說(shuō)明蛇龍珠總糖含量變化更符合對(duì)數(shù)增長(zhǎng)方式。 因此， 選取對(duì)數(shù)擬合公式作為最終的多光譜圖像R分量與葡萄成熟度的關(guān)系模型如式(1)所示。

圖8 多光譜圖像局部R分量與總糖含量回歸建模分析

表4 多光譜圖像局部R分量與總糖含量回歸分析結(jié)果

(1)

式(1)中，x為局部R分量值；y為總糖含量。

式(1)表明， 蛇龍珠從未成熟至采收的時(shí)間段內(nèi)， 總糖不斷累積， 但累積速度為先快速后緩慢。

將實(shí)際檢驗(yàn)的總糖含量作為標(biāo)準(zhǔn)值， 利用式(1)將驗(yàn)證集的多光譜圖像R分量數(shù)據(jù)帶入， 計(jì)算出預(yù)測(cè)總糖含量， 與標(biāo)準(zhǔn)值進(jìn)行對(duì)比， 驗(yàn)證模型的精度。 其結(jié)果如表5所示。

表5 驗(yàn)證集葡萄總糖含量(實(shí)際含量)與模型預(yù)測(cè)總糖含量對(duì)比

由表5可知， 經(jīng)驗(yàn)證， 模型的平均預(yù)測(cè)誤差≤1.388%， 最大預(yù)測(cè)誤差≤4.6%， 證明模型具有較高精度， 能夠滿(mǎn)足預(yù)測(cè)要求。

模型對(duì)9月30日與10月3日的總糖預(yù)測(cè)出現(xiàn)了兩次較大的誤差， 可能由三個(gè)原因?qū)е拢?一是因?yàn)樵趯?shí)際采集過(guò)程中， 圖像的曝光會(huì)受到太陽(yáng)光強(qiáng)度的影響， 而這兩天為多云天氣， 經(jīng)常有云遮擋太陽(yáng)， 因此對(duì)模型與回歸結(jié)果有一定影響； 二是無(wú)人機(jī)搭載多光譜相機(jī)拍攝過(guò)程中， 抖動(dòng)與相機(jī)安裝角度可能存在影響； 三是拍攝白色標(biāo)定板時(shí)與無(wú)人機(jī)拍攝時(shí)的光線可能存在差異， 導(dǎo)致有一定的標(biāo)定誤差。 因此， 該模型的各項(xiàng)參數(shù)、 樣本數(shù)量和照片復(fù)雜度還可以不斷優(yōu)化。

于2016年10月12日在化驗(yàn)室對(duì)蛇龍珠進(jìn)行了檢測(cè)， 各項(xiàng)理化指標(biāo)表明蛇龍珠已成熟， 并于2016年10月13日開(kāi)始全面采收。 采收時(shí)的總糖含量約為22%， 預(yù)測(cè)誤差為±0.46%。 選取22%為蛇龍珠成熟度的判別指標(biāo)。 由式(1)和表5可知， 當(dāng)利用無(wú)人機(jī)搭載多光譜相機(jī)獲得蛇龍珠圖像后， 可將多光譜圖像的局部R分量代入式(1)， 預(yù)測(cè)出總糖含量。 若經(jīng)計(jì)算后的總糖含量為22%±0.46%， 即認(rèn)為滿(mǎn)足采收條件， 不再需要大面積采集樣品后進(jìn)行實(shí)驗(yàn)室滴定測(cè)量， 為大地塊葡萄種植區(qū)的成熟度連續(xù)性監(jiān)測(cè)提供了便捷手段。

此外， 其他釀酒葡萄品種(如赤霞珠、 品麗珠)的成熟度也可能反映在葉片光譜上。 因此， 研究的判定方法， 也可通過(guò)無(wú)人機(jī)搭載多光譜相機(jī)采集田間原位圖像、 選擇適當(dāng)?shù)墓庾V分量與成熟度指標(biāo)、 構(gòu)建相應(yīng)的回歸模型， 進(jìn)行其他釀酒葡萄品種的成熟度檢測(cè)。

在后續(xù)研究中， 可利用現(xiàn)有樣本進(jìn)行深度學(xué)習(xí)訓(xùn)練， 獲得網(wǎng)絡(luò)訓(xùn)練結(jié)果， 對(duì)比分析深度學(xué)習(xí)法、 主成分分析法等不同方法的建模效果； 同時(shí)， 可將訓(xùn)練結(jié)果移植至微型電腦樹(shù)莓派等機(jī)載控制端， 直接實(shí)現(xiàn)無(wú)人機(jī)端的釀酒葡萄成熟度實(shí)時(shí)判別。

3 結(jié) 論

針對(duì)蛇龍珠葡萄采收期判定的傳統(tǒng)方法成本高、 滯后性大、 操作繁雜、 勞動(dòng)強(qiáng)度高等問(wèn)題， 提出了基于無(wú)人機(jī)近地面多光譜圖像的蛇龍珠葡萄成熟度判別方法。 在蛇龍珠從未成熟至采收前， 利用無(wú)人機(jī)搭載多光譜相機(jī)， 按日期跟蹤拍攝多個(gè)小片區(qū)域內(nèi)的蛇龍珠多光譜田間原位圖像， 結(jié)合圖像處理與數(shù)據(jù)分析建模， 與總糖檢測(cè)結(jié)果對(duì)應(yīng)， 判定蛇龍珠成熟度， 主要結(jié)論如下：

(1)局部R分量可作為蛇龍珠成熟度判定的光譜分量。 多光譜圖像的紅色(R)分量、 綠色(G)分量、 近紅外(NIR)分量值與日期均呈一定的上升或下降關(guān)系。 通過(guò)對(duì)“分量值—日期”的線性回歸分析， 證明紅色R分量與日期呈正顯著關(guān)系， 且葉片較為集中區(qū)域(局部)的R分量與日期呈最強(qiáng)的正顯著性(p-value=5.314 44×10-4， 調(diào)整后R2=0.815)。

(2)構(gòu)建的局部R分量與總糖含量關(guān)系模型具有較小的預(yù)測(cè)誤差。 選取總糖含量作為蛇龍珠成熟度的判別指標(biāo)。 將各數(shù)據(jù)集按照模型集∶驗(yàn)證集=4∶1的形式， 對(duì)檢測(cè)的總糖含量與局部R分量進(jìn)行回歸分析， 發(fā)現(xiàn)二者之間更符合對(duì)數(shù)關(guān)系， 且模型對(duì)驗(yàn)證集的平均預(yù)測(cè)誤差≤1.388%、 最大預(yù)測(cè)誤差≤4.6%， 證明模型具有較高的精度， 能夠滿(mǎn)足檢測(cè)需要。

所提出的蛇龍珠品種葡萄成熟度的判別方法， 僅需依靠無(wú)人機(jī)采集的多光譜田間原位圖像的分析結(jié)果， 即可實(shí)現(xiàn)批量采收品質(zhì)監(jiān)測(cè)和采收時(shí)間預(yù)估， 不再需要進(jìn)行大面積采樣和實(shí)驗(yàn)室化驗(yàn)的過(guò)程， 便于對(duì)地塊實(shí)行連續(xù)性監(jiān)測(cè)， 大幅度降低了生產(chǎn)成本與工作量， 提升了檢測(cè)速度和時(shí)效性， 為釀酒葡萄品種采收和多光譜圖像在農(nóng)業(yè)實(shí)際生產(chǎn)中應(yīng)用提供了新技術(shù)方案和新思路。

致謝： 感謝山東省蓬萊市君頂酒莊為本試驗(yàn)提供場(chǎng)地與材料支持。