宮志宏，董朝陽，于 紅，劉布春，李 春，劉 濤，李軍玲

基于機器視覺的冬小麥葉片形態(tài)測量軟件開發(fā)*

宮志宏1,2，董朝陽2，于 紅3，劉布春4**，李 春2，劉 濤2，李軍玲1,5

（1. 中國氣象局?河南省農(nóng)業(yè)氣象保障與應(yīng)用技術(shù)重點實驗室，鄭州 450003；2. 天津市氣候中心，天津 300074；3. 天津市西青區(qū)氣象局，天津 300380；4.中國農(nóng)業(yè)科學院農(nóng)業(yè)環(huán)境與可持續(xù)發(fā)展研究所，北京 100081；5.河南省氣象科學研究所，鄭州 450003）

隨著圖像處理與識別技術(shù)的快速發(fā)展，作物表型識別技術(shù)日趨成熟。為實現(xiàn)不同品種、不同生育期冬小麥葉片面積和面積系數(shù)的精準快速測定，依托VB.net和OpenCV在.NET平臺下的圖像處理封裝庫，研發(fā)了基于機器視覺的冬小麥葉片形態(tài)測量算法并設(shè)計開發(fā)了軟件，軟件可實現(xiàn)數(shù)字圖片的畸變校準并可以同時測量多個葉片長、寬和面積。為驗證軟件測定效果，選取冬小麥綠色展開葉100 片，通過與人工測量的葉片長寬、WinDIAS葉面積分析系統(tǒng)測量的葉面積結(jié)果對比，分析圖像識別方法的準確性和穩(wěn)定性。結(jié)果表明，圖像識別法與人工和WinDIAS測量的冬小麥葉片長、寬和面積的相關(guān)系數(shù)均≥0.975，歸一化均方根誤差均≤0.10%；針對數(shù)字照片畸變校準功能進行測試，對葉片水平（垂直）縮放50%且垂直（水平）斜切30°的圖像校準后，其測量結(jié)果與原始圖像測量結(jié)果的最大相對誤差僅為2%。說明基于機器視覺的冬小麥葉片形態(tài)識別方法，可對多種畸變圖像進行準確的幾何校準，可作為一種可同時準確測定多個葉片面積和長寬的新方法，在農(nóng)業(yè)科學測量、農(nóng)情信息業(yè)務(wù)、農(nóng)業(yè)氣象觀測業(yè)務(wù)等領(lǐng)域推廣應(yīng)用。

冬小麥；葉片形態(tài)；畸變校準；RGB圖像

葉片作為光合作用和蒸騰作用的主要器官[1?3]，其面積形態(tài)與小麥生長發(fā)育、抗逆性及產(chǎn)量形成有著密切關(guān)系[4?5]，尤其對小麥籽粒產(chǎn)量的形成具有較大影響[6?7]，常作為生長發(fā)育、長勢、遺傳特性等生理生化反應(yīng)過程的主要參考依據(jù)[8]。葉面積系數(shù)、葉面積等代表植物植株葉片形態(tài)的參數(shù)被廣泛應(yīng)用于農(nóng)業(yè)科研和生產(chǎn)服務(wù)[9?14]，特別是在早已形成的農(nóng)業(yè)氣象觀測與監(jiān)測業(yè)務(wù)項目和農(nóng)業(yè)氣象情報服務(wù)中發(fā)揮著重要的基礎(chǔ)性數(shù)據(jù)支撐作用[15]。

目前，對小麥葉面積的測量主要采用面積系數(shù)法[16?17]。然而，不同品種、不同生育期面積系數(shù)差異較大[18?19]。因此，想要準確測量葉片面積，需根據(jù)品種和生育期通過葉片長寬測量對面積系數(shù)進行校準。傳統(tǒng)代表性的葉面積測量方法主要有坐標紙法和葉面積儀器測量法，坐標紙法臨摹葉片大小，其精度較高，但效率低；葉面積儀法操作簡便、但成本較高，對不同作物葉片的規(guī)格有限制[20]，一般每次可測量一片葉片。近年來隨著智能拍照手機的普及，通過RGB數(shù)字圖像識別方法分割提取目標成為一種比較流行的方法，例如運用AutoCAD、Photoshop等第三方圖像處理軟件較為快捷地對獲取的葉片圖像進行描繪從而實現(xiàn)葉片特征的提取[21?22]，或者相關(guān)科研人員自主開發(fā)葉片分割提取軟件實現(xiàn)葉片屬性提取[23?27]，但多個葉片屬性同時快速測量以及在獲取照片過程中針對拍照角度不同導致的圖像畸變進行校準等相關(guān)研究較少，而圖像畸變往往會令識別結(jié)果產(chǎn)生不同程度偏差[28?30]?；诖?，研究設(shè)計了一套基于機器視覺冬小麥葉片形態(tài)測量算法，并開發(fā)了面向?qū)ο蟮腤indows端軟件，可自動進行數(shù)字圖像畸變校準，并同時識別多個葉片長、寬和面積，期望為小麥葉片面積測量提供一種新的方法，同時減少常規(guī)方法由于品種、生育期變化需要進行校準面積系數(shù)而耗費的時間。

1 材料與方法

1.1 試驗材料

所用材料為冬小麥品種“濟麥22”，是天津市冬小麥栽培品種之一，葉片數(shù)字照片取樣時間為4月24日，共選取綠色展開葉片100片。

1.2 數(shù)據(jù)獲取

（1）人工測量：取葉片最長處和最寬處采用直尺（精度1mm）測量即為葉片長和寬；（2）利用華為mate30按4:3比例拍攝葉片，獲取RGB數(shù)字圖像；（3）利用WinDIAS 3葉面積分析系統(tǒng)（英國產(chǎn)）測量葉面積；（4）利用圖像識別算法測量葉片長、寬和面積。

1.3 系統(tǒng)開發(fā)

在圖像識別算法的基礎(chǔ)上，依托VB.net和OpenCV在.NET平臺下的圖像處理封裝庫開發(fā)基于C/S架構(gòu)的Windows端小麥葉片形態(tài)識別軟件。

1.4 精度檢驗

為驗證圖像識別方法測定效果，利用人工測量法和圖像識別算法軟件分別測量葉片的長和寬；利用葉面積分析系統(tǒng)和圖像識別算法軟件分別測量葉面積。利用SPSS軟件進行統(tǒng)計分析，確定圖像識別方法的穩(wěn)定性和可行性。

2 結(jié)果與分析

2.1 小麥葉片形態(tài)的測量方法

2.1.1 制作標定板

標定板選用底色為白色、帶有LED光源的背光板，以標定板4個角為圓心設(shè)置4個空心圓或其他樣式做明確標記，方便用戶準確標注角點進行畸變校準，4個標記點連接可以形成一個已知面積矩形（Sbd，Sbd=43cm×31cm=1333cm2）。實際使用中，矩形的尺寸可根據(jù)測量葉片面積大小設(shè)置，保證葉片全部放置在4個角點連線形成的矩形內(nèi)部。

2.1.2 采集葉片圖像

將多個小麥葉片放置于標定板并用透明玻璃板壓平，通過手機、照相機或其他可攝像裝置對葉片進行拍照，獲得包含葉片的數(shù)字照片，建議相機鏡頭平面與標定板平面夾角≤45°。

2.1.3 校準葉片畸變

（1）圖像平滑去噪

把數(shù)字圖像中某一點的值用該點相鄰區(qū)域的平均值代替，讓周圍的像素值接近真實值，從而消除孤立的噪聲點，去除雜點影響，公式為

式中，(x, y)為原始圖像Oi(x, y)和處理后圖像Pi(x, y)中對應(yīng)像素坐標，mid函數(shù)為求平均值，R為二維矩陣，建議選擇為3×3或5×5；如R為3×3矩陣，則k∈[?1, 1]，l∈[?1, 1] ，如R為5×5矩陣，則k∈[?2, 2]，l∈[?2, 2]，其中k、l均為整數(shù)。

（2）獲取標定板有效面積

由于獲取數(shù)字照片Oi(x, y)時，鏡頭平面與標定板平面無法保證完全水平，數(shù)字圖像存在一定畸變。為獲取標定板的有效面積，需要通過標定板上的四4個角點對Pi(x, y)進行圖像校正。

角點坐標獲取：研究設(shè)計了兩種獲取方式。一是通過鼠標手動選取4個角點；二是通過計算機自動查找4個空心圓圓心坐標獲取角點坐標，圓心坐標查找公式為

式（2）中，(x, y)為圓上的點，（x1, y1）為圓心，r為半徑，當θ從0°變化到360°時，形成半徑為r的完整圓。圖像Pi(x, y)中的每個點都相當于（x, y, r）空間中的一個圓，對于一個特定的(x, y)，θ從0°到360°掃描，假定一個圓的半徑r，最終獲得（x1, y1）值中出現(xiàn)最多的一組坐標即為圓心。

畸變校準：在數(shù)字圖像獲取時，由于相機鏡頭平面與標定板之間存在傾斜角，無法形成垂直朝下的正投影。利用透視中心、像點、目標點三點共線的條件，按照透視旋轉(zhuǎn)定律使承影面（透視面）繞跡線（透視軸）旋轉(zhuǎn)某一角度，保持承影面上投影幾何圖形不變的變換，公式為

2.1.4 提取葉片形態(tài)

（1）葉片部分提取

設(shè)圖像P1i(x, y)中(x, y)點像素RGB三基色為(R, G, B)，符合G×2-(B+R)>0（或G>R>B 或 G>B>R），則(x, y)點像素為綠色葉片部分，(R, G, B)保持初始值，否則(x, y)點像素為枯葉部分或非葉片部分 (R, G, B)=（255, 255, 255），獲得圖像P2i(x, y)。

（2）葉片面積與長寬獲取

二值化：應(yīng)用最大類間方差法OTSU算法，按照圖像的灰度特性，將圖像P2i(x, y)分成背景（非葉片）和前景（葉片）兩部分，獲得圖像P3i(x, y)。

葉片面積獲取：對圖像P3i(x, y)的邊結(jié)構(gòu)矩陣b（選擇為3×3或5×5矩陣區(qū)域）收縮，消除小的雜質(zhì)，獲得圖像P4i(x, y)，公式為

式中，(x, y)為圖像P3i(x, y)的像素坐標，bxy表示(x, y)位置結(jié)構(gòu)矩陣，當b的原點平移到圖像P3i(x, y)的像素點(x, y)時，如果b在(x, y)處，且完全被包含在圖像P3i(x, y)重疊區(qū)域，則將輸出圖像P4i(x, y)對應(yīng)的像素點(x, y)的RGB值賦值為(R, G, B)=(0, 0, 0)，否則賦值為(R, G, B)=(255, 255, 255)。

對圖像P4i(x, y)用結(jié)構(gòu)矩陣b（選擇為3×3或5×5矩陣區(qū)域）進行擴張，填補P4i(x, y)中葉片內(nèi)部空洞。公式為

式中，(x, y)為圖像P4i(x, y)的像素坐標，bxy表示(x, y)位置結(jié)構(gòu)矩陣，當b的原點平移到圖像P4i(x, y)像素點(x, y)時，如果b在圖像P4i(x, y)像素點(x, y)處與P4i(x, y)的交集不為空，則輸出圖像P5i(x, y)對應(yīng)的像素點(x, y)的RGB值賦值為(R, G, B)= (0, 0, 0)，否則賦值為(R, G, B)= (255, 255, 255)。

獲取P5i(x, y)圖像總的像素個數(shù)(Sy)，計算P5i(x, y)中(R, G, B)= (0, 0, 0)的像素個數(shù)(Sx)，從而得出該葉片葉面積(S)，Sbd為標定板面積，公式為

葉片長、寬獲?。簩5i(x, y)圖片中連通區(qū)域進行查找，每個連通區(qū)域為一個葉片，應(yīng)用Graham掃描算法[31]查找各個連通區(qū)域凸包Ti(x, y)，尋找當前凸包x軸和y軸對應(yīng)的最小值和最大值(xmin, xmax, ymin, ymax)。通過4個點構(gòu)造Ti(x, y) 的4條切線，形成一個外接矩形Ri(x, y)，保存為當前最小值，并保存矩形信息。在Ri(x, y)的基礎(chǔ)上順時針旋轉(zhuǎn)切線，計算新矩形的面積并與當前最小值比較，如果小于當前最小值則更新，直到其中一條切線和凸包點集合形成的多邊形的一條邊重合。在Ri(x, y)的基礎(chǔ)上逆時針旋轉(zhuǎn)切線，計算新矩形的面積并與當前最小值比較，直到其中一條切線和凸包點集合形成的多邊形的一條邊重合?；谌缟戏椒?，獲得Ti(x, y)的最小面積外接矩形Rmin(x, y)，Rmin(x, y)邊長對應(yīng)為葉片的長、寬。

2.2 小麥葉片形態(tài)測量軟件的界面和流程

研究開發(fā)的Windows端小麥葉片形態(tài)識別軟件可實現(xiàn)多個小麥葉片長、寬和面積同時測量。軟件主界面由三部分組成：操作功能區(qū)、圖像處理效果展示區(qū)，識別結(jié)果顯示區(qū)（圖1）。

圖1 葉片形態(tài)識別軟件主界面

軟件使用流程如圖2所示，第一步，確認識別為單個或多個小麥葉片（默認選中多葉片分析）；第二步，打開需要識別的包含作物葉片的數(shù)字圖片；第三步，根據(jù)實際情況進行數(shù)字圖片畸變校準，并輸入Sbd標定板面積、長或?qū)挘ㄩL和寬只需輸入一項，另一項通過面積除以長或?qū)挮@得），軟件標定方式包括不做標定（假定無形變，數(shù)字照片拍攝范圍即為Sbd，不需要校準）、選取參考面積（假定無形變，手動截取矩形參考面積即為Sbd）、四邊形校準（有形變，通過四邊形的4個頂點進行畸變校準，四邊形面積即為Sbd）和圓形校準（有形變，通過識別空心圓的4個圓心進行畸變校準，4個圓心組成的矩形面積即為Sbd）；第四步，葉面積預(yù)處理和面積、長、寬計算；第五步，按照用戶打開數(shù)字照片名稱和輸入的對應(yīng)編號命名，將作物圖像識別效果展示區(qū)中帶有識別標記的圖片和識別結(jié)果顯示區(qū)中相關(guān)信息進行保存（以txt文本格式保存）。

圖2 軟件使用流程

2.3 小麥葉片形態(tài)測量軟件的識別效果檢驗

2.3.1 葉片形態(tài)識別效果

利用圖像識別軟件對人工測量的100片葉片進行識別處理，得到相應(yīng)的葉片長度、寬度和面積值，與人工測量結(jié)果進行對比，結(jié)果見表1。由表可見，圖像識別方法與人工測量方法所得100個葉片長度、寬度和面積的平均值均非常接近，樣本葉長平均值分別為19.18cm和19.35cm，葉片寬平均值分別為1.08cm和1.10cm，兩者測定結(jié)果的相關(guān)系數(shù)均較高，分別為0.999和0.975（圖3a、圖3b)，線性相關(guān)系數(shù)均通過了0.01水平的顯著性檢驗。圖像識別方法和WinDIAS 3分析系統(tǒng)測量方法所得100個葉片面積的平均值分別為15.14cm2和14.68cm2（表1），兩者的相關(guān)系數(shù)達到0.999（圖3c），通過了0.01水平的顯著性檢驗。同時，兩種方法所測葉長、葉寬和葉面積之間的均方根誤差和歸一化均方根誤差分別為0.19%、0.10%、0.50%和0.01%、0.10%、0.03%。說明通過圖像識別方法得到的冬小麥葉長、葉寬及葉面積測量值與人工測量方法和WinDIAS 3葉面積分析系統(tǒng)測量值的誤差很小，精確度較高，可以作為測定冬小麥葉長、葉寬和葉面積的有效手段。

表1 圖像識別方法、人工測量和WinDIAS 3對100個葉片樣本的測定結(jié)果對比

圖3 兩種方法所測葉片長度、寬度和面積值對比

注：*、**分別表示相關(guān)系數(shù)通過0.05、0.01水平的顯著性檢驗。

Note:*is P<0.05，**is P<0.01.

2.3.2 數(shù)字圖像畸變校準效果

選取試驗材料中13片冬小麥葉片置于標定板，在相機鏡頭平面與標定板平面接近平行的基礎(chǔ)上拍照，獲得實際拍照圖片（圖4a1），通過PhotoShop中透視工具分別將圖4a1水平斜切15°（圖4b1）和30°（圖4c1），垂直縮放50%并水平斜切15°（圖4d1）、30°（圖4e1），水平縮放50%并垂直斜切15°（圖4f1）、30°（圖4g1）。將以上獲得的圖片通過圖像識別算法軟件進行畸變校準，校準對應(yīng)圖片見圖4a2-圖4g2。其中，實際拍照圖片進行校準后的圖片（圖4a2），13片葉片平均長度為18.26cm，寬度為1.07cm，面積為14.09cm2，將該結(jié)果作為標準測定值。將其他校準圖片（圖4b2-圖4g2））中13片葉片平均長、寬和面積值與圖4a2標準測定值比較（表2），相對誤差分布范圍分別為[?0.25%，0.09%]、[0.65%，2.06%]、[?0.39%，0.44%]，與標準測定值相比，葉片長、寬和面積相對誤差絕對值最大為0.25%、2.06%和0.44%。由此可見，本算法軟件畸變校準精度較高。研究中，經(jīng)過多次手機拍照測定，當相機鏡頭平面與標定板平面夾角接近45°時獲取數(shù)字照片畸變不大于圖4d1、4f1，此時，葉片長、寬和面積相對誤差絕對值≤0.65%，因此，給出在數(shù)字照片獲取中拍照相機鏡頭平面與標定板平面夾角為≤45°的建議。

(a1) 實際拍照圖片Original image; (b1) 水平斜切15°Horizontal bevel 15 °; (c1) 水平斜切30°Horizontal bevel 30 °; (d1) 垂直縮放50%，水平斜切15°Vertical scale 50%, and horizontal bevel of 15 °; (e1) 垂直縮放50%，水平斜切30°Vertical scale 50%, and horizontal bevel 30 °; (f1) 水平縮放50%，垂直斜切15°Horizontal 50%, and vertical bevel 15 °; (g1) 水平縮放50%，垂直斜切30°Horizontal scale 50%, and vertical bevel 30 °; (a2-g2)校準后圖片Calibrated images.

表2 標準測定值與畸變校準圖片測量葉片面積、長寬結(jié)果誤差比較

3 結(jié)論與討論

3.1 結(jié)論

研究設(shè)計了一套基于圖像識別的小麥葉片形態(tài)識別方法，并開發(fā)了基于Windows系統(tǒng)葉片形態(tài)測量軟件，可實現(xiàn)圖像畸變校準并快速識別圖片中包含的多個葉片長、寬和面積值，結(jié)果與人工測量長、寬和WinDIAS葉面積分析系統(tǒng)測量面積進行比較，其相關(guān)系數(shù)分別為0.999、0.975、0.999，歸一化均方根誤差分別為0.01%、0.10%、0.03%；對實際拍照圖像和不同程度的畸變數(shù)字圖像測量的葉片長、寬和葉面積結(jié)果比較，其相對誤差最大絕對值分別為0.25%、2.06%和0.44%。證明了研究算法可作為一種精度較高的葉片長、寬和面積測量方法。

3.2 討論

研究突破了傳統(tǒng)坐標紙法效率低、葉面積儀法成本較高且對葉片大小有限制的問題，擺脫了應(yīng)用第三方圖像軟件描繪特征提取葉面積較為繁瑣的過程。解決了用戶獲取葉片圖像時由于相機鏡頭平面和標定板存在角度產(chǎn)生畸變導致的測量誤差，針對小麥不同品種、生育期需要進行校準面積系數(shù)的問題量身定做了一套可一次拍照測量多個小麥葉片長、寬和面積的軟件，當單次測量10片以上葉片時，葉片測量速度可達到2s·片?1，具有較快的測量速度，初步實現(xiàn)了研究目標。已有葉片圖像識別研究多為單獨測量葉面積，研究軟件在此基礎(chǔ)上增加了葉片長寬的同步測量，方便用戶獲取面積系數(shù)后實現(xiàn)田間大批量原位測量長寬獲取葉面積的需求；在畸變校準方面，現(xiàn)有研究多為依托固定攝像鏡頭減少形變，通過標定校準較少，研究軟件為了更具普適性，針對不同應(yīng)用場景集成了不做標定、選取參考面積、四邊形校準和圓形校準4種方法。目前軟件已經(jīng)在番茄、黃瓜、辣椒、葡萄葉片測量中獲得廣泛使用。由于研究算法在設(shè)計之初，考慮后續(xù)增加葉片病斑、非綠色葉片的形態(tài)識別，因此，采用通過RGB三基色顏色空間范圍提取葉片區(qū)域，這與現(xiàn)有大多數(shù)研究直接通過二值化提取葉片有所不同。根據(jù)用戶在番茄葉片測量試驗的反饋，在實驗室復(fù)雜光照環(huán)境拍攝偶爾會出現(xiàn)個別葉片無法完整識別現(xiàn)象，考慮為室內(nèi)開啟多種光源狀態(tài)下受到光源色和環(huán)境色影響致使獲取葉片固有色的色差發(fā)生較大變化[32]，下一步將集成通過二值化提取葉片功能，方便用戶在復(fù)雜光源環(huán)境切換使用。

目前研究軟件在 Windows 10操作系統(tǒng)下采用 VB.net開發(fā)，兼容 Windows 7，具有良好的代碼重用性，所占資源消耗少，運行簡便，易于使用，與常規(guī)的葉面積儀相比，在保證畸變校準精度較高的基礎(chǔ)上，去除了硬件設(shè)備花銷。但是基于Windows版本與基于Android手機版本相比，便攜性有所下降，下一步將改進標定板，研發(fā)基于Android端具備通過攝像頭動態(tài)校準標定板面積的作物葉片形態(tài)識別軟件，方便用戶在田間地頭直接通過手機實時開展葉片形態(tài)測量工作。

[1] 李義博,陶福祿.提高小麥光能利用效率機理的研究進展[J].中國農(nóng)業(yè)氣象,2022,43(2):93-111.

Li Y B,Tao F L.Research progress on the mechanism of high light use efficiency in wheat[J].Chinese Journal of Agrometeorology,2022,43(2):93-111.(in Chinese)

[2] 李麗,申雙和,孫鋼,等.土壤水分對冬小麥氣孔導度及光合速率的影響與模擬[J].中國農(nóng)業(yè)氣象,2016,37(6):666- 673.

Li L,Shen S H,Sun G,et al.Simulation on and impact of soil moisture on stomatal conductance and photosynthesis rate of winter wheat[J].Chinese Journal of Agrometeorology, 2016,37(6):666-673.(in Chinese)

[3] 楊炳玉,申雙和,張富存,等.不同尺寸蒸滲儀測定作物蒸散的田間試驗研究[J].中國農(nóng)業(yè)氣象,2015,36(2):161-169.

Yang B Y,Shen S H,Zhang F C,et al.Field experiment on crop evapotranspiration measurements via lysimeters with different scales[J].Chinese Journal of Agrometeorology, 2015,36(2):161-169.(in Chinese)

[4] 張斯梅,楊四軍,顧克軍,等.不同穗型小麥品種葉面積、干物質(zhì)積運及產(chǎn)量構(gòu)成分析[J].江蘇農(nóng)業(yè)科學,2010(6): 114-116.

Zhang S M,Yang S J,Gu K J,et al.Analysis of leaf area,biomass accumulation and transportation and yield composition of wheat varieties with different spike types[J].Jiangsu Agricultural Sciences,2010(6):114-116.(in Chinese)

[5] 常鑫,李法計,張兆萍,等.小麥旗葉長、寬及面積的QTL分析[J].西北植物學報,2014,34(5):896-901.

Chang X,Li F J,Zhang Z P,et al.Mapping QTLs for flag leaf length, width and area in wheat[J].Acta Botanica Boreal- occidentalia Sinica,2014,34(5):896-901.(in Chinese)

[6] 王志偉,喬祥梅,程加省,等.不同小麥品種葉面積、葉綠素相對質(zhì)量分數(shù)、根系性狀及產(chǎn)量的研究[J].西南大學學報(自然科學版),2016,38(8):10-15.

Wang Z W,Qiao X M,Cheng J S,et al.Study on leaf area, relative chlorophyll contests,root traits and yields among the different types of wheat cultivars[J].Journal of Southwest University(Natural Science Edition),2016,38(8): 10-15.(in Chinese)

[7] 江夢圓,薛曉萍,楊再強,等.開花期復(fù)水對受旱冬小麥葉片狀態(tài)和產(chǎn)量結(jié)構(gòu)的補償效應(yīng)[J].中國農(nóng)業(yè)氣象,2020, 41(4):253-262.

Jiang M Y,Xue X P,Yang Z Q,et al.Compensation effects of rewatering at flowering stage on leaf state and yield structure of winter wheat under drought[J].Chinese Journal of Agrometeorology,2020,41(4):253-262.(in Chinese)

[8] 張樂樂,陳翔,柯媛媛,等.冬小麥抗倒春寒性能鑒定方法和指標的比較[J].中國農(nóng)業(yè)氣象,2021,42(2):146-157.

Zhang L L,Chen X,Ke Y Y,et al.An inclusive comparison of identification methods and indices of winter wheat tolerance against late spring coldness[J].Chinese Journal of Agrometeorology,2021,42(2):146-157.(in Chinese)

[9] Zhu Y,Chang L,Tang L,et al.Modelling leaf shape dynamics in rice[J].NJAS-Wageningen Journal of Life Sciences,2009,57(1):73-81.

[10] 孫銳,朱平,王志敏,等.春玉米葉面積系數(shù)動態(tài)特征的密度效應(yīng)[J].作物學報,2009,35(6):1097-1105.

Sun R,Zhu P,Wang Z M,et al.Effect of plant density on dynamic characteristics of leaf area index in development of spring maize[J].Acta Agronomica Sinica,2009,35(6): 1097-1105.(in Chinese)

[11] 逯玉蘭,李廣,燕振剛,等.旱地小麥在不同氮肥處理下葉面積指數(shù)變化的模擬模型研究[J].甘肅農(nóng)業(yè)大學學報,2018,53(3):70-75.

Lu Y L,Li G,Yan Z G,et al.Model of LAI changes of dryland wheat under different nitrogen treatments[J]. Journal of Gansu Agricultural University,2018,53(3):70- 75.(in Chinese)

[12] 涂修亮,胡秉民,程功煌,等.小麥葉面積指數(shù)變化的模擬[J].作物研究,1999(1):14-15.

Tu X L,Hu B M,Cheng G H,et al.Simulation of the variation of wheat leaf area index[J].Crop Reseatch,1999 (1):14-15.(in Chinese)

[13] 王全九,王康,蘇李君,等.灌溉施氮和種植密度對棉花葉面積指數(shù)與產(chǎn)量的影響[J].農(nóng)業(yè)機械學報, 2021,52(12): 300-308.

Wang Q J,Wang K,Su L J,et al.Effect of irrigation amount,nitrogen application rate and planting density on cotton leaf area index and yield[J].Transactions of the Chinese Society of Agricultural Machinery,2021,52(12): 300-308.(in Chinese)

[14] 王鵬新,陳弛,張樹譽,等.基于LAI和VTCI及Copula函數(shù)的冬小麥單產(chǎn)估測[J].農(nóng)業(yè)機械學報,2021,52(10):255- 263.

Wang P X,Chen C,Zhang S Y,et al.Winter wheat yield estimation based on copula function and remotely sensed LAI and VTCI[J].Transactions of the Chinese Society of Agricultural Machinery,2021,52(10):255-263.(in Chinese)

[15] 國家氣象局.農(nóng)業(yè)氣象觀測規(guī)范-作物分冊[M].北京:氣象出版社,1993.

National Meteorological Administration.Code for agrometeorological observation-crop volume[M].Beijing: China Meteorological Press,1993.(in Chinese)

[16] 譚凱炎,劉玲,馬青榮,等.QX/T 299-2015.農(nóng)業(yè)觀測規(guī)范-冬小麥[S].中國氣象局,2015.

Tan K Y,Liu L,Ma Q R,et al.QX/T 299-2015.Specificarions of agrometeorological observation-winter wheat[S]. China Meterological Administration,2015.(in Chinese)

[17] 張學藝,郭建茂,韓穎娟,等.基于植被指數(shù)的寧夏灌區(qū)春小麥葉面積指數(shù)模型[J].中國農(nóng)業(yè)氣象,2011,32(2):279- 282.

Zhang X Y,Guo J M,Han Y J,et al.Lai model of spring wheat in Ningxia irrigated area based on MODIS-Ⅵ[J].Chinese Journal of Agrometeorology,2011,32(2):279- 282.(in Chinese)

[18] 周元剛,姚寧,馮浩,等.冬小麥葉片形狀系數(shù)的變異性[J].干旱地區(qū)農(nóng)業(yè)研究,2017,35(5):1-7.

Zhou Y G,Yao N,Feng H,et al.Variations of leaf shape coefficients of winter wheat[J].Agricultural Research in the Arid Areas,2017,35(5):1-7.(in Chinese)

[19] 李浩然,李慧玲,王紅光,等.冬小麥葉面積測算方法的再探討[J].麥類作物學報,2018,38(4):455-459.

Li H R,Li H L,Wang H G,et al.Futher study on the method of leaf area calculation in winter wheat[J].Journal of Triticeae Crop,2018,38(4):455-459.(in Chinese)

[20] 李方一,黃璜,官春云.作物葉面積測量的研究進展[J].湖南農(nóng)業(yè)大學學報(自然科學版),2021,47(3):274-282.

Li F Y,Huang H,Guan C Y.Review on measurement of crop leaf area[J].Jouranl of Hunan Agricultural University (Natural Sciences),2021,47(3):274-282.(in Chinese)

[21] 李任輝,趙仲輝,李家湘.基于Photoshop軟件測量植物葉面積的白紙背景法[J].湖南林業(yè)科技,2016,43(1):138-142.

Li R H,Zhao Z H,Li J X.An photoshop software based and white paper as background method for measuring leaf area[J].Hunan Forestry Sciece&Technology,2016,43(1):138- 142.(in Chinese)

[22] 劉浩,孫景生,段愛旺,等.基于AutoCAD軟件確定番茄與青椒葉面積的簡易方法[J].中國農(nóng)學通報,2009,25 (5):287-293.

Liu H,Sun J S,Duan A W,et al.Simple model for tomato and green pepper leaf based on AutoCAD software[J].Chinese Agricultural Science Bulletin,2009,25(5):287-293.(in Chinese)

[23] 宮志宏,薛慶禹,于紅,等.基于數(shù)字照片解析的黃瓜葉片面積測定及效果分析[J].中國農(nóng)學通報,2015,31(23): 230-234.

Gong Z H,Xue Q Y,Yu H,et al.Measurement of cucumber’s leaf area based on digital photo interpreted[J].Chinese Agricultrual Science Bulletin,2015,31(23):230-234.(in Chinese)

[24] 龔愛平,吳武豪,裘正軍,等.基于Android系統(tǒng)手機的葉面積測量方法[J].農(nóng)業(yè)機械學報,2013,44(9):203-208.

Gong A P,Wu W H,Qiu Z J,et al.Leaf area measurement using android OS mobile phone[J].Transactions of the Chinese Society of Agricultural Machinery,2013,44(9): 203-208.(in Chinese)

[25] 王忠芝,張金瑞.基于圖像處理的葉面積測量方法[J].微計算機應(yīng)用,2010,31(5):68-72.

Wang Z Z,Zhang J R.A measurement approach of leaf area baed on digital image processing[J].Microcomputer Applications,2010,31(5):68-72.(in Chinese)

[26] Venkatesh T,Prathyush K,Deepak S,et al.Agriculture crop leaf disease detection using image processing[J]. International Journal of Innovative Technology and Exploring Engineering,2021,10(7):110-114.

[27] 張哲,賈宋楠,趙楠,等.基于圖像處理的葉面積測量方法與西瓜葉面積回歸方程的建立[J].中國瓜菜,2021,34(10): 51-54.

Zhang Z,Jia S N,Zhao N,et al.A measurement approach of leaf area based on digital image processing and regression equation of leaves area on watermelon[J].China Cucurbits and Vegetables,2021,34(10):51-54.(in Chinese)

[28] 高大帥,林劍輝,余江斌,等.基于智能手機方位傳感器的葉面積測量校正[J].中國農(nóng)業(yè)大學學報,2017,22(6):128- 134.

Gao D S,Lin J H,Yu J B,et al.Leaf area measurement correction based on smartphone orientation sensor[J]. Journal of China Agricultural University,2017,22(6):128- 134.(in Chinese)

[29] 施瀅,夏春華.基于棋盤格的可變參照物葉面積測量方法研究[J].中國農(nóng)機化學報,2021,42(5):191-196.

Shi Y,Xia C H.Research on leaf area measurement of variable reference based on checkerboard[J].Journal of Chinese Agricultural Mechanization,2021,42(5):191-196. (in Chinese)

[30] 李秋潔,楊遠明,袁鵬成,等.基于飽和度分割的葉面積圖像測量方法[J].林業(yè)工程學報,2021,6(4):147-152.

Li Q J,Yang Y M,Yuan P C,et al.Image measurement method of leaf area based on saturation segmentation[J]. Journal of Forestry Engineering,2021,6(4):147-152.(in Chinese)

[31] 王凱,支煜,陳浩,等.一種基于Graham掃描算法的空間點云結(jié)構(gòu)化算法研究[J].現(xiàn)代電子技術(shù),2018,41(14): 139-142.

Wang K,Zhi Y,Chen H,et al.Research on space point cloud structuring algorithm based on Graham scanning algorithm[J].Modern Electronic Technology,2018,41(14): 139-142.(in Chinese)

[32] 于國瑞.色彩構(gòu)成(修訂版)[M].北京:清華大學出版社, 2012:4-14.

Yu G R.Color composition(revised)[M].Beijing:Tsinghua University Press,2012:4-14.(in Chinese)

Development of Winter Wheat Leaf Morphology Measurement Software Based On Machine Vision

GONG Zhi-hong1,2, DONG Chao-yang2, YU Hong3, LIU Bu-chun4, LI Chun2, LIU Tao2, LI Jun-ling1,5

（1. Henan Key Laboratory of Agrometeorological Ensuring and Applied Technique, CMA，Zhengzhou 450003, China；2.Tianjin Climate Center，Tianjin 300074；3. Tianjin Xiqing District Meteorological Bureau, Tianjin 300380；4. Institute of Environment and Sustainable Development in Agriculture, CAAS, Beijing 100081；5. Henan Institute of Meteorological Sciences, Zhengzhou 450003）

With the development of image processing and recognition technology, the technology of crop phenotype recognition is becoming more mature. In order to achieve accurate and rapid determination of leaf area and area coefficient of winter wheat with different varieties and different growth stages, VB.net and OpenCV software were used in the study. In the image processing and packaging library based on NET platform, a winter wheat leaf morphology measurement algorithm with machine vision was developed, and a software was designed and developed. The software can realize distortion calibration of digital images and simultaneously measure the length, width and area of multiple leaves. And then in order to verify the effect of software measurement, 100 green expanded leaves of winter wheat were selected, and the accuracy and stability of image recognition method were analyzed by comparing with the leaf length and width measured manually. The leaf area measured by WinDIAS leaf area analysis system. The results showed that the correlation coefficients of the winter wheat leaf length, width and area measured by image recognition method, manual and WinDIAS were more than 0.975 respectively, while the normalized root mean square errors were less than 0.10%. For the distortion calibration function of digital images, the maximum relative error between the measurement results and the original image is only 2% after the calibration of the image with the horizontal (vertical) scaling of 50% and the vertical (horizontal) beveling of 30°. It is suggested that the recognition method of winter wheat leaf morphology based on machine vision can accurately calibrate various distorted images, while it can be used as a new method to accurately measure the area, length and width of multiple leaves at the same time. It can be popularized and applied in agricultural scientific measurement, agricultural information service and agricultural meteorological observation service.

Winter wheat; Leaf morphology; Distortion calibration; RGB image

10.3969/j.issn.1000-6362.2022.11.007

宮志宏,董朝陽,于紅,等.基于機器視覺的冬小麥葉片形態(tài)測量軟件開發(fā)[J].中國農(nóng)業(yè)氣象,2022,43(11):935-944

2021?12?27

中國氣象局河南省農(nóng)業(yè)氣象保障與應(yīng)用技術(shù)重點開放實驗室開放研究基金項目（AMF201907）；中國農(nóng)業(yè)科學院科技創(chuàng)新工程（CAAS-ASTIP-2014-IEDA）；河南省自然科學基金青年基金項目（202300410531）

劉布春，研究員，研究方向為農(nóng)業(yè)減災(zāi)和農(nóng)業(yè)災(zāi)害風險管理，E-mail：liubuchun@caas.cn

宮志宏，E-mail：gong041@126.com