基于数字图像时空动态特征的水稻钾营养数字化诊断研究

The great progress has achieved in the diagnosis of K nutrient status of rice using the digital image technology, however, there are few research focusing on the micro-characteristics of rice leaf and the temporal and spatial variation of these characteristics. At present, the existing research pays much attention to the mining of the characteristic information of rice in several fixed growth stages, but the changing process of symptoms in time and space usually was ignored. According to expert experience and K nutrition diagnosis mechanism, with the digital image processing technology the project mainly focus on comparing the difference of the overall characteristics and micro-characteristics of rice plant and leaf under different levels K nutrition, combined the temporal and spatial variation of these characteristics to establish digital diagnosis index and model, which could be special for the rice K status to solve the performs good in experiment but poor in field application caused by lack of mechanism and specificity.

利用数字图像技术进行水稻钾营养丰缺诊断已有大量研究且取得了一定进展，但目前较多注重几个固定生育期水稻特征信息的挖掘，而忽视了胁迫情况下水稻特征在时间以及空间上的变化过程。此外，当前研究对于诊断信息的挖掘主要集中在株体、叶片的形态、颜色等整体特征，而对钾营养胁迫下表现类似叶缘焦黄、叶斑点等特异性较强的微特征信息研究较少，这些症状正是区分水稻营养胁迫类型以及程度的关键因子之一。本项目依据水稻营养生长机理，利用数码拍摄方式逐日获取水稻活体数字图像，通过数字图像处理技术，对水稻株体、叶片的形态、颜色、纹理等特征信息以及一些微特征信息进行挖掘与量化，分析其在时间域的演变过程以及在空间域的分布情况。通过比较、分析这些特征在不同钾营养水平下的时空变化规律，构建能够特异性表征水稻钾营养丰缺的动态诊断指标与模型，解决先前水稻钾营养数字化诊断研究中由于诊断时效性滞后和专一性不够而引起的田间应用效果较差的难题。

现有数字化水稻钾营养诊断方法和技术路线较多倾向于分析主要生育期的静态特征（某时间点下的作物特征），而对短间隔连续监测下水稻叶片动态特征的挖掘及应用较少。本研究使用拍照和便携扫描两种方式连续性监测水稻在不同钾营养胁迫下的动态生长过程。同时采用中值滤波、大津阈值法等图像处理方法完成水稻局部典型特征和整体特征的提取与量化，在此基础上分析不同钾含量下叶片胁迫症状时空演变规律，并进一步挖掘钾营养水平与叶片动态特征之间相关关系，通过筛选权重以优化特征空间，最终统计分析法、深度学习方法等算法完成诊断模型的建立。主要研究内容包括：1）时间序列图像的获取与预处理；2）典型特征的分割提取与量化；3）动态特征指标集的构建；4）不同程度钾胁迫下叶片特征时空动态分析；5）特征空间优化及钾营养诊断模型的建立。主要研究结果包括：1）通过连续性监测获取不同程度钾胁迫下水稻不同叶位叶片时序图像，建立钾胁迫水稻叶片生长演变数据库；2）通过数字图像处理实现了对整叶，黄化区域以及褐色斑点的分割，并针对性的提取相关特征指标，建立特征数据集；3）完成了对叶片形状、颜色特征的时空演变规律分析，挖掘了不同程度钾胁迫下叶片动态发展规律；4）建立动态特征集，并通过特征筛选发现未完全展开叶的形态特征（如面积、周长、长轴等）在早期有着较好的识别效果；而前三完全展开叶中则以第三完全展开叶识别效果最佳，主要以颜色特征值效果较好（NBI，NRI， ExR）；5）项目执行期间发表SCI论文3篇，另有SCI论文1篇在审；在审专利1项；培养硕士研究生4名。该项目通过跟踪式监测钾胁迫下水稻叶片动态生长情况，深入而详细的挖掘能敏感反映水稻钾营养水平的典型特征，构建基于时空动态特征的水稻钾营养诊断模型，为营养诊断研究中存在的典型症状挖掘难、田间应用效果差等问题提供新的技术途径与方法。