温室网纹甜瓜果实表型对水分的响应及其品质形成模拟

Water control is the key factors for effect of muskmelon fruit internal quality, especially for phenotype formation (texture). This project will be through different water treatment and different muskmelon variety, using computer vision technology and image processing technology, obtain the data of fruit phenotypic parameters, using statistical analysis method, quantitative analysis the occurrence regularity of fruit phenotype and response mechanism of different varieties on water; At the same time, in each stages of fruit growth and plant growth make the regular sampling and measuring physiological index, each organ matter accumulation and allocation process, than quantitative analysis the formation process of fruit internal quality on the effect of water, and collaborative response mechanism and quantitative relationship with external phenotype on water, to determine the water irrigation thresholds of all stages plant growth, and making reasonable irrigation scheme. To build the quality prediction model of greenhouse muskmelon based on water and phenotypic parameters. Finally build the prediction system to guide the water irrigation and predict quality according to fruit phenotypic parameters. To further improve the water precision management and quality prediction of muskmelon production has important scientific significance and application value.

水分的调节控制是影响网纹甜瓜果实内部品质、特别是果实表型（网纹）形成的关键因子。本课题将通过不同水分处理和不同网纹甜瓜品种试验，采用计算机视觉技术和图像处理技术，获取果实表型参数特征数据，借助数理统计分析方法，定量分析不同品种网纹甜瓜果实表型动态形成规律及对水分的响应机制；同时在果实生长的各阶段定期取样，测定内部生理指标，以及甜瓜生长的各个生育时期取样测量各器官的物质积累和分配过程，定量分析在水分影响下，果实内部品质形成过程，与外部表型对水分的协同响应机制和定量化关系，确定甜瓜各生长阶段的水分灌溉阈值，制定合理灌溉方案，建立基于水分和表型参数的温室网纹甜瓜品质预测模型。最终构建依据果实表型参数来指导水分灌溉、预测甜瓜品质的指标体系。对进一步完善网纹甜瓜生产中水分的精准管理和品质预测具有十分重要的科学意义和应用价值。

为定量研究水分对网纹甜瓜生长及品质的影响，本研究综合利用机器视觉、图像处理和机器学习等多学科交叉技术，以网纹甜瓜“网路”和“阿鲁斯”为试验材料，以植株生长和果实成熟过程中品质形成的定量预测为目标，分别从表型和内部品质指标对水分的响应、表型特征模拟及与内部品质形成过程的关联性模型等方面进行了深入研究，结果表明，（1）温室网纹甜瓜适宜的基质含水量为田间最大持水量70%~80%（基质体积含水量0.258m3/m3），是本试验最适的水分管理阈值。（2）运用PLS-DA及随机森林算法实现了基质含水量的分类预测，苗期、伸蔓期和果实生长期的基质水分预测精度分别为77.60%、94.37%，和90.01%。模型测试精度相对均方根误差RRSME分别为1.62%、0.79%、0.66%。（3）通过将甜瓜植株反射光谱、可见光和近红外图像进行综合分析，建立了多信息融合的植株水分状况监测模型，测量值与预测值的相关系数分别为0.710、0.857和0.939；MRE分别为1.27％、0.74％和0.07％；RRMSE分别为1.45%、0.97%和1.58%。多信息融合分析提高了光谱和图像信息的利用率，使水分监测更加稳定。（4）外部表型特征与内部品质指标具有显著相关性，在内部品质预测贡献值top10的外部表型指标中，颜色指标居多，不同颜色空间分量占比不同，蔗糖和总糖预测精度较高，决定系数R2和RMSE分别为0.839（RMSE=3.081mg/g）、0.818（RMSE=6.932mg/g），类胡萝卜素和TSS的预测R2达到0.9以上，分别为0.936 （RMSE=0.019 mg/100g）和0.908（RMSE=1.135%）。模型具有较好的预测性能。本研究建立的不同基质水分、不同茬口、不同果实发育阶段的果实内部品质的预测模型，为温室网纹甜瓜的实时品质预测奠定了理论基础。