植物营养数字化诊断是植物营养和农业遥感的热点研究方向之一,建立精确、快速、可操作性好的作物营养诊断方法对作物养分管理具有十分重要的意义。本研究利用平板式和便携式扫描仪获取水稻叶片、叶鞘的图像,利用机器视觉技术提取水稻叶片和叶鞘的特征,并根据所获得的特征与水稻氮磷钾营养状况间的关系,筛选出符合植物营养机理且具有特异性的特征组合来建立识别规则与诊断模型。主要研究内容以及结论如下：1.数字图像获取方法的选择以及水稻叶片、叶鞘形态和光谱特征数据库的建立通过2012、2013连续两年的水培实验,培育出不同氮磷钾营养水平的水稻样本,并利用两种扫描仪获取不同年份、不同生育期、不同叶位的扫描光谱图像。平板式扫描仪(静态)获取图像是在密闭的空间内进行的,一致的图像获取条件可以避免环境干扰,便于准确、快速、定量地获取水稻叶片、叶鞘的颜色、纹理、形态等特征,甚至可以反映叶缘失绿、叶片斑点等细微特征,同时也可以保证信息获取、处理、应用的标准性、可行性和一致性,为水稻营养数字化诊断提供新的途径。便携式扫描仪(动态)在田间直接获取水稻叶片的图像,虽然所获取图像的质量和稳定性尚不如静态扫描,但具有可田间操作以及方便的优势,作为基础性识别机理和方法研究,主要采用静态扫描影像。通过两年的连续采集,积累了大量的水稻叶片、叶鞘数字影像数据,为识别机理研究、识别规则建立和识别应用及验证提供了丰富的样本数据。2.基于叶片、叶鞘扫描图像的氮磷钾营养胁迫的识别水稻受到氮、磷、钾营养缺素胁迫时,水稻的叶片和叶鞘呈不同的特异性反应。水稻受到氮胁迫时,叶片生长缓慢,叶色失绿但较为均一,一般不出现斑点,老叶枯黄,叶鞘首先失绿呈淡黄或橙黄色,中部叶片的叶尖也开始发黄；受到磷胁迫时,叶色暗绿缺乏光泽,叶鞘长而叶片短,鞘叶比例失调,生长点的细胞生长受阻,导致叶片窄,老叶叶尖呈黄褐色,同时由于花青素的合成受阻,导致叶鞘呈紫红色；受到钾胁迫时叶色发黄,叶片有赤褐色的斑点,老叶焦枯,中部叶片的叶尖及边缘焦黄,脉间失绿并出现褐斑。根据上述不同类型营养胁迫下水稻的特异性症状,本文通过分析叶片、叶鞘的扫描图像对特异性症状的信息进行提取,根据分层识别的思路,针对性的筛选识别特征以对氮、磷、钾营养胁迫进行识别。在分层识别过程中,首先建立规则识别正常营养水平和非正常营养水平(氮、磷、钾营养胁迫),在此过程中主要通过选择营养胁迫时水稻叶片、叶鞘的特异性症状,例如水稻受到氮胁迫时叶片均匀黄化,钾胁迫时叶片会出现褐色斑点和叶尖发生焦黄,磷胁迫时叶鞘变紫,主要选择叶片和叶鞘的整体颜色特征以及叶尖颜色等细微特征。在识别出正常营养水平的样本后,剩余样本进入氮胁迫与磷钾胁迫的识别,这一类识别主要选取氮胁迫时水稻所表现出的特异性症状,即叶鞘褪绿、叶片均匀黄化。在识别磷胁迫和钾胁迫时,考虑到水稻受钾胁迫时,叶片出现褐色斑点,叶尖出现黄化,而受到磷胁迫时,叶片呈现灰绿色,形状细长,叶鞘呈紫红色,因此选用叶尖、叶鞘的颜色及叶片的形状来区分磷胁迫和钾胁迫。本研究中,利用Fisher判别分析对氮、磷、钾营养胁迫和正常营养水平的水稻样本进行识别,以2013年试验数据为训练样本建立识别规则,四个生育期的最佳识别叶位均为第三叶,其训练精度分别为86.15%、87.69%、90.00%和89.23%。以2012年的实验数据来进行验证,在四个生育期的验证精度分别为83.08%、83.08%、89.23%和90.77%。3氮磷钾营养胁迫程度的识别在识别出胁迫类别后,分别对氮、磷、钾营养的胁迫程度进行识别。针对不同类别胁迫的胁迫程度进行识别时,所选取的特征参数集也不同。在对不同程度氮营养胁迫进行识别时,由水稻生长机理可知水稻缺氮的特异性症状主要为表现叶片、叶鞘的生长受到抑制,叶片由叶尖开始均匀黄化,叶鞘失绿呈淡黄,因此主要通过不同氮营养水平间叶片颜色及大小、叶鞘颜色及大小的差异来识别,在识别中选用了叶片颜色的绿色分量(叶片g)、叶长、叶面积、叶尖颜色的绿色分量(叶尖g)、叶鞘颜色的绿色分量(叶鞘g)、叶鞘长为特征参数集。结果表明四个生育期利用水稻第三叶的特征参数识别不同氮营养水平的水稻样本有较好的识别效果,识别精度分别为94%、98%、96%和100%。水稻受到磷胁迫时,新叶呈暗绿色而老叶呈灰紫色,叶形狭细,面积变小叶鞘长,叶片短,生长比例失调,因此在识别中主要选择反映叶片颜色及形状、叶鞘长度及与叶片长度比例关系的参数,选用了光泽度、叶面积、叶长比叶鞘、面积比周长、叶鞘颜色的红色分量(叶鞘r)、叶鞘长、二三叶间距为特征参数集,在四个生育期里,利用第三叶的上述特征对不同磷营养水平的整体识别精度较高,分别为94.00%、92.00%、98.00%和94.00%。水稻受到钾胁迫时,老叶的叶尖和叶缘最先变黄,叶片从叶尖向叶基逐渐转为黄色至黄褐色,并出现赤褐色大小不等的斑点或斑块。因此在对不同程度钾胁迫进行识别时,主要选择不同钾营养水平间叶片颜色的差异、叶尖部颜色的差异、叶缘黄化区域面积和叶片斑点数等特征。为了对叶缘黄化区域和叶片斑点信息进行量化,采用面向对象的图像分割方法计算叶缘黄化区域的面积和斑点数量。最后选择叶片g、叶尖g、叶缘黄化面积、叶片斑点数作为特征集对钾营养胁迫程度进行识别,四个生育期的最佳识别叶位均为第三叶,识别精度分别为90.00%、94.00%、94.00%和96.00%。本研究根据水稻氮磷钾营养水平影响叶片和叶鞘特征的机理及其表达,针对性地提取特征区域、特征点位的光谱信息和形态特征信息,利用图像处理技术对数字图像进行量化,提取不同氮磷钾营养状态下的水稻叶片和叶鞘的颜色、纹理、形态特征及空间分布特性和规律,深入探求特征参数与缺素种类和缺素程度的关系,构建水稻氮磷钾营养特异性诊断指标,建立集光谱特性、形态特征于一体的数字化诊断指标和模型,既能实现田间诊断信息自动化、快速采集,又能实现建立可操作的、可靠的田间诊断规则和指标体系,既是对现有基于光谱特性诊断机理及理论的深化与完善,又具有实际应用价值。