基于RGB和CIELab预测紫苏叶片花青素含量

文献类型： 中文期刊

第一作者： 刘徐冬雨

作者： 刘徐冬雨;郭潇潇;付晨青;韩蕊;李国辉;王秀萍

作者机构：

关键词： 紫苏;RGB;CIELab;花青素;数码相机

期刊名称： 中国农业科技导报

ISSN： 1008-0864

年卷期： 2024 年 007 期

页码： 103-110

收录情况： 北大核心 ; CSCD

摘要： 为推进富含花青素的紫苏品种选育，指导逆境胁迫下的紫苏生产管理，以紫苏为研究对象，采集田间叶片并使用数码相机拍照，结合红绿蓝色彩空间（red green blue color space,RGB）和CIELab色彩空间（CIELab color space）2种图像色彩分析手段处理图片，与叶片花青素含量进行相关性和显著性分析，筛选出相关系数较高的色彩参数，建立单变量回归反演模型，最终综合建模得到预测效果最优的紫苏叶片花青素含量预测模型。结果表明，在RGB色彩空间中，红光标准化值（normalized redness intensity,NRI）、绿光标准化值（normalized greenness intensity,NGI）与花青素含量呈极显著相关，其中NGI的相关系数大于NRI。当叶片正反面色彩贡献比为2∶1时，NGI与花青素含量的相关性最大，相关系数为0.853 2。对比不同模型发现，以NGI为自变量建立的指数模型拟合效果最好，相关系数为0.838 1，决定系数（R2）达0.755 0。在CIELab色彩空间中，红度（a*）与花青素含量的相关性最好，且相关系数同样在叶片正反面色彩贡献比为2∶1时达最大，为0.735 6。基于a*建立的幂模型拟合效果最好，相关系数和R2分别为0.743 8和0.679 8。分别使用NGI模型和a*模型对叶片花青素含量进行估测，验证后发现a*模型的预测效果更好，准确性和稳定性更高，因此以a*模型为预测紫苏叶片花青素含量的最优模型。

分类号： S567.219

  • 相关文献

[1]不同植被指数和无人机航高对草地盖度估测精度的影响. 伏帅,张勇辉,李佳吕,王萌榛,彭璐,冯琦胜,梁天刚. 2021

[2]贵州紫苏资源收集以及叶色多样性分析. 王仙萍,李敏,张敏琴,曾章丽,向阳,韩宏仕,杜才富,沈奇. 2013

[3]不同整形方式对'梅鹿辄'葡萄酒品质及CIELAB色空间特征的影响. 黄小晶,牛锐敏,沈甜,许泽华,陈卫平. 2020

[4]基于CIELab色空间法分析海底陈酿对葡萄酒色泽的影响. 汤晓宏,丁燕,高德艳,魏彦锋,蒋锡龙,王超萍,胡文效,慕茜. 2022

[5]果胶酶对马瑟兰葡萄酒中花色苷及颜色的影响. 苗丽平,赵新节,杨沫,韩伟伟,原苗苗. 2017

[6]3种颜色体系在食品应用中的研究进展. 雷用东,邓小蓉,罗瑞峰,魏向利,罗小玲. 2016

[7]不同棉花群体冠层数字图像颜色变化特征研究. 毛树春,韩迎春,冯璐,王国平,范正义,孙恩虹. 2012

[8]自然场景下基于混合颜色空间的成熟期苹果识别方法. 钱建平,杨信廷,吴晓明,陈梅香,吴保国. 2012

[9]椰心叶甲对虚拟波长下不同颜色的选择行为. 陈俊谕,马光昌,陈泰运,符悦冠. 2014

[10]棉花早衰程度诊断数码图像数字化指标的研究. 毛树春,王香河,韩迎春,刘伟,王国平,范正义. 2006

[11]节水抗旱稻高通量表型组学研究平台的建设与应用. 高欢,徐小艳,陈韵宇,刘鸿艳,陈亮,杨万能,罗利军,楼巧君. 2022

[12]用机器视觉技术获取棉花叶片叶绿素浓度. 王克如,李少昆,王崇桃,杨蕾,谢瑞芝,高世菊,柏军华. 2006

[13]基于机器视觉的棉花群体叶绿素监测. 王方永,李少昆,王克如,隋学艳,柏军华,陈兵,刘国庆,谭海珍. 2007

[14]基于立体视觉的玉米雄穗三维信息提取. 韩东,杨贵军,杨浩,邱春霞,陈明杰,温维亮,牛庆林,杨文攀. 2018

[15]基于无人机遥感影像的大豆叶面积指数反演研究. 高林,杨贵军,王宝山,于海洋,徐波,冯海宽. 2015

[16]基于数码相机的草地覆盖度现场测量方法研究. 赵增秀,裴亮,杨浩,杨贵军,徐波. 2019

[17]利用数码相机测定果树叶面积的新方法. 苑克俊,刘庆忠,李圣龙,陈秀霞. 2006

[18]基于冠层高光谱信息的水稻生长监测应用研究进展. 张晗,赵小敏,郭熙,张佳佳,叶春,叶英聪,欧阳真程,王芳东,李小毛. 2018

[19]用数码相机测定草地盖度的研究. 宋雪峰,董永平,单丽燕,刘同海. 2004

[20]应用数码相机进行绿肥翻压后春玉米氮素营养诊断和产量预测. 白金顺,曹卫东,熊静,曾闹华,志水胜好,芮玉奎. 2013

作者其他论文 更多>>

微信小程序