文献类型： 中文期刊

作者： 刘徐冬雨 ¹ ; 郭潇潇 ¹ ; 付晨青 ¹ ; 韩蕊 ¹ ; 李国辉 ¹ ; 王秀萍 ¹ ;

作者机构： 1.河南省农业科学院长垣分院

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。