基于智能手机RGB图像的玉兰叶片叶绿素和氮素预测研究学术报告

一、作者与发表信息
本研究由河南农业大学风景园林与艺术学院的梁昊、蔡晨韬、赵玮、李亚杰、王文坤、胡宇航、申玉晓、李永华、孙天晓共同完成，发表于《浙江农林大学学报》（Journal of Zhejiang A&F University）2025年第42卷第5期（1090−1101页）。研究得到国家自然科学基金青年项目（32201451）和河南省高等学校重点科研项目（26A220002）支持。

二、学术背景
本研究属于植物生理监测与数字农业交叉领域。白玉兰（Yulania denudata）和望春玉兰（Y. biondii）是中国北方重要的园林树种，其叶绿素和氮素含量是评估植物健康状况的关键指标。传统检测方法（如分光光度计法、高效液相色谱法）依赖实验室设备且成本高昂，而便携式叶绿素仪（SPAD）虽能快速测量，但仍需专用仪器。近年来，基于RGB图像的植物生理参数无损检测技术在大田作物（如黄瓜、番茄）中取得进展，但木本植物因叶片结构复杂、种间差异显著，相关研究较少。为此，本研究旨在开发一种基于智能手机RGB图像的玉兰叶片叶绿素和氮素预测方法，为园林植物精细化养护提供低成本、高效率的技术支持。

三、研究流程与方法
1. 样本采集与预处理
- 样本来源：2024年8−10月于郑州市河南农业大学校区采集健康成年白玉兰和望春玉兰叶片各150片，确保覆盖不同高度和方位。
- 环境控制：选择9:00−11:00光照均匀时段采集，避免环境光干扰；叶片清洁后置于黑色收集袋保存，防止水分流失。

1. 图像采集与硬件配置

   • 设备：选用iPhone13（1200万像素，索尼IMX703传感器）和荣耀70Pro+（5400万像素，索尼IMX800传感器），搭配3W补光灯（色温2700−6500K）提供稳定光源，黑色哑光背景布减少反光。
     
   • 拍摄规范：手机镜头垂直距叶片20cm，确保图像清晰且无畸变。
     

2. 图像处理与特征提取

   • 算法开发：基于Python与OpenCV库构建自动化流程，包括：
     
     • 预处理：中值滤波降噪。
       
     • 高光修复：HSV空间分离亮度通道，采用Telea算法重建高光区域。
       
     • 叶片分割：Otsu二值化结合BGR2Gray转换，精准提取叶片感兴趣区域（ROI）。
       
     • 特征计算：提取21种颜色特征（如R、G、B标准化值及组合参数），其中绿色阈值设定为H∈[35,85]。
       

3. 生理参数测定

   • 使用叶绿素测定仪在叶片5个随机位点测量SPAD值（反映叶绿素和氮素相对含量），取均值作为基准数据。
     

4. 模型构建与验证

   • 算法选择：线性回归（LR）、人工神经网络（ANN）和支持向量回归（SVR）。
     
   • 数据划分：训练集与测试集按7:3固定划分，ANN采用ReLU激活函数和L2正则化，SVR通过网格搜索优化超参数。
     
   • 评估指标：R²（决定系数）、RMSE（均方根误差），嵌套交叉验证确保泛化能力。
     

四、主要结果
1. 颜色特征相关性
- 荣耀70Pro+数据线性关系更显著，白玉兰叶片特征组合b/r−g与叶绿素相关性最高（R²=0.687），iphone13数据因传感器性能差异表现较弱（R²=0.411）。

1. 模型性能对比

   • 叶绿素预测：
     
     • LR模型在荣耀70Pro+拍摄白玉兰叶片中效果最佳（R²=0.740）；
       
     • ANN模型对iphone13拍摄望春玉兰叶片最优（R²=0.728）；
       
     • SVR模型在荣耀70Pro+望春玉兰数据中表现突出（R²=0.748）。
       
   • 氮素预测：
     
     • LR模型（荣耀70Pro+白玉兰，R²=0.741）和SVR模型（荣耀70Pro+望春玉兰，R²=0.742）精度相近，ANN模型次之。
       

2. 种间差异影响

   • 望春玉兰叶片因生理特性（如色素分布）更适合非线性模型（SVR），而白玉兰数据线性模型更稳健。
     

五、结论与价值
1. 科学价值
- 证实智能手机RGB图像技术可有效预测木本植物叶绿素和氮素，填补了园林树种无损检测的空白。
- 揭示了设备硬件（如传感器像素、算法优化）对模型精度的影响，为后续研究提供硬件选型依据。

1. 应用价值
   
   • 为园林养护提供低成本、便携的监测工具，可通过微信小程序等平台实现田间实时诊断，推动智慧园林发展。
     

六、研究亮点
1. 方法创新：首次将HSV高光修复与Otsu分割结合，提升复杂光照下叶片图像处理精度。
2. 跨设备验证：对比不同智能手机性能差异，明确荣耀70Pro+因高像素和优质传感器更适于此类研究。
3. 种特异性模型：提出玉兰属植物需根据种间差异选择算法（如望春玉兰优先SVR），为其他木本植物研究提供范式。

七、其他发现
研究指出，未来可集成多光谱信息或深度学习进一步提升模型鲁棒性，尤其在多变环境下的适应性仍需探索。