全 文 ：锦橙叶片叶绿素含量诊断模型
—基于数字图像分析技术
易时来 1a, 2 , 邓　烈 1a, 2 , 何绍兰1a, 2 , 郑永强1a, 2 , 王　亮 1b, 赵旭阳1b, 牛廷香 1b
(1.西南大学 a.柑桔研究所 , 重庆　 400712;b.园艺园林学院 , 重庆　 4007 15; 2.中国农科院 柑桔研究所 ,
重庆　40 0712)
摘　要:以蓬安 1 00号锦橙为试材 , 运用数字图像分析技术建立快速测定叶片叶绿素含量的方法 。 利用数码相
机采集锦橙叶片图像 , 并运用 Photoshop软件获取图像的颜色特征参数 , 对其进行数学变换和归一化处理后的颜
色特征参数与锦橙叶片 SPAD值做相关分析 , 建立回归模型 。 结果表明:颜色特征参数 R/B, R/(G+B), B-R,
(B-R)/(B+R), 色度坐标 r, r-b与 SPAD值呈极显著非线性相关 , 并且颜色特征参数 R/(G+B)和归一化坐
标值 r所建立的蓬安 100号锦橙叶片 SPAD值预测模型分别为 SPAD=-107 7.936[ R/(G+B)] 2 +82 3.594[ R/
(G+B)] -7 4.432(R2 =0.840)和 SPAD=-7 8 83.574r2 +4 715.912r-628.263(R2 =0.84 1), 其预测误差相
对最小(2.12%), 因此可以利用颜色特征参数 R/(G+B)和色度坐标 r作为基于计算机视觉的锦橙叶片 SPAD
值的最佳预测指标 。
关键词:锦橙叶片;数字图像处理;色彩参数;SPAD值
中图分类号:TP391.41;S126　　　　文献标识码:A 文章编号:1003-188X(2011)04-0110-06
0　引言
遥感技术具有快速 、覆盖面积大 、价格低廉 、无接
触和无损伤的特点 ,这为作物生长期间大范围作物生
长 、营养状况及病虫害监控提供了可能。一些研究者
应用可见光遥感技术和数字图像处理软件监测作物
生长状况 ,取得了明显的进展 [ 1] ,但遥感监测对环境
条件要求较高 ,对于四川盆地 、长江沿岸等多云雾 、高
空气湿度地区 ,理想遥感信息获取具有诸多困难 ,因
而农田图像信息获取和图像处理技术应运而生。国
内贾良良 [ 2]应用数字图像技术与土壤植株测试方法
对冬小麦氮素营养进行了诊断技术研究 ,并获得了较
好的效果;李存军等[ 4]利用数字照片特征对小麦覆盖
度自动提取技术进行了研究 ,开发出一个对影像进行
自动分类提取小麦覆盖度的程序包;国外 Lukin等 [ 5]
应用数码相机获取田间小麦冠层影像 ,并通过图像处
理技术获取小麦冠层覆盖度和冠层生物量。
作物叶片叶绿素含量与光合速率 、营养状况等
收稿日期: 2010-06-07
基金项目:重庆市自然科学基金项目(CSTC, 2010BB1152);农业部科
技跨越计划专项资金项目 (农业部农财发 [ 2008] 42号
文);公益性行业(农业)科研专项经费项目(nyhyzx07 -
023);科技人员服务企业行动项目(2009GJF10004)和重庆
市重大攻关项目(CSTC, 2006)
作者简介:易时来(1978-),男 ,湖南岳阳人 ,助理研究员 ,硕士 , (E-
mail)yishilai@ 126.com。
的关系密切[ 6] ,是判别作物营养水平和生长发育潜力
的重要指标。目前 ,关于叶绿素含量测定方法主要有
分光光度法和 SPAD叶绿素仪法 ,其中分光光度法具
有破坏植株和组织 、分析过程复杂和实时性差等缺
点 ,而 SPAD叶绿素仪测定法虽具有较高的精度 ,但一
次只能测定叶片的很小一部分 ,需进行多点的测试 ,
而不同部位的测定值相差甚大 ,因而在大面积应用上
费时费力 ,且时效性 、便捷性和精度不足 。研究低成
本 、机动性强 、分辨率高和受环境影响小的非损伤实
时叶绿素含量检测技术成为迫切需要 ,为以数码照片
为基础的作物图像分析技术的发展创造了条件。
本文采用普通数码相机作为信息采集器 ,以计算
机视觉识别平台作为图像信息处理软件 ,结合相关统
计分析软件处理 ,分析和建立了基于计算机视觉的锦
橙叶片叶绿素含量检测指标和叶绿素含量预测模型 ,
以期为柑桔营养状况监测提供一种快速可靠的非损
伤技术方法。
1　材料与方法
1.1　试验材料
试验材料选用盆栽单系枳(Ponciroustrifoliata.)砧
蓬安 100号锦橙 (Citrussinensis(L)cv.Peng an100
Jingchenorang)嫁接苗 。苗木于 2007年 9月嫁接 ,
2008年 4月 5日将接芽刚开始萌发生长的嫁接苗定
·110·
2011年 4月　　　　　 　　　　　　　　　农 机 化 研 究　　　　　　　　　　　　　　　　第 4期
植于直径为 20cm×高 45cm的圆柱体盆钵 (装土
66kg/钵)中 , 每钵 1株 。盆栽土壤为沙土 , pH值为
8.04 ,全氮为 8.5g/kg(N计),全磷为 0.4g/kg(P2O5
计),全钾为 62.8g/kg(K2O计),有机质为 15.4g/kg。
1.2　数码照片获取与处理
2009年 7月 27日中午 12:00 -14:00时 ,采集蓬
安 100号锦橙春梢叶片 5片 /株 ,共 95株(组)叶片样
品(此试材前期进行过不同氮用量施肥试验)。洗净
擦干每一叶片 ,从 95组试验样本中随机抽取 48组叶
片数据用于模型构建(建模集),剩余的 47组叶片数
据用于模型检验(检验集)。将所有试验样本放在无
直射阳光条件下 ,立即用 SONYDSC-H50数码相机
(910万像素)采集叶片样品的完整图像。数码相机用
相机脚架垂直固定 ,镜头垂直向下 ,镜头离目标物体
距离为 20cm左右 。关闭相机闪光灯 , 在近拍模式 、
3456×2592图像分辨率条件下进行拍摄 。对获得的
数码照片以 JPEG格式传入计算机 ,利用 AdobePhoto-
shopCS3软件获取图像的 R, G, B及灰度值 。
每张叶片样品拍照后立即用日本 MINOLTA公司
SPAD-502型叶绿素计测定叶绿素含量。每张叶片
测定 5个部位的 SPAD值 ,取平均值作为该叶片的测
定值 ,其中建模集样品 SPAD值范围为 18.9 ～ 73.8
(58.41±11.73),检验集样品 SPAD值范围为 29.6 ～
72.3(58.65±12.33)。
1.3　颜色特征参数
在图像处理中 ,常用 RGB等彩色系统进行颜色分
析 。该系统具有对光源变化不敏感 、不同颜色易于区
分的特点 。 R, G, B分别表示彩色数字图像中红 、绿 、
蓝 3种基色的亮度值 ,通过分别改变 3基色的亮度值
可混合出各种颜色 。色度系统中常用 R, G, B的比例
值 r, g, b表示色度坐标 ,且 r+g+b=1, r=R/(R+G
+B), g=G/(R+G+B), b=B/(R+G+B)。由于 r,
g, b参数是归一化了的 R, G, B,通常认为是消除不同
环境条件下光强等差异所造成误差的颜色分量 ,因此
利用归一化直方图的统计特征可以表现出相应的颜
色特征参数 。本试验对采集的图像信息中的 R, G, B
值进行了归一化处理 ,对获得的 r, g, b色度坐标值进
行了与叶片叶绿素含量的相关性分析 。
1.4　模型构建
数据统计分析采用 excel, SPSSV13.0和 Sigma-
Plot9.0软件 ,处理间的差异显著性采用 Duncan sT-
test。分析图像中色度提取 、数学变换及归一化处理后
的颜色特征参数 ,并分别分析其与蓬安 100号锦橙叶
片叶绿素含量的相关性 ,选择相关性高的颜色特征参
数 ,进一步建立锦橙叶片叶绿素含量计算机视觉分析
模型。
2　结果与讨论
2.1　锦橙叶片图像色彩参数与叶绿素含量相关性
对 95组试验样本利用 Photoshop图像分析处理 ,
提取蓬安 100号锦橙叶片每张图像的 R, G, B均值 ,对
R, G, B进行各种形式的变换 ,以此作为图像的颜色特
征信息 。同时 ,从中随机抽取 48组样本的颜色特征
信息 , 分析其颜色特征参数与蓬安 100号锦橙叶片
SPAD值之间的相关性(见表 1所示)。结果表明:颜
色特征信息 R, G, B, G/R, G/B, R/B, R/(G+B), B/
(G+R), r, b, G-R, G-B, B-R, (G-R)/(G+R),
(G-B)/(G+B)、(B-R)/(B+R), r-g, r-b, g-b
及灰度值达到了极显著相关关系 。其中 ,颜色特征参
数 R, R/B, R/(G+B), B/(G+R), B/(R+G+B), G
-B, B-R, (B-R)/(B+R), r-b与蓬安 100号锦橙
叶片 SPAD值之间的相关系数在 0.85以上 ,而且颜色
特征参数 R/(G+B), r, B-R与 SPAD值相关性最
好 , 相 关 系 数 (决 定 系 数 )分 别 为 -0.912＊＊
(0.832), -0.910＊＊(0.828)和 0.916＊＊(0.838)(见
图 1所示)。对颜色参数 R, G, B值进行变换后 ,除 G/
(R+B)和 g与 SPAD值相关性比原三基色 R, G, B有
所降低之外 ,其余颜色特征参数与 SPAD值的相关性
均有所提高。
表 1　数字图像获取的图像色彩参数与蓬安 100号锦橙叶片
SPAD值的相关系数(n=48)
Tab.1　CorrelationofcolorparametersandSPADofpeng an
100jinchengleaves(n=48)
色彩参数 SPAD值 色彩参数 SPAD值
R -0.850＊＊
G -0.733＊＊
B 0.499＊＊
G/R 0.816＊＊
G/B -0.809＊＊
R/B -0.897＊＊
R/(G+B) -0.912＊＊
G/(R+B) -0.268
B/(G+R) 0.857＊＊
r -0.910＊＊
g -0.268
b 0.860＊＊
G-R 0.793＊＊
G-B -0.849＊＊
B-R 0.916＊＊
(G-R)/(G+R) 0.822＊＊
(G-B)/(G+B) -0.804＊＊
(B-R)/(B+R) 0.892＊＊
r-g -0.800＊＊
r-b -0.898＊＊
g-b -0.762＊＊
灰度值 /Grayvalue 0.419＊＊
　　＊和＊＊分别表示显著性检验 P<0.05与 P<0.01。
·111·
2011年 4月　　　　　 　　　　　　　　　农 机 化 研 究　　　　　　　　　　　　　　　　第 4期
图 1　蓬安 100号锦橙叶片 SPAD值与叶片色彩参数相关图
Fig.1　TherelevantmapcolorparametersandSPADofpeng an
100jinchengleaves
　　R, G, B的色度坐标值 r, g, b,与蓬安 100号锦橙叶
片 SPAD值的相关性分析表明 ,归一化后的 r, g, b的相
关性与三基色 R, G, B的相关性一致 ,但相关性除 g有
所降低外 , r和 b以及 r, g, b互为差值的转换中 ,相关性
比三基色大大提高 。
2.2　锦橙叶片叶绿素含量预测回归模型
在随机抽取的 48个建模样本中 ,选取与叶绿素含
量 SPAD值极显著相关且相关系数在 0.85以上的 10
个颜色特征参数 ,即 R, R/B, R/(G+B), B/(G+R), r,
b, G-B, B-R, (B-R)/(B+R)和 r-b值 ,建立叶绿
素含量预测的回归模型 ,获得颜色特征参数与蓬安 100
号锦橙叶片 SPAD值之间的拟合回归方程 、决定系数
(R2)、标准误(Std.Error)及 F值(见表 2所示)。由于
回归模型各参数中 F值越大 ,标准误愈小 ,决定系数越
接近 1,表明拟合的回归模型愈好 ,所以筛选出 R/B, R/
(G+B), r, B-R, (B-R)/(B+R)和 r-b等 6个决定
系数 R2都在 0.80以上 ,标准误在 5.2以下 , F值(66-
139)>F0.01(2, 45)=5.12的颜色特征参数为叶绿素含
量预测指数 ,建立了拟合度最好的回归模型 。
2.3　模型检验
运用筛选出拟合最好的 6个回归模型 ,对检验集
47个蓬安 100号锦橙叶片样品的实测值和模型预测
值进行统计分析和精度检验 。对选择的 6组模型进行
正态分布性检验 ,结果表明 ,残差服从正态分布 。由
此计算 6组回归模型的置信限 ,给定显著性水平 α=
5%,利用计算得到的置信区间 ,对回归模型进行精度
检验。
图 2与表 3为蓬安 100号锦橙叶片 SPAD值以
95%的概率落在给定置信区间的测值预测图和叶片
SPAD值的精度检验对照表。图 2中 ,实线表示拟合
的回归方程 ,虚线表示给定的 95%置信区间 。
表 2　蓬安 100号锦橙叶片 SPAD值与图像色彩参数的回归模型及精度
Tab.2　TheregressionmodelsandaccuracyforSPADofpeng an100jinchengleafandcolorcharacteristic
色彩参数(x) 模型类型 回归方程 Y(SPAD) 决定系数(R2) 标准误 F值
R Quadratic Y=-0.013x2 +4.128x-251.995 0.765＊＊ 5.812 73.214
R/B Cubic Y=3.615x3 -34.772x2 +115.069 0.807＊＊ 5.269 93.955
R/(G+B) Quadratic Y=-1077.936x2 +823.594x-74.432 0.840＊＊ 4.792 118.312
B/(G+R) Cubic Y=-2 590.949x3 +1 235.161x-257.845 0.760＊＊ 5.871 71.330
r Quadratic Y=-7 883.574x2 +4 715.912x-628.263 0.841＊＊ 4.782 118.885
b Cubic Y=-9 121.418x3 +2 359.956x-389.616 0.759＊＊ 5.886 70.821
G-B Quadratic Y=-0.018x2 +1.968x+15.536 0.759＊ 5.889 70.733
B-R Quadratic Y=-0.007x2 -0.107x+71.685 0.861＊＊ 4.475 138.959
(B-R)/(B+R) Cubic Y=-9770.480x3 -6 024.467x2 -935.191x+23.825 0.818＊＊ 5.171 65.944
r-b Cubic Y=44428.804x3 -16 532.812x2 +1 537.375x+24.598 0.828＊＊ 5.023 70.777
　　＊和＊＊分别表示显著性检验 P<0.05与 P<0.01。
·112·
2011年 4月　　　　　 　　　　　　　　　农 机 化 研 究　　　　　　　　　　　　　　　　第 4期
图 2　蓬安 100号锦橙叶片 SPAD值与颜色特征参数的回归模型检验
Fig.2　Testofregresionmodelsforpeng an100jinchengleavesSPADvaluecontentandcolorcharacteristicparameters
·113·
2011年 4月　　　　　 　　　　　　　　　农 机 化 研 究　　　　　　　　　　　　　　　　第 4期
表 3　回归方程预测蓬安 100号锦橙叶片 SPAD值的精度检验
Tab.3　TheaccuracytestofpredictedconcentrationofSPADvaluewiththe
regressionequation
颜色参数 出错 /检验数 误差/%
R/B 2 /47 4.26
R/(G+B) 1 /47 2.12
r 1 /47 2.12
B-R 3 /47 6.38
(B-R)/(B+R) 1 /47 2.12
r-b 1 /47 2.12
　　从图 2和表 3可以看出 ,利用 R/B, R/(G+B), r,
B-R, (B-R)/(B+R)和 r-b等 6个颜色特征参
数 ,建立的回归模型能较好地预测叶片 SPAD值变化 。
在 95%置信区间内 , 6组回归模型对 SPAD值的预测
误差在 2.12% ～ 6.38%之间(见表 3所示)。其中 ,
R/(G+B), r, (B-R)/(B+R)和 r-b等 4个颜色特
征参数建立的蓬安 100号锦橙叶片 SPAD值预测模型
的误差最小 ,均为 2.12%。
综合考虑模型的相关系数 、决定系数 、标准误以
及模型的检验精度等因素 ,以 R/(G+B)和 r等颜色
特征参数构建的蓬安 100号锦橙叶片 SPAD值预测模
型 ,其相关系数和决定系数相对最高 , 标准误和误差
相对最小 。因此 ,用作构建预测回归模型来检测叶片
SPAD值 ,所建模型分别为
YSPAD=-1 077.936[ R/(G+B)] 2 +823.594[ R/
(G+B)] -74.432　(R2 =0.840＊＊)
YSPAD=-7 883.574r2 +4 715.912r-628.263　
(R2 =0.841＊＊)
3　讨论
本试验研究结果表明 ,对 RGB颜色系统中的 R,
G, B值进行归一化等处理后 ,获得的叶片颜色特征参
数与蓬安 100号锦橙叶片 SPAD值建立的相关性 ,比
直接使用三基色 R, G, B参数所获得的相关性要好 ,这
与前人的研究结果基本一致[ 5-9] 。
通过对蓬安 100号锦橙叶片随机建模样本颜色特
征参数与叶片 SPAD值的相关性分析 、回归模型最佳
拟合判定以及模型精度检验 ,结果表明:颜色特征参
数 R/(G+B)和归一化处理后的色度坐标值 r均是预
测叶片 SPAD值的最佳参数 ,其回归模型的相关系数
和决定系数相对最高 ,标准误和误差相对最小 ,这与
王娟等[ 10]的研究结论基本一致。柴阿丽等[ 5]对番茄
叶片叶绿素含量的研究结果表明 , G-R为番茄叶片
叶绿素含量的最佳预测指标;王方永等 [ 9]也认为 , G-
R是获取棉花功能叶叶绿素含量和群体绿色指数的最
佳参数 。这一差异是否与柑桔叶片蜡质或叶片成熟
度有关 ,还需进一步系统研究。
本试验通过较大样本量数据采集 ,运用多种统计
分析软件研究分析 ,同时通过对 RGB系统中三基色
R, G, B的多种数学变换和归一化处理后获得的颜色
特征信息与 SPAD值相关性分析 ,最终筛选出了相关
性最好 、决定系数最大 、标准误和检验误差最小的拟
合模型 。其中 ,利用数学变换后的 R/(G+B)参数和
归一化处理的坐标值 r所建立的蓬安 100号锦橙叶片
SPAD值预测回归模型 ,其模型分别为
YSPAD=-1 077.936[ R/(G+B)] 2 +823.594
[ R/(G+B)] -74.432　(R2 =0.840)
YSPAD=-7 883.574r2 +4 715.912r-628.263　
(R2 =0.841)
其预测误差相对最小 ,预测误差均为 2.12%,具
有较好的预测准确度和可信度。因此 ,叶片颜色参数
R/(G+B)和归一化坐标值 r均可作为基于计算机视
觉技术的锦橙叶片 SPAD值最佳预测指标 。
利用计算机视觉技术分析植被特征的过程中 ,图
像信息采集时的拍摄状态和光照强度等因素往往会
影响颜色特征的分析结果 ,因此尽量保持相对一致的
图像信息采集条件 ,将有助于这一问题的解决 [ 11] 。本
试验中 , 图像信息获取采用了数码相机固定拍摄 、焦
距以及镜头与叶片间的距离不变等多种条件设置 ,同
时统一设置了拍摄模式 、拍摄角度和校正模式等 ,并
保证在光照等自然环境条件相对一致的较短时间内
完成叶片图像信息的采集 ,尽可能减少了误差 。但对
于不同光照条件 、不同拍照模式以及不同相机参数设
置等对颜色特征定量信息真实性的影响还有待进一
步研究 。另外 ,不同的柑桔品种类型 、管理技术 、复杂
的气候条件和生境条件等是否会对颜色分析与叶片
叶绿素含量测试精度产生影响 ,有待进一步做深入的
研究。
4　结论
以计算机视觉技术为平台 ,通过数字图像分析技
术进行了蓬安 100号锦橙叶片叶绿素含量与 R, G, B
及其多种数学变换的颜色特征信息的相关性研究 ,得
出了叶片颜色参数 R/(G+B)和归一化坐标值 r可作
为基于计算机视觉技术的锦橙叶片 SPAD值最佳预测
指标 , 其相关性和决定系数相对最大 ,而标准误和检
·114·
2011年 4月　　　　　 　　　　　　　　　农 机 化 研 究　　　　　　　　　　　　　　　　第 4期
验误差最小 。因此 ,利用计算图像技术诊断柑桔叶片
叶绿素含量是可行的。
参考文献:
[ 1] 　白优爱.京郊保护地番茄养分吸收及氮素调控研究 [ D] .
北京:中国农业大学 , 2003.
[ 2] 　贾良良.应用数字图像技术与土壤植株测试进行冬小麦
氮营养诊断 [ D] .北京:中国农业大学 , 2003.
[ 3] 　孙钦平 , 贾良良 , 芮玉奎 , 等.应用可见光光谱进行夏
玉米氮营养诊断 [ J] .光谱学与光谱分析 , 2009, 29
(2):432-435.
[ 4] 　李存军 , 王纪华 , 刘良云 , 等.基于数字照片特征的小麦
覆盖度自动提取研究 [ J] .浙江大学学报(农业与生命科
学版), 2004, 30(6):650-656.
[ 5] 　LukinaE, StoneM, RaunW.Estimatingvegetationcoverage
inwheatusingdigitalimages[ J] .PlantNutr., 1999, 22
(2):341-350.
[ 6] 　柴阿丽 , 李宝聚 , 王倩 , 等.基于计算机视觉技术的番
茄叶片叶绿素含量的检测 [ J] .园艺学报 , 2009, 36(1):
45-52.
[ 7] 　雷咏雯 , 危常州 , 冶军 , 等.计算机辅助叶色分析进行棉
花氮素营养诊断的初步研究 [ J] .石河子大学学报(自然
科学版), 2004, 22 (2):113-116.
[ 8] 　肖焱波 , 贾良良 , 陈新平 , 等.应用数字图像分析技术进
行冬小麦拔节期氮营养诊断 [ J] .中国农学通报 , 2008,
24(8):448-453.
[ 9] 　王克如 , 李少昆 , 王崇桃 , 等.用机器视觉技术获取棉花
叶片叶绿素浓度 [ J] .作物学报 , 2006, 32(1):34-40.
[ 10] 　王方永 , 李少昆 , 王克如 , 等.基于机器视觉的棉花群
体叶绿素监测 [ J] .作物学报 , 2007, 33 (12):2041 -
2046.
[ 11] 　王娟 ,雷咏雯 , 张永帅 , 等.应用数字图像分析技术进行
棉花氮素营养诊断的研究 [ J] .中国生态农业学报 ,
2008, 16(1):145 -149.
[ 12] 　张彦娥.基于计算机视觉技术温室作物长势诊断机理
与方法研究 [ D] .北京:中国农业大学 , 2005.
DiagnosisModelofJinchengOrangeLeafChlorophylContent
—BasedonDigitalImageAnalysisTechnique
YiShilai1a, 2 , DengLie1a, 2 , HeShaolan1a, 2 , ZhengYongqiang1a, 2 , WangLiang1b,
ZhaoXuyang1b, NiuTingxiang1b
(1.SouthwestUniversitya.CitrusResearchInstitute, Chongqing400712 , China;b.ColegeofHorticultureandLand-
scapeArchitecture, Chongqing400715, China;2.CitrusResearchInstitute, ChineseAcademyofAgriculturalSciences,
Chongqing400712 , China)
Abstract:ThecolorcharacteristicparametersoftheimagesofPeng an100Jinchengsleavescapturedwithsimpledigital
camerawereacquiredbythePhotoshopsoftware.Thentherelationshipsbetweenthecharacteristiccolorparameterpro-
cessedbythemathematictransformingandnormalizationprocessedandtheSPADvalueoftheJincheng100 leaveswere
analyzed, andtheregresionmodelwereestablished.TheresultsshowedthatthecolorcharacteristicparameterR/B, R/
(G+B), B-R, (B-R)/(B+R), chromaticitycoordinaterandr-barepresentedasignificantnon-linearrelativi-
ty.TheSPADvaluepredictingmodelofpeng an100 jinchengorangeleaveswereestablishedbythecolorcharacteristic
parameterR/(G+B)andthenormalizedcoordinatesrareSPAD=-1077.936[ R/(G+B)] 2 +823.594[ R/(G+
B)] -74.432(R2 =0.840)andSPAD=-7883.574r2 +4715.912r-628.263(R2 =0.841), separately.Theerors
ofpredictionarerelativelyminimum(2.12%).Therefore, thecolorcharacteristicparameterR/(G+B)andchromatici-
tycoordinaterareabletoregardasbestpredictionindexofJinchengleavessSPADvaluesbasedoncomputervisual.
Keywords:jinchengleaves;digitalimageanalysis;colorparameter;SPADvalue
·115·
2011年 4月　　　　　 　　　　　　　　　农 机 化 研 究　　　　　　　　　　　　　　　　第 4期