全 文 ：园 　艺 　学 　报 　2009, 36 (1) : 45 - 52
Acta Horticulturae Sinica
收稿日期 : 2008 - 06 - 11; 修回日期 : 2008 - 11 - 20
基金项目 : 国家 ‘863’项目 ( 2006AA10Z210 ) ; 国家自然科学基金项目 ( 60678052 ) ; 科研院所社会公益研究专项项目
(2004D IB4J53) ; 农业部园艺作物遗传与改良重点开放实验室项目 ; 国家基础科学人才培养基金项目 ( J0630103) ; 国家自然科学基
金重点项目 (10531040)3 通讯作者 Author for correspondence ( E2mail: L ibaoju62197975@1261com)
基于计算机视觉技术的番茄叶片叶绿素含量的检测
柴阿丽 1 , 李宝聚 13 , 王　倩 2 , 石延霞 1 , 黄海洋 2
(1 中国农业科学院蔬菜花卉研究所 , 北京 100081; 2 北京师范大学数学科学学院 , 北京 100875)
摘 　要 : 利用计算机视觉技术快速测定叶绿素含量的方法 , 建立了根据番茄叶片颜色特征确定其叶绿
素含量的一元二次拟合模型。在计算机视觉图像采集系统中采集番茄叶片图像 , 利用 MATLAB图像处理工
具提取图像的颜色特征参数 , 对颜色特征参数和番茄功能叶叶绿素含量做相关分析 , 建立回归模型。结果
表明 : RGB颜色系统的 R /G、 (G - R ) / (G + R )、G - R、色度坐标 r、 r - g及 H IS颜色系统的 H值均与叶
绿素含量呈极显著非线性相关 , 可用于测定番茄叶片叶绿素含量。从建立的 6组模型中筛选出拟合度较高
的 3组模型进行检验 , 预测误差在 0～22122%之间。用预测精度最高的 G - R颜色特征预测叶绿素含量的
模型为 Chl. a = 010926 + 011208 (G - R ) - 010009 (G - R ) 2 , Chl. b = - 010252 + 010397 (G - R ) - 010003 (G -
R ) 2和 Chl. ( a + b) = 011271 + 011600 (G - R ) - 010011 (G - R ) 2。
关键词 : 番茄 ; 计算机视觉 ; 叶绿素含量 ; 颜色特征
中图分类号 : S 64112　　文献标识码 : A　　文章编号 : 05132353X (2009) 0120045208
D etecting Chlorophyll Con ten t of Toma to L eaves w ith Technology of Com 2
puter V ision
CHA IA2li1 , L IBao2ju13 , WANG Q ian2 , SH I Yan2xia1 , and HUANG Hai2yang2
(1 Institu te of V egetables and Flow ers, Ch inese A cadem y of A gricu lture Sciences, B eijing 100081, Ch ina; 2D epartm ent of M athe2
m atics B eijing N orm al U niversity, B eijing 100875, China)
Abstract: The rap id methods detecting chlorophyll concentration by the computer vision technology,
and a unary quadratic model to p redict chlorophyll content based on color parameters of tomato leaf images
have been established in this study. The images of tomato leaves were taken in the image acquisition system,
then the color characteristics were extracted with the MATLAB image p rocessing software. The correlation be2
tween color parameters of tomato digital image and chlorophyll content of tomato functional leaf were analyzed
by nonlinear regressmodels. The results showed that the color characteristics such as R /G, (G - R ) / (G +
R ) , G - R, r, r - g in the RGB color system, and H2value in the H IS color system were significantly correla2
tion with chlorophyll content of tomato leaf at P < 0101. Six sets of p rediction model were established and a2
mong them 3 models with high fitting degree were selected to use. The p rediction accuracy of the selected
model were tested, and error ranged 0 to 22122%. According to the determ ination coefficients and RMSE
( rootmean square error) , G - R was the best color characteristic to p redict chlorophyll content of tomato leaf.
The corresponding models are Chl. a = 010926 + 011208 (G - R ) - 010009 ( G - R ) 2 , Chl. b = - 010252 +
010397 (G - R ) - 010003 (G - R ) 2 and Chl. ( a + b) = 011271 + 011600 (G - R ) - 010011 (G - R ) 2.
Key words: tomato; machine vision; chlorophyll content; color characteristic
© 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net
园 　　艺 　　学 　　报 36卷
植物叶片的叶绿素含量与其光合速率、营养状况等密切相关。实践上常用测定叶绿素含量的方法
来检测植物的生长状况 , 也往往把叶色变化作为看苗诊断和肥水管理的重要指标 (杨敏文 , 2002)。
叶绿素含量的测定方法主要有分光光度法 (苏正淑和张宪政 , 1989) 和 SPAD叶绿素仪法 (郭
劲松 等 , 2007) , 最近又发展了光谱法和基于计算机视觉的图像处理技术 (Borhan et al. , 2004; 雷
咏雯 等 , 2004; 王克如 等 , 2006; 王方永 等 , 2007)。基于计算机视觉的图像处理技术是一种快
捷、便利的监测方法 , 具有无损伤和实时等特点 , 成为植物叶绿素信息获取的新手段。
植物叶片颜色的变化实质上是植物体内叶绿素及其它色素含量变化引起的。叶片的颜色与叶绿素
含量有着密不可分的关系 (张彦娥 , 2005) , 人们往往把叶片颜色变化作为判断作物营养和缺素症发
生的直接依据。
本研究中利用计算机视觉和图像处理技术 , 通过对番茄叶片图像颜色特征参数和叶绿素含量的统
计分析 , 筛选出对叶绿素含量预测精度较高的颜色参数并建立模型 , 从而实时、快速、准确地获取叶
片叶绿素的含量信息。
1　材料与方法
111　番茄叶片图像获取
以番茄 ‘中杂 9号 ’品种为材料 , 于 2007年 8月 3日定植于中国农业科学院蔬菜花卉研究所试
验大棚中 , 常规管理。
于开花坐果期选取生长一致、无病虫害的番茄 60株 , 随机摘取功能叶 60片 , 装入保鲜袋中带回
实验室 , 用数码相机拍摄叶片正面图像。
图像采集系统 (如图 1所示 ) 由光照箱、数码相机、计算机等硬件系统和图像采集软件系统等
组成。
图 1　标准图像采集系统
F ig. 1　 Image acqu isition system
光照箱由一个内壁黑色、顶部两端分别装有 3个 10 W 荧光灯 (色温 6 500 K) 的铁箱构成 , 侧
部留一自由开关的小门 , 便于盛装样本。箱内底部采用黑色布料作为摄像背景。灯箱顶部中央取直径
65 mm的圆孔 , 作为数码相机的取景位置 , 用 Canon A640数码相机 , 采用近拍模式、自动白平衡、
1 280 ×960分辨率 , 进行拍摄。
数码相机不使用闪光灯 , 并固定各种设置 , 以保证每个图像具有相同的采集条件。获得的数码照
片以 JPEG格式传入计算机。
64
© 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net
　1期 柴阿丽等 : 基于计算机视觉技术的番茄叶片叶绿素含量的检测 　
112　叶绿素含量测定
在获取番茄叶片图像之后 , 立即打孔取样约 012 g, 剪成条状 , 加丙酮与无水乙醇混合提取液
(体积比为 1∶1) 10 mL, 置室温下避光浸提至叶片组织完全褪色 , 用 756型紫外可见光光度计 (上海
广谱仪器有限公司 ) 比色 , 在 645、663、652 nm下测 OD值 , 用 A ron法计算叶片叶绿素 a、b和 a +
b的含量。
113　彩色图像颜色系统的选择
一般彩色图像的颜色系统有 RGB、H IS、NTSC和 YcbCr等 , 在图像处理中常用的是 RGB和 H IS。
它们都为彩色系统 , 且具有对光源变化不敏感、不同颜色易于区分的特点。
RGB系统中 , R、G、B 分别表示彩色数字图像中红、绿、蓝三种基色的亮度值 , 通过改变三基
色数量 , 可混合出各种颜色。色度系统中常用 R、G、B 的比例值表示色度坐标 ( r, g, b) , r、 g、 b
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 , 且 r +
g + b = 1。计算公式如下 :
r = R / (R + G +B )
g = G / (R + G +B )
b =B / (R + G +B )
与 RGB系统相比 , H IS的系统与人眼感觉颜色的原理相似 , 其中 H是色调 (Hue) , 描述颜色的
属性 ; S是饱和度 ( Saturation) , 即纯色程度的量度 ; I是亮度 ( Intensity)。
RGB到 H IS的转化公式见岑喆鑫等 (2007) 的文献 , 从公式看出 , S和 H与亮度无关 , 即与光
照的强度变化无关 , 只有 I与光照的变化有关。
114　颜色特征参数的提取
以 MATLAB 71011软件 ( The Math Works开发 ) 的图像处理工具箱作为图像处理和分析的平台 ,
利用其自带的 Imhist函数 , 可得到图像的直方图。
利用归一化直方图的统计特征 , 分析图像颜色 R、G、B 和 H、 I、S成分在叶片面积中的均值 ,
并对 R、G、B 进行各种形式的变换组合 , 作为颜色特征参数。利用 R、G、B 的各种组合可以理解为
消除光强对颜色的影响。
115　模型的建立与检验
数据统计分析采用 SAS 910软件处理。
分析从图像中提取的各颜色特征参数与番茄功能叶叶绿素含量间的相关性 , 选择相关性高的颜色
特征参数 , 进一步建立番茄叶片叶绿素含量快速测定模型。从样品中随机抽取 40组叶片数据用于建
立模型 , 剩余的 20组叶片数据用于模型检验。由于试验过程中 49号叶片丢失 , 所以将剩余的 59组
数据残差标准化后 , 进行残差分析 , 认为标准化残差的绝对值 ≥3的观测点是异常值 , 发现 9、10、
48号叶片残差较大 , 故去掉这 3组叶片数据 , 即用剩余有效数据的 38组用于建立模型 , 18组用于模
型检验。
2　结果与分析
211　颜色特征参数与番茄功能叶叶绿素含量间的相关性分析
利用 MATLAB 71011图像处理工具箱 , 提取了番茄功能叶片每张图像的 R、G、B 和 H、 I、S的
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 , 分析各颜色特征参数与番
茄功能叶 Chl. a、Chl. b、Chl. ( a + b)含量间的相关性 , 结果表明部分颜色特征参数与叶绿素含量存
在极显著相关性 (表 1)。
74
© 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net
园 　　艺 　　学 　　报 36卷
表 1　颜色特征参数与番茄功能叶叶绿素 a、b、a + b含量间的相关系数
Table 1　Correla tion ana lysis of color character istic and chlorophyll con ten t of toma to functiona l leaf
颜色参数
Color characteristic
叶绿素 Chlorophyll
Chl. a Chl. bChl. ( a + b)
颜色参数
Color characteristic
叶绿素 Chlorophyll
Chl. a Chl. bChl. ( a + b)
R 　0152183 3 　0149893 3 　0152673 3 G - R - 0165643 3 - 0165233 3 - 0166633 3
G - 011340 - 010990 - 011206 G - B 　010550 - 010726 　010301
B - 011021 　010916 - 010597 B - R
- 0147743 3 - 0137173 - 0146133 3
H - 0163063 3 - 0162953 3 - 0164223 3 R /G 　0159973 3 　0159693 3 　0160843 3
I - 0139183 - 013091 - 0138293 R /B 　0151093 3 　0141773 3 　0149833 3
S - 011340 - 010990 - 011206 G /B 　010761 - 010671 　010509
r 　0159413 3 　0154533 3 　0159193 3 R / ( G +B ) 　0158963 3 　0154013 3 　0158633 3
g - 0144923 3 - 0153123 3 - 0147053 3 G / ( R +B ) - 0144923 3 - 0153123 3 - 0147053 3
b - 0135383 - 012411 - 0133883 B / ( R + G) - 0135383 - 012411 - 0133883
r - g 　0161313 3 　0162233 3 　0162503 3 ( G - R ) / ( G + R ) - 0159973 3 - 0159693 3 - 0160843 3
r - b 　0148533 3 　013971 I3 　0147513 3 ( G - B ) / ( G +B ) 　010761 - 010671 　010509
g - b - 010360 - 011807 - 010637 (B - R ) / (B + R ) - 0151093 3 - 0141773 3 - 0149833 3
　　3 和 3 3 分别表示显著性检验 P < 0105和 P < 0101。3 and 3 3 mean significant differences at P < 0105 and P < 0101 levels, respectively.
RGB系统中 , 仅 R值与叶绿素 a、b、a + b含量之间呈极显著正相关。对 R、G、B 值进行形式变
换 , 发现 R / (G +B )、G / (R +B )、B / (R + G)、 (G - R ) / (G + R )、 (B - R ) / (B + R ) 与叶绿素 a、
b、a + b含量间的相关性均有所提高 , 其中 R / ( G +B ) 与叶绿素含量呈极显著正相关 , G / ( R + B )、
(G - R ) / (G + R )、 (B - R ) / (B + R ) 与叶绿素含量呈极显著负相关。在 R、G、B 互为比值的转
换中 , R /G、R /B 与叶绿素含量呈极显著正相关 , 说明叶绿素含量有随 R 值增加而增加、随 G值
和 B 值增加而减小的趋势。R /G、 ( G - R ) / ( G + R ) 、G - R 与叶绿素含量的相关性均高于对应形
式的 RB 或 GB 组合与叶绿素含量的相关性 , 说明 RG组合有使其与叶绿素含量间的相关性增强的
作用。
利用 R、G、B 的色度坐标值 r、 g、 b, 分别与番茄功能叶 Chl. a、Chl. b、Chl. ( a + b)含量进行
相关分析。结果 (表 1) 表明 , 归一化后的 r、 g、 b值与叶绿素含量的相关性显著高于三基色 R、
G、B 值与叶绿素含量的相关性。其中 , 色度坐标值 r与叶绿素含量呈极显著正相关 , g值与叶绿
素含量呈极显著负相关。在 r、 g、 b互为差值的转换中 , r - g、 r - b均与叶绿素含量呈极显著正相
关。
H IS系统中 , H值与叶绿素含量之间存在极显著的负相关关系 , I、S值与叶绿素含量间的相关不
显著。可用 H值建立番茄功能叶叶绿素含量的快速测定模型。
212　建立叶绿素含量预测回归模型
选取在α = 0101的显著水平下 , 与叶绿素含量极显著相关 , 且相关度最高的 6个颜色特征参数 ,
即 R /G、 (G - R ) / (G + R )、G - R、 r、 r - g、H值 , 建立叶绿素含量预测的回归模型 , 建模样本数
为 38个。
表 2为拟合的颜色特征参数与叶绿素含量的回归方程、决定系数以及均方根误差值 RMSE ( root
mean square error)。综合比较均方根误差值和决定系数 , 均方根误差值愈小、决定系数越接近 1, 表
示拟合的回归模型愈好。结果表明 , 以 H、 ( G - R ) / ( G + R )、G - R这 3个颜色特征参数建立的回
归模型拟合度最好。
84
© 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net
　1期 柴阿丽等 : 基于计算机视觉技术的番茄叶片叶绿素含量的检测 　
表 2　番茄功能叶叶绿素含量与颜色特征参数的回归模型
Table 2　The regression m odels for chlorophyll con ten t of toma to functiona l leaf and color character istic
回归方程
Regression equation
决定系数 R2
Determ ination coefficient
均方根误差
RMSE
Chl. a = 010203 + 010929 H - 010005 H2 0180873 3 013700
Chl. b = - 011497 + 010333 H - 010002 H2 0183163 3 011132
Chl. ( a + b) = 010298 + 011234 H - 010007 H2 0182963 3 014583
Chl. a = - 010570 + 1012036 R /G - 418667 (R /G) 2 0179163 3 013862
Chl. b = - 010245 + 313586 R /G - 116190 (R /G) 2 0179863 011238
Chl. ( a + b) = - 010736 + 1314153R /G - 612633 (R /G) 2 0181203 014813
Chl. a = 011506 + 3315231 (G - R ) / ( G + R ) - 661666 [ (G - R ) / ( G + R ) ]2 0178963 3 013882
Chl. b = 010336 + 1111248 (G - R ) / ( G + R ) - 2211869 [ (G - R ) / ( G + R ) ]2 0181943 3 011172
Chl. ( a + b) = 012044 + 4414952 (G - R ) / ( G + R ) - 8816275 [ (G - R ) / ( G + R ) ]2 0180873 3 014854
Chl. a = 010926 + 011208 ( G - R ) - 010009 ( G - R ) 2 0181343 3 013655
Chl. b = - 010252 + 010397 ( G - R ) - 010003 ( G - R ) 2 0182563 3 011152
Chl. ( a + b) = 011271 + 011600 ( G - R ) - 010011 ( G - R ) 2 0182993 3 014578
Chl. a = - 010340 + 2015890 r - 1517505 r2 0176843 014072
Chl. b = - 010132 + 710596 r - 614676 r2 0175383 011368
Chl. ( a + b) = - 010440 + 2712677 r - 2018076 r2 0178433 015156
Chl. a = 011780 - 4716002 ( r - g) - 13612983 ( r - g) 2 0178093 3 013961
Chl. b = 010442 - 1519079 ( r - g) - 4519409 ( r - g) 2 0182383 3 011158
Chl. ( a + b) = 012404 - 6312754 ( r - g) - 18116613 ( r - g) 2 0180263 3 014933
　　3 和 3 3 分别表示显著性检验 P < 0105和 P < 0101。3 and 3 3 mean significant differences at P < 0105 and P < 0101 levels, respectively.
213　模型检验
对实测值和拟合模型之间的符合程度进行统
计分析和精度检验 , 检验样本数为 18个。
对选择的 3组模型进行正态性检验 , 表明残
差服从正态分布 , 由此计算 3组回归模型的置信
限。给定显著性水平α = 0105。
利用计算得到的置信区间 , 对回归模型进行
检验。
图 2、图 3和图 4为番茄功能叶叶绿素含量
的实测值以 95%的概率落在给定置信区间的预测
结果图 , 图中实线表示拟合的回归方程 , 虚线表
示给定的 95%置信区间。
从图 2、图 3 和图 4 可以看出 , 利用 H、
(G - R ) / (G + R )、G - R 三个颜色特征参数建
立的回归模型能较好地预测番茄功能叶叶绿素含
量的变化。在 95%置信区间内 , 三组回归模型对
Chl. a、Chl. b、Chl. ( a + b)含量的预测误差在 0～
22122%之间 (表 3)。H、 ( G - R ) / ( G + R )、G
- R模型对 Chl. a、Chl. b、Chl. ( a + b)含量的平
均预测误差分别为 20137%、7141%和 3170% ,
其中 G - R 模型误差最小。推荐用预测精度最高
的 G - R颜色特征参数作为获取番茄叶片叶绿素
信息的最佳颜色指标。
图 2　番茄功能叶叶绿素含量与颜色特征参数 H值的回归模型检验
F ig. 2　Test of regression m odels for toma to functiona l leaf
chlorophyll con ten t and color character istic H va lue
94
© 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net
园 　　艺 　　学 　　报 36卷
表 3　回归方程预测番茄叶片叶绿素含量的精度检验
Table 3　The accuracy test of pred icted concen tra tion of chlorophyll w ith the regression equa tion
颜色参数
Color parameter
H值
H value
Chl. a Chl. b Chl. ( a + b)
G - R值
G - R value
Chl. a Chl. b Chl. ( a + b)
( G - R ) / ( G + R )值
( G - R ) / ( G + R ) value
Chl. a Chl. b Chl. ( a + b)
出错 /检验 Error /Testing 4 /18 3 /18 4 /18 0 /18 2 /18 0 /18 2 /18 1 /18 1 /18
误差 /% Error testing 22122 16167 22122 0 11111 0 11111 5156 5156
平均误差 /%Mean error testing 20137 3170 7141
3　讨论
本研究发现 , 在 RGB颜色系统中 , 用 R、G、B 值进行各种数学形式变换后的颜色特征值与番茄
叶片叶绿素含量做相关分析比直接用 R、G、B 值做相关分析的结果好 ; 同时 , 色度坐标值 r、 g、 b
与叶绿素含量的相关性好于三基色的相关分析结果 , 这与前人在棉花上的研究结果 (雷咏雯 等 ,
2004; 王克如 等 , 2006; 王方永 等 , 2007) 一致 , 说明作物在这一方面有共性。另外 , 本研究结果
说明颜色参数 G - R为番茄叶片叶绿素含量的最佳预测指标 , 王方永等也认为颜色特征 G - R是获取
05
© 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net
　1期 柴阿丽等 : 基于计算机视觉技术的番茄叶片叶绿素含量的检测 　
棉花功能叶叶绿素含量和群体绿色指数的最佳参数 , 但这一结论能否推广应用还有待进一步研究。在
H IS颜色系统中 , 本研究表明 H值与叶绿素含量之间存在极显著负相关 , S和 I值与叶绿素含量间相
关不显著 , 而王克如等 ( 2006 ) 对棉花叶片的研究认为 S值与叶绿素含量之间存在极显著负相关 ,
与前人研究结果有所不同 , 因此这一问题尚需进一步研究。
在图像分析过程中 , 获取叶片图像时的拍摄状态和光照强度等环境因素的不同往往会影响颜色特
征的分析结果 , 保持相对一致的光照条件有助于解决这一问题 (张彦娥 , 2005)。本研究中 , 图像获
取采用了人工控制光源的图像采集系统 , 具有比较好的受光均匀特性 , 而且固定了相机、焦距以及镜
头与叶片间的距离等多种设置 , 对不同时间采集的叶片 , 图像处理和数据分析有比较好的一致性 , 尽
可能减少了误差。但是不同天气条件下 , 自然光的光照强度有较大变化 , 这些变化对拍摄照片中颜色
特征的定量关系有待进一步研究。同时 , 作物种类、品种、肥水、种植密度等栽培条件对颜色分析和
叶片叶绿素含量测试精度的影响有待进一步研究。
在表征图像颜色特征的参数指标中 , 与番茄功能叶叶绿素含量极显著相关的是 RGB颜色系统的
R /G、 (G - R ) / (G + R )、G - R、 r、 r - g值和 H IS系统的 H值 , 利用这些颜色特征值建立番茄叶片
叶绿素含量的统计预测模型。筛选出 3组拟合度较高的模型 , 即利用 (G - R ) / ( G + R )、G - R、H
值这 3个颜色特征值所建模型 , 对 Chl. a、Chl. b、Chl. ( a + b) 含量预测的误差在 0～22122%之间 ;
其中以 G - R 所建模型的预测误差最小 , 对 Chl. a、Chl. b、Chl. ( a + b) 含量预测的误差分别为 0、
11111%和 0。G - R预测叶绿素含量的模型分别为 : Chl. a = 010926 + 011208 (G - R ) - 010009 (G -
R ) 2 , (R2 = 0181343 3 ) ; Chl. b = - 010252 + 010397 (G - R ) - 010003 (G - R ) 2 , (R2 = 0182563 3 ) ;
Chl. ( a + b) = 011271 + 011600 (G - R ) - 010011 (G - R ) 2 , (R2 = 0182993 3 )。颜色参数 G - R可作为
基于计算机视觉的番茄叶片叶绿素含量的最佳预测指标。
References
Borhan M S, Panigrahi S, Lorenzen J H, Gu H. 2004. Multispectral and color imaging techniques for nitrate and chlorophyll determ ination of
potato leaves in controlled environment. Transactions of the ASAE, 47 (2) : 599 - 608.
Castleman K R. 2000. D igital image p rocessing. Beijing: Q inghua University Press. ( in Chinese)
Castleman K R. 2000. 数字图像处理. 北京 : 清华大学出版社.
Cen Zhe2xin, L i Bao2ju, Shi Yan2xia, Huang Hai2yang, L iu Jun, L iao N ing2fang, Feng J ie. 2007. D iscrim ination of cucumber anthracnose
and cucumber brown speck base on color image statistical characteristics. Acta Horticulturae Sinica, 34 (6) : 1425 - 1430. ( in Chinese)
岑喆鑫 , 李宝聚 , 石延霞 , 黄海洋 , 刘　君 , 廖宁放 , 冯　洁. 2007. 基于彩色图像颜色统计特征的黄瓜炭疽病和褐斑病的识别
研究. 园艺学报 , 34 (6) : 1425 - 1430.
Gao Hui2xuan. 2001. Practical statistical method and SAS system. Beijing: Beijing University Press. ( in Chinese)
高惠旋. 2001. 实用统计方法与 SAS系统. 北京 : 北京大学出版社.
Guo J in2song, Xu Fu2li, W ang Zhen. Study of nitrogen nutrition status for garden sass by chlorophyll meter. Journal of Anhui Agriculture Sci2
ence, 35 (21) : 6407 - 6409. ( in Chinese)
郭劲松 , 徐福利 , 王　振. 2007. 应用叶绿素仪诊断大青菜氮素营养状况的研究. 安徽农业科学 , 35 (21) : 6407 - 6409.
Lei Yong2wen, W ei Chang2zhou, Ye Jun, Hou Zhen2an, L i Jun2hua, J ia L iang2liang. 2004. App lication of computer aided cotton leaf color
analysis in nitrogen status diagnosis in cotton p lants. Journal of Shihezi University: Natural Science Edition, 22 (2) : 113 - 116. ( in Chi2
nese)
雷咏雯 , 危常州 , 冶　军 , 侯振安 , 李俊华 , 贾良良. 2004. 计算机辅助叶色分析进行棉花氮素营养诊断的初步研究. 石河子大
学学报 : 自然科学版 , 22 (2) : 113 - 116.
Su Zheng2shu, Zhang Xian2zheng. 1989. Comparisons in several methods of measuring the chlorophyll content. Plant Physiology Communica2
tions, (5) : 77 - 78. ( in Chinese)
苏正淑 , 张宪政. 1989. 几种测定植物叶绿素含量的方法比较. 植物生理学通讯 , (5) : 77 - 78.
W ang Fang2yong, L i Shao2kun, W ang Ke2ru, Sui Xue2yan, Bai Jun2hua, Chen B ing, L iu Guo2qing, Tan Hai2zhen. 2007. Obtaining infor2
15
© 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net
园 　　艺 　　学 　　报 36卷
mation of cotton population chlorophyll by using machine vision technology. Acta Agronom ica Sinica, 33 ( 12) : 2041 - 2046. ( in Chi2
nese)
王方永 , 李少昆 , 王克如 , 隋学艳 , 柏军华 , 陈 兵 , 刘国庆 , 谭海珍. 2007. 基于机器视觉的棉花群体叶绿素监测. 作物学报 ,
33 (12) : 2041 - 2046.
W ang Ke2ru, L i Shao2kun, W ang Chong2tao, Yang2Lei, Xie Rei2zhi, Gao Shi2ju, Bai Jun2hua. 2006. Acquired chlorophyll concentration of
cotton leaves with technology of machine vision. Acta Agronom ica Sinica, 32 (1) : 34 - 40. ( in Chinese)
王克如 , 李少昆 , 王崇桃 , 杨　蕾 , 谢瑞芝 , 高世菊 , 柏军华. 2006. 用机器视觉技术获取棉花叶片叶绿素浓度. 作物学报 , 32
(1) : 34 - 40.
Xu Gui2li, Mao Han2p ing, L i Ping2p ing. 2002. Extracting color features of leaf color images. Transactions of the CSAE, 18 (4) : 150 - 154.
( in Chinese)
徐贵力 , 毛罕平 , 李萍萍. 2002. 缺素叶片彩色图像颜色特征提取的研究. 农业工程学报 , 18 (4) : 150 - 154.
YangM in2wen. 2002. Study on rap id determ ination of chlorophyll content of leaves. Chinese Journal of Spectroscopy Laboratory, 19 ( 4 ) :
478 - 481. ( in Chinese)
杨敏文. 2002. 快速测定植物叶片叶绿素含量方法的探讨. 光谱实验室 , 19 (4) : 478 - 481.
Zhang Yan2e. 2005. Study on vision2based crop growth diagnostic mechanism and method in greenhouse [ Ph. D. D issertation ]. Beijing: Chi2
nese Agricultural University. ( in Chinese)
张彦娥. 2005. 基于计算机视觉技术温室作物长势诊断机理与方法研究 [博士论文 ]. 北京 : 中国农业大学.
Zhao Xin. 2007. D iscussions for the imp rovement about detection method of chlorophyll2a. Fujian Analysis & Testing, 16 (1) : 31 - 32. ( in
Chinese)
赵　辛. 2007. 叶绿素 a测定方法 ‘改进的探讨. 福建分析测试 , 16 (1) : 31 - 32.
图书推荐
《蔬菜学》
本书由方智远院士主编 , 江苏科学技术出版社出版发行。全书共分 7大章 , 33个小节 , 44万字 , 552页 , 本书较
系统地记叙了中国蔬菜学发展的历史轨迹、学术成就 ; 比较全面地论述了蔬菜作物种质资源、遗传育种、栽培技术、
病虫害防治以及贮藏加工等各个专业的性质、研究内容 ; 简述了 21世纪中国蔬菜学的发展趋势。本书兼理论性与实
践性、政策性与操作性于一体 , 有利于读者更加深入地了解蔬菜学 , 研究蔬菜学 , 是从事蔬菜科研、教学及生产实践
有关人员的良好参考书籍。定价 : 47元 (含邮费 )。
　　　《中国蔬菜品种志》　　　
本书由中国农业科学院蔬菜花卉研究所主编 , 已于 2002年 9月出版发行。全书分上、下卷 , 1～6章为上卷 , 包
括根菜类、白菜类、芥菜类、甘蓝类、绿叶菜类及葱蒜类 , 计 2 263个品种 , 1 347页 ; 7～12章为下卷 , 包括瓜类、
茄果类、豆类、薯芋类、水生蔬菜类和多年生蔬菜类 , 计 2 550个品种 , 1 177页。入志的品种中 , 地方品种占 90%
以上 , 少量在全国栽培时间较长、种植面积较大的一代杂种也选入其中。本书较全面系统而又有重点地反映了中国丰
富的蔬菜品种资源概貌、研究成果及育种水平 , 可供蔬菜科研、教学、生产及种子公司、农业行政单位的人员参考。
本书出版后受到读者普遍好评 , 现尚有少量存书 , 特以优惠价格 490元 (上、下卷 ) 提供给读者 (原价 980元 )。
购书者请通过邮局汇款至北京中关村南大街 12号中国农科院蔬菜花卉所 《园艺学报 》编辑部 , 邮编 100081。
25
© 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net