王 碩 鮑天旸 劉建剛 段紹光 簡(jiǎn)銀巧 李廣存 金黎平 徐建飛

基于RGB顏色空間評(píng)價(jià)馬鈴薯塊莖綠化程度

王 碩 鮑天旸 劉建剛 段紹光 簡(jiǎn)銀巧 李廣存 金黎平 徐建飛*

中國(guó)農(nóng)業(yè)科學(xué)院蔬菜花卉研究所 / 農(nóng)業(yè)農(nóng)村部薯類作物生物學(xué)和遺傳育種重點(diǎn)實(shí)驗(yàn)室, 北京 100081

馬鈴薯是世界上最重要的作物之一, 塊莖作為馬鈴薯的商品器官, 塊莖綠化嚴(yán)重影響馬鈴薯商品品質(zhì), 造成大量的資源浪費(fèi)。建立一種方便快捷的塊莖綠化評(píng)價(jià)方法, 對(duì)于馬鈴薯種質(zhì)資源鑒定和塊莖品質(zhì)評(píng)價(jià)具有重要意義。本研究基于提取塊莖顏色空間特征, 結(jié)合RGB顏色空間色差分析, 對(duì)15個(gè)馬鈴薯四倍體和二倍體品種(系)材料的綠化趨勢(shì)和綠化程度進(jìn)行了系統(tǒng)評(píng)價(jià)。供試材料塊莖在25℃條件下, 125 μmol m–2s–1光照強(qiáng)度下, 中薯2號(hào)、中薯18號(hào)、中薯19號(hào)、Atlantic、Favorita和Kondor的綠化速度較快, HS66的綠化速度較慢。在光照處理9 d后, 塊莖色差值趨于穩(wěn)定, 在光照處理13 d后, 不同品種綠化程度差異明顯, 其中Favorita的綠化程度最大, 中薯28號(hào)的綠化程度最小。本研究建立的基于RGB顏色空間的馬鈴薯塊莖綠化評(píng)價(jià)方法能夠準(zhǔn)確區(qū)分不同品種(系)的綠化速度和綠化程度, 該方法簡(jiǎn)便、高效, 結(jié)果可靠, 為精準(zhǔn)評(píng)價(jià)塊莖綠化程度并進(jìn)行相關(guān)分析提供了技術(shù)方法參考。

馬鈴薯; 塊莖; 綠化; RGB顏色特征; 色差分析

馬鈴薯(L)是世界上僅次于水稻和小麥的第三大糧食作物, 其富含碳水化合物、蛋白質(zhì)、礦物質(zhì)和多種維生素, 是世界上10多億人口的主要食物[1-2]。馬鈴薯塊莖見光綠化, 會(huì)嚴(yán)重降低塊莖的品質(zhì)并且造成潛在的健康威脅。塊莖見光綠化與葉綠素的積累和糖苷生物堿的合成有關(guān)。當(dāng)暴露在光下時(shí), 塊莖周皮下方薄壁組織中大量淀粉體發(fā)育成葉綠體, 造成葉綠素的積累使塊莖變綠[3-4], 因此大部分馬鈴薯品種見光后會(huì)變綠, 但是麻皮和色素沉著的塊莖表皮會(huì)掩蓋葉綠素的存在,光照后表皮色素強(qiáng)度增加, 最后顏色變暗[5]; 塊莖綠化的同時(shí), 也會(huì)伴隨有毒物質(zhì)糖苷生物堿的增加, 糖苷生物堿的合成和積累與葉綠素產(chǎn)生是相互獨(dú)立的[4]。光照時(shí)間和強(qiáng)度會(huì)影響塊莖綠化速度, 一般情況下, 延長(zhǎng)暴露在光下的時(shí)間或者增加光照強(qiáng)度, 綠化速度加快[6]。塊莖綠化降低了其商品品質(zhì), 造成了大量的資源浪費(fèi), 在美國(guó)塊莖綠化每年造成14%～17%的馬鈴薯?yè)p失[7], 在南非農(nóng)產(chǎn)品市場(chǎng), 被收購(gòu)商拒收的馬鈴薯中, 塊莖綠化馬鈴薯占比達(dá)17%[4], 因此塊莖綠化程度已經(jīng)成為了馬鈴薯品質(zhì)重要評(píng)價(jià)指標(biāo)。

通過對(duì)塊莖顏色進(jìn)行分析, 可以評(píng)價(jià)塊莖綠化程度。在馬鈴薯塊莖綠化遺傳分析時(shí), 有研究者通過目測(cè)進(jìn)行綠化分級(jí)[5,8], 但目測(cè)分級(jí)方法存在主觀性或測(cè)試人個(gè)體顏色視覺敏感度差別。顏色是物體的重要特征之一, 顏色模型或者顏色空間可以描述色差現(xiàn)象, 其中, RGB模型是面向硬件的簡(jiǎn)單直觀模型, 許多圖像的處理都是此模型開發(fā)的[9], 在農(nóng)業(yè)研究領(lǐng)域得到了廣泛應(yīng)用。RGB模型是通過對(duì)紅、綠、藍(lán)3個(gè)顏色通道的變化及疊加來得到各種顏色, 其中每個(gè)通道有8位共256個(gè)級(jí)別, 3個(gè)顏色的組合可以得到1600萬種顏色, 幾乎涵蓋了所有能感知到的顏色[10]?？赏ㄟ^RGB模型進(jìn)行蘋果重量和糖度預(yù)測(cè)并進(jìn)行分級(jí)[11], 對(duì)脫絨棉種質(zhì)量與表面顏色特征的關(guān)系進(jìn)行分析[12]。還可運(yùn)用RGB顏色空間進(jìn)行豬肉儲(chǔ)藏時(shí)間的判定[13], 分析葉片顏色特征參數(shù)和葉綠素的相關(guān)性, 構(gòu)建葉綠素SPAD估算模型并進(jìn)行大豆葉片葉綠素含量預(yù)測(cè)[14]。在馬鈴薯塊莖綠化研究中, 常通過測(cè)定不同處理?xiàng)l件下塊莖的葉綠素含量, 進(jìn)而分析塊莖表皮綠化速度和程度[15], 或是對(duì)馬鈴薯表皮綠化進(jìn)行簡(jiǎn)單肉眼顏色觀察分級(jí)[16], 這2種方法雖然能夠直觀地評(píng)價(jià)塊莖綠化, 但在具體評(píng)價(jià)過程中的取樣、測(cè)定等操作中會(huì)產(chǎn)生較大誤差, 加之工作量較大, 肉眼對(duì)于顏色相近的塊莖難以精確辨別。有研究者以顏色特征分析為基礎(chǔ), 結(jié)合BP神經(jīng)網(wǎng)絡(luò), 測(cè)定綠化區(qū)域的百分比[17], 基于飽和度灰度化的閾值分割方法對(duì)自然光下的馬鈴薯塊莖進(jìn)行檢測(cè)分析[18], 同時(shí), 利用計(jì)算機(jī)視覺系統(tǒng)對(duì)單個(gè)塊莖樣本圖像進(jìn)行研究, 提出了一種基于色度域劃分的馬鈴薯綠化檢測(cè)方法[19], 雖然這些方法能夠精確地識(shí)別并區(qū)分塊莖綠化, 但均使用了較復(fù)雜的儀器設(shè)備及算法, 難以在實(shí)際研究和生產(chǎn)中廣泛運(yùn)用。建立一個(gè)更加簡(jiǎn)便、高效、準(zhǔn)確的塊莖綠化測(cè)定方法, 對(duì)于馬鈴薯種質(zhì)資源和塊莖商品品質(zhì)評(píng)價(jià)具有重要的應(yīng)用價(jià)值。

基于視覺觀察來判斷馬鈴薯塊莖的綠化速度和綠化程度并不精準(zhǔn), 而利用RGB模型來評(píng)價(jià)馬鈴薯綠化速度和綠化程度的研究尚未見報(bào)道。本研究通過RGB顏色空間距離分析, 分析了不同馬鈴薯材料塊莖在恒定的光照條件下各時(shí)段塊莖表皮顏色變化,建立了一個(gè)定量化、可操作性強(qiáng)和高效的馬鈴薯塊莖綠化評(píng)價(jià)方法, 為精準(zhǔn)鑒定評(píng)價(jià)馬鈴薯塊莖綠化表型提供了方法基礎(chǔ)。

1 材料與方法

1.1 供試材料與儀器

供試材料為中國(guó)農(nóng)業(yè)科學(xué)院蔬菜花卉研究所保存的15個(gè)馬鈴薯品種(系), 其中包括中薯2號(hào)、中薯3號(hào)、中薯5號(hào)、中薯18號(hào)、中薯19號(hào)、中薯21號(hào)、中薯27號(hào)、中薯28號(hào)、Atlantic、Favorita、Kondor和Shepody等12個(gè)四倍體栽培品種(), HS66、CE125和RH89-039-16 (RH) 等 3個(gè)二倍體材料()。供試材料收獲后遮光保存, 選取大小一致、無損傷和無病蟲害的2個(gè)塊莖進(jìn)行光照處理和分析。同樣方法, 各選取中薯2號(hào)、中薯3號(hào)、中薯5號(hào)、中薯18號(hào)、中薯19號(hào)、中薯21號(hào)、中薯27號(hào)、中薯28號(hào)、Atlantic、Favorita和Shepody等11個(gè)品種(系)的2個(gè)塊莖用錫紙包裹進(jìn)行同樣條件下黑暗處理, 考察溫度和貯藏時(shí)間對(duì)塊莖綠化的影響。

使用的儀器設(shè)備為照度計(jì)(HIOKI)、智能光照培養(yǎng)箱(寧波江南儀器廠, GXZ型)、照相機(jī)(Canon Power Shot G10)、攝影棚(小丑魚)和灰色背景板(深圳市金佳誠(chéng)攝影器材有限公司, GC-1II)。

1.2 光照處理和圖像采集

供試品種(系)塊莖光照和黑暗處理之前, 將收獲后一直遮光保存的塊莖置于攝影棚背景板上進(jìn)行照相, 背景板平均光照強(qiáng)度37.5 μmol m–2s–1左右, 將供試塊莖均勻放置于培養(yǎng)箱的一層培養(yǎng)架上, 培養(yǎng)架4個(gè)角落和中心位置平均光照強(qiáng)度125 μmol m–2s–1左右, 光照培養(yǎng)箱24 h持續(xù)光照, 溫度設(shè)置為25℃。供試塊莖光照和黑暗處理24 h后, 進(jìn)行攝影棚內(nèi)照相, 之后原位返回光照箱, 每隔48 h進(jìn)行照相, 塊莖攝影棚背景板和光照箱培養(yǎng)架放置位置和方向保持不變, 共進(jìn)行8次照相, 持續(xù)13 d。

1.3 顏色特征參數(shù)的提取及分析方法

運(yùn)用軟件Adobe Photoshop CC 2018進(jìn)行塊莖顏色特征值的提取[12,20]。塊莖顏色特征參數(shù)的取值: 將照相機(jī)拍攝的照片導(dǎo)入電腦, 用Adobe Photoshop CC 2018打開塊莖圖像, 首先在工具欄中選擇“快速選擇工具”, 分別選擇背景上的每一個(gè)塊莖, 然后在菜單欄中打開“窗口”一欄中的直方圖(Histogram), 分別選擇紅(R)、綠(G)、藍(lán)(B)通道, 分別讀取其特征值作為每個(gè)塊莖的R、G、B值。背景板顏色特征參數(shù)的取值: 首先在工具欄中選擇“矩形選框工具”, 設(shè)置為(寬度300像素和高度300像素)固定大小, 分別選擇背景板上無陰影的4角, 然后在菜單欄中的“窗口”一欄直方圖中讀取相應(yīng)的R、G、B值, 最后將背景板上4角R、G、B的均值作為該圖像的背景R、G、B值。

應(yīng)用RGB色差公式[21-22], 利用Microsoft Excel 2019和IBM SPSS Statistics 22對(duì)每幅圖像中的2個(gè)塊莖的綠化色差值相關(guān)性、每個(gè)品種(系)各時(shí)期的綠化色差值以及不同品種(系)之間的綠化程度進(jìn)行統(tǒng)計(jì)分析。

RGB色差值計(jì)算公式:

式中, 2個(gè)空間顏色(x表示塊莖, x表示背景), 坐標(biāo)分別為(r,g,b), (r,g,b)。

式中, GE為綠化程度, Db為光照處理前色差值, Da為光照處理后色差值。

2 結(jié)果與分析

2.1 重復(fù)塊莖間色差相關(guān)性

在整個(gè)光照處理時(shí)期內(nèi), 選取供試品種(系)光照處理1、7和13 d后圖像, 進(jìn)行同一品種(系) 2個(gè)塊莖間色差相關(guān)性分析(表1)。1、7和13 d后2個(gè)塊莖的相關(guān)性系數(shù)均達(dá)到極顯著水平(<0.01), 表明在不同的光照處理周期, 同一品種(系)的2個(gè)塊莖的色差重復(fù)性好, 光照處理和選取塊莖誤差較小。

表1 2個(gè)塊莖之間的相關(guān)性分析

**表示在0.01概率水平相關(guān)顯著。**indicates a significant correlation at the 0.01 probability level.

2.2 塊莖色差變化趨勢(shì)

以塊莖光照處理之前的狀態(tài)作為對(duì)照, 對(duì)不同時(shí)期不同品種(系)塊莖色差進(jìn)行分析(圖1)。結(jié)果表明, 雖有個(gè)別品種(系)在整個(gè)階段中會(huì)出現(xiàn)某個(gè)時(shí)期色差的微小波動(dòng), 隨著光照處理時(shí)間延長(zhǎng), 供試品種(系)的塊莖色差值整體上都呈現(xiàn)出逐漸降低并且趨于穩(wěn)定的趨勢(shì)。供試品種(系)塊莖在黑暗處理下,各品種(系)的2個(gè)塊莖的色差值變化趨于一致, 重復(fù)性好, 且各供試品種(系)的塊莖色差值從黑暗處理開始到結(jié)束變化較小, 同時(shí)各品種(系)在不同黑暗處理時(shí)期的塊莖圖像在顏色上變化較小, 與色差值變化趨勢(shì)一致(數(shù)據(jù)未列出)。

對(duì)供試品種(系)在不同光照處理時(shí)間的色差值進(jìn)行差異顯著性分析(表2)發(fā)現(xiàn), 不同品種(系)在不同階段色差值差異程度不同, 其中, 中薯2號(hào)、中薯18號(hào)、中薯19號(hào)、Atlantic、Favorita和Kondor在光照1 d后, 色差出現(xiàn)了顯著降低; 中薯3號(hào)、中薯5號(hào)、中薯21號(hào)、中薯27號(hào)、中薯28號(hào)、CE125、RH和Shepody在光照3 d后, 色差值顯著降低; HS66在光照11 d后, 色差顯著降低。光照后不同品種(系)色差值趨于穩(wěn)定的時(shí)間不同, 其中, 中薯3號(hào)、中薯18號(hào)、中薯21號(hào)、Atlantic、RH和Shepody在光照處理3 d后色差值趨于穩(wěn)定; 中薯2號(hào)、中薯5號(hào)、中薯27號(hào)、CE125、Favorita和Kondor在光照處理5 d后色差趨于穩(wěn)定; 中薯19號(hào)在光照處理7 d后色差趨于穩(wěn)定; 中薯28號(hào)在光照處理9 d后色差趨于穩(wěn)定。

圖1 不同品種(系)的色差變化趨勢(shì)

表2 供試品種(系)不同光照處理時(shí)間的塊莖色差

DAL: 光照處理天數(shù); Duncan’s檢測(cè), 不同小寫字母表示在0.05概率水平差異顯著。

DAL: days after light treatment. Duncan’s test. Different lowercase letters indicate significant differences at the 0.05 probability level.

2.3 品種(系)綠化程度

對(duì)供試品種(系)光照處理前和光照處理13 d后的塊莖綠化程度進(jìn)行分析(圖2)發(fā)現(xiàn), 15個(gè)供試品種(系)中, Favorita的綠化程度最高, 顯著高于其他品種(系), 中薯28號(hào)的綠化程度最小, 顯著低于其他品種(系); 中薯27號(hào)、中薯18號(hào)、CE125、RH、中薯2號(hào)、中薯21號(hào)、中薯19號(hào)的綠化程度相對(duì)于Favorita顯著減小, 但這7個(gè)品種(系)之間的顏色變化程度無顯著差異; Kondor的綠化程度顯著低于中薯27號(hào), 但與Shepody、中薯5號(hào)、中薯3號(hào)、Atlantic、HS66綠化程度無顯著差異。以塊莖色差值計(jì)算的各品種(系)塊莖綠化程度與肉眼觀察的塊莖綠化程度保持一致(圖3)。

圖2 不同品種(系)間的綠化程度差異

采用Duncan’s檢驗(yàn), 圖中誤差線表示標(biāo)準(zhǔn)誤, 不同小寫字母表示在0.05概率水平差異顯著。

Duncan’s test is used for data analysis and error bars in the figure indicate standard error. Different lowercase letters indicate significant differences at the 0.05 probability level.

3 討論

馬鈴薯塊莖的綠化程度和速度會(huì)受到光照和溫度等環(huán)境條件的影響, 因此, 塊莖的綠化在塊莖發(fā)育期間及收獲、運(yùn)輸、貯藏、加工等產(chǎn)業(yè)鏈階段均可能發(fā)生。馬鈴薯在全球的貿(mào)易中具有相當(dāng)大的份額, 中國(guó)又是世界上最大的馬鈴薯生產(chǎn)國(guó), 建立一種可操作性強(qiáng)的塊莖綠化鑒定評(píng)價(jià)方法對(duì)于品種的鑒定評(píng)價(jià)具有重要意義。本試驗(yàn)利用光照培養(yǎng)箱在25℃和125 μmol m–2s–1連續(xù)光照條件下對(duì)15個(gè)品種(系)塊莖進(jìn)行綠化處理, 應(yīng)用RGB顏色空間計(jì)算塊莖色差值發(fā)現(xiàn), 重復(fù)塊莖間色差值具有顯著的相關(guān)性, 供試品種(系)在光照處理9 d后, 塊莖綠化程度趨于穩(wěn)定, 在光照處理13 d后, Favorita的綠化程度最大并顯著高于其他品種(系), 中薯28號(hào)的綠化程度最小并顯著低于其他品種(系), 基于RGB顏色空間的塊莖綠化評(píng)價(jià)能客觀反映肉眼綠化觀測(cè)結(jié)果。

圖3 供試品種(系)塊莖綠化程度變化

DAL: 光照處理天數(shù)。DAL: days after light treatment.

光照強(qiáng)度、持續(xù)時(shí)間以及溫度和薯皮顏色都會(huì)對(duì)塊莖綠化的過程產(chǎn)生影響。本研究結(jié)果顯示, 在相同的光照處理下, 不同品種(系)的2個(gè)重復(fù)塊莖之間RGB色差值顯著相關(guān), 表明同一基因型的不同塊莖之間的綠化趨勢(shì)及程度是一致的, 具有良好的生物學(xué)重復(fù)。黑暗處理下的各供試品種(系)的2個(gè)塊莖色差值具有一致的變化趨勢(shì), 各品種(系)在黑暗處理前后各個(gè)時(shí)期的色差值和顏色有微小波動(dòng), 推測(cè)造成微小波動(dòng)的原因是試驗(yàn)期間照相操作引起了色差值和塊莖顏色的微小變化。前人在不同的條件下, 進(jìn)行過綠化程度和穩(wěn)定時(shí)間評(píng)價(jià), Olsen等[23]在22℃、17.38 μmol m–2s–1和16.25 μmol m–2s–1條件下每天光照22 h, 在第0天到第9天時(shí)評(píng)價(jià)了不同光源對(duì)塊莖綠化的影響, 董田田等[24]在20℃、7.5 μmol m–2s–1條件下24 h持續(xù)光照, 從光照0 d至8 d研究了NaCl處理后對(duì)塊莖綠化的影響, 也有研究者通過對(duì)葉綠素含量的測(cè)定來研究塊莖綠化速度和程度, 發(fā)現(xiàn)塊莖綠化速度和程度會(huì)隨著光照時(shí)間的延長(zhǎng)而增加, 但最終逐漸趨于平穩(wěn)[15]。本研究對(duì)光照0～13 d的塊莖綠化評(píng)價(jià)后發(fā)現(xiàn), 在25℃和125 μmol m-2s-1光照9 d后, 不同品種(系)的塊莖的綠化程度都趨于穩(wěn)定, 這可為評(píng)價(jià)塊莖綠化的光照處理時(shí)間提供參考和依據(jù)。馬鈴薯薯皮顏色類型對(duì)塊莖綠化的程度具有一定的影響, Reeves[5]在塊莖綠化的品種差異比較中顯示, 部分品種見光會(huì)變成棕色或者紫色, 紅皮塊莖的綠化程度較小, 本研究中薯28和Kondor薯皮為紅色, 其余品種(系)的薯皮顏色為黃色或淺黃色, 表明中薯28號(hào)的綠化程度最小, HS66和Kondor相對(duì)其他黃皮品種(系)綠化程度也較小, HS66薯皮顏色為黃褐色。

基于RGB顏色空間進(jìn)行馬鈴薯塊莖綠化分析, 方法簡(jiǎn)便, 易于操作, 結(jié)果可靠。有研究者將塊莖綠化程度分為5個(gè)等級(jí), 進(jìn)行人為肉眼評(píng)定[24], 也有人根據(jù)目測(cè)挑選各個(gè)光照處理時(shí)期典型塊莖, 劃分綠化程度等級(jí), 并使用色度儀測(cè)量塊莖顏色[25], Olsen等[23]使用Grunenfelder等[25]的方法, 對(duì)馬鈴薯去皮薯肉進(jìn)行了綠化程度評(píng)級(jí)。目測(cè)評(píng)價(jià)塊莖綠化程度雖然操作簡(jiǎn)便, 但人為主觀影響較大, 研究者也嘗試使用儀器設(shè)備進(jìn)行綠化評(píng)價(jià), 如利用計(jì)算機(jī)視覺與感知機(jī)器學(xué)習(xí)算法區(qū)分正常塊莖與綠化塊莖[26], 運(yùn)用了計(jì)算機(jī)視覺結(jié)合相關(guān)算法來檢測(cè)塊莖表皮的綠化缺陷[17,19], 這些方法都是光學(xué)儀器設(shè)備結(jié)合計(jì)算機(jī)算法進(jìn)行綠化塊莖區(qū)分和篩選, 并不能夠?qū)⒕G化速度與綠化程度都鑒別出來, 且應(yīng)用簡(jiǎn)易設(shè)備對(duì)塊莖綠化程度的評(píng)價(jià)方法較少。本研究利用簡(jiǎn)易儀器設(shè)備通過提取塊莖與背景板的RGB特征值, 轉(zhuǎn)化為色差值和綠化程度數(shù)值量化評(píng)價(jià)塊莖綠化, 可將不同品種(系)的綠化程度進(jìn)行有效區(qū)分, 且與肉眼觀察到的結(jié)果保持一致, 相比于人為肉眼鑒定更為準(zhǔn)確可靠。對(duì)不同時(shí)期的塊莖進(jìn)行圖像的采集, 可以將處理時(shí)間縮短, 同時(shí)也可以省略葉綠素含量測(cè)定, 減少試驗(yàn)誤差與工作量, 提高鑒定精度和效率。結(jié)合RGB顏色空間對(duì)塊莖圖像進(jìn)行色差分析, 不需要復(fù)雜的算法及儀器設(shè)備, 將塊莖綠化程度數(shù)值量化, 方法簡(jiǎn)單, 可操作性強(qiáng), 可在實(shí)際研究和生產(chǎn)中廣泛運(yùn)用, 為精準(zhǔn)評(píng)價(jià)馬鈴薯塊莖綠化表型提供了方法參考。

本研究中, 隨著光照處理時(shí)間延長(zhǎng), 不同品種(系)的色差值都呈逐漸減小的趨勢(shì), 但在某個(gè)階段會(huì)出現(xiàn)微小色差波動(dòng), 試驗(yàn)操作中一些因素可能會(huì)對(duì)RGB特征值產(chǎn)生影響。首先, 供試的塊莖須清洗干凈, 表皮的泥土雜質(zhì)會(huì)影響圖像色差值; 其次, 不同時(shí)期光照處理和照相時(shí), 塊莖放置在光照箱培養(yǎng)架和攝影棚背景板上的位置應(yīng)盡可能保持一致, 由于供試品種(系)不同, 塊莖的形狀大小各異, 加之光照箱和攝影棚內(nèi)各位置光照強(qiáng)度難以保持絕對(duì)一致, 會(huì)造成塊莖色差值偏差。

4 結(jié)論

供試材料塊莖在25℃和125 μmol m–2s–1光照強(qiáng)度下進(jìn)行處理, 同一品種(系)的不同塊莖色差值重復(fù)性好, 在處理9 d后, 塊莖色差值趨于穩(wěn)定。不同品種(系)綠化程度具有明顯差異, 其中Favorita的綠化程度最大, 中薯28號(hào)的綠化程度最小, 利用色差值計(jì)算的塊莖綠化程度與肉眼觀察的綠化程度相一致。本文建立了一種基于RGB顏色空間的簡(jiǎn)便、高效、可靠的馬鈴薯塊莖綠化評(píng)價(jià)方法。

[1] Hameed A, Mehmood M A, Shahid M, Fatma S, Khan A, Ali S. Prospects for potato genome editing to engineer resistance against viruses and cold-induced sweetening., 2020, 11: 185–205.

[2] 徐建飛, 金黎平. 馬鈴薯遺傳育種研究: 現(xiàn)狀與展望. 中國(guó)農(nóng)業(yè)科學(xué), 2017, 50: 990–1015.

Xu J F, Jin L P. Advances and perspectives in research of potato genetics and breeding., 2017, 50: 990–1015 (in Chinese with English abstract).

[3] Muraja-Fras J, Krsnik-Rasol M, Wrischer M. Plastid transformation in greening potato tuber tissue., 1994, 144: 58–63.

[4] Tanios S, Eyles A, Tegg R, Wilson C. Potato tuber greening: a review of predisposing factors, management and future challenges., 2018,95: 248–257.

[5] Reeves A F. Varietal differences in potato tuber greening., 1988, 65: 651–658.

[6] Tanios S, Eyles A, Corkrey R, Tegg R S, Thangavel T, Wilson C R. Quantifying risk factors associated with light-induced potato tuber greening in retail stores., 2020, 15: e0235522.

[7] Grunenfelder L A, Knowles L O, Hiller L K, Knowles N R. Glycoalkaloid development during greening of fresh market potatoes (L.)., 2006, 54: 5847–5854.

[8] Jakuczun H, Zimnoch-Guzowska E. Inheritance of tuber greening under light exposure in diploid potatoes., 2006, 83: 211–221.

[9] 賈淵, 姬長(zhǎng)英. 農(nóng)產(chǎn)品自動(dòng)檢測(cè)中的常見顏色模型. 農(nóng)機(jī)化研究, 2004, (4): 205–208.

Jia Y, Ji C Y. Some common color models in automatic detection of agricultural products., 2004, (4): 205–208 (in Chinese with English abstract).

[10] Belati A, Cajaiba J. Measurement of wax appearance temperature using RGB image analysis and FBRM., 2018, 220: 264–269.

[11] 郭俊先, 李俊偉, 胡光輝, 劉軍, 虞飛宇. 新疆冰糖心紅富士蘋果RGB圖像多指標(biāo)分析. 新疆農(nóng)業(yè)科學(xué), 2013, 50: 509–517.

Guo J X, Li J W, Hu G H, Liu J, Yu F Y. Analysis of multi-objective of Xinjiang Fuji apple by RGB image., 2013, 50: 509–517 (in Chinese with English abstract).

[12] 張若宇, 坎雜, 馬蓉, 曹衛(wèi)彬, 李江波. 基于RGB模型的脫絨棉種顏色特征與發(fā)芽狀況的關(guān)系. 農(nóng)業(yè)工程學(xué)報(bào), 2010, 26(10): 172–177.

Zhang R Y, Kan Z, Ma R, Cao W B, Li J B. Relationship between color features and germination of delinted cottonseed based on RGB color model., 2010, 26(10): 172–177 (in Chinese with English abstract).

[13] 李文采, 李家鵬, 田寒友, 鄒昊, 劉飛, 白京, 張振琪, 王輝, 王守偉. 基于RGB顏色空間的冷凍豬肉儲(chǔ)藏時(shí)間機(jī)器視覺判定. 農(nóng)業(yè)工程學(xué)報(bào), 2019, 35(3): 294–300.

Li W C, Li J P, Tian H Y, Zou H, Liu F, Bai J, Zhang Z Q, Wang H, Wang S W. Determination of storage times for chilled pork using RGB color space method based on machine vision., 2019, 35(3): 294–300 (in Chinese with English abstract).

[14] 宋一帆, 張武, 姚雨晴, 洪迅, 張嫚嫚, 劉連忠. 基于RGB模型的大豆葉片葉綠素含量預(yù)測(cè). 江漢大學(xué)學(xué)報(bào)(自然科學(xué)版), 2020, 48(1): 65–72.

Song Y F, Zhang W, Yao Y Q, Hong X, Zhang M M, Liu L Z. Estimation of chlorophyll content in soybean leaves based on RGB model.(Nat Sci Edn), 2020, 48(1): 65–72 (in Chinese with English abstract).

[15] 李梅, 田世龍, 頡敏華, 李守強(qiáng), 馮煥德, 劉剛. 不同顏色PE食品包裝袋對(duì)馬鈴薯綠化和龍葵素含量的影響. 食品科學(xué), 2010, 31(4): 264–267.

Li M, Tian S L, Xie M H, Li S Q, Feng H D, Liu G. Effect of different color polyethylene food packaging bags on greening and steriodal glycoalkaloids content of potatoes., 2010, 31(4): 264–267 (in Chinese with English abstract).

[16] 霍權(quán)恭, 范璐. 儲(chǔ)藏條件對(duì)馬鈴薯品質(zhì)的影響. 河南工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版), 2005, 26(6): 47–49.

Huo Q G, Fan L. Effects of storage condition on the potato quality.(Nat Sci Edn), 2005, 26(6): 47–49 (in Chinese with English abstract).

[17] 楊冬風(fēng), 陳爭(zhēng)光.基于顏色特征的馬鈴薯綠皮檢測(cè). 黑龍江八一農(nóng)墾大學(xué)學(xué)報(bào), 2011, 23(1): 83–87.

Yang D F, Chen Z G. Greened surface detection of potatoes based on color character., 2011, 23(1): 83–87 (in Chinese with English abstract).

[18] 曾嶸, 陸玲, 呂牡丹. 自然光下綠皮馬鈴薯的檢測(cè). 電腦知識(shí)與技術(shù), 2016, 12(24): 191–193.

Zeng R, Lu L, Lyu M D. Detection of greened potatoes under natural light., 2016, 12(24): 191–193 (in Chinese).

[19] 虞曉娟, 廖桂平, 李錦衛(wèi), 金晶.基于色度域劃分的馬鈴薯綠皮檢測(cè)方法. 農(nóng)業(yè)工程學(xué)報(bào), 2009, 25(增刊2): 314–319.

Yu X J, Liao G P, Li J W, Jin J. Greened potatoes detection based on hue threshold division.,2009, 25(S2): 314–319 (in Chinese with English abstract).

[20] 張京平, 彭爭(zhēng), 汪劍. 蘋果水分與CT值相關(guān)性的研究. 農(nóng)業(yè)工程學(xué)報(bào), 2003, 19(2): 180–182.

Zhang J P, Peng Z, Wang J. Correlation between moisture of apples and values of CT., 2003, 19(2): 180–182 (in Chinese with English abstract).

[21] 頓紹坤, 魏海平, 孫明柱. RGB顏色空間新的色差公式. 科學(xué)技術(shù)與工程, 2011, 11: 1833–1836.

Dun S K, Wei H P, Sun M Z. A new distance color difference formula in RGB color space., 2011, 11: 1833–1836 (in Chinese with English abstract).

[22] 楊振亞, 王勇, 楊振東, 王成道. RGB顏色空間的矢量-角度距離色差公式. 計(jì)算機(jī)工程與應(yīng)用, 2010, 46(6): 154–156.

Yang Z Y, Wang Y, Yang Z D, Wang C D. Vector-angular distance color difference formula in RGB color space., 2010, 46(6): 154–156 (in Chinese with English abstract).

[23] Olsen N L, Brandt T, Price W J. The impact of retail light source on greening of russet burbank potato tubers., 2018, 95: 123–129.

[24] 董田田, 孟衛(wèi)芹, 王慶國(guó). NaCl脅迫處理對(duì)采后馬鈴薯見光綠變的影響. 中國(guó)農(nóng)學(xué)通報(bào), 2018, 34(21): 29–34.

Dong T T, Meng W Q, Wang Q G. Effect of NaCl stress on greening of postharvest potatoes under light., 2018, 34(21): 29–34 (in Chinese with English abstract).

[25] Grunenfelder L, Hiller L K, Knowles N R. Color indices for the assessment of chlorophyll development and greening of fresh market potatoes., 2006, 40: 73–81.

[26] 向靜, 何志良, 湯林越, 熊俊濤. 結(jié)合計(jì)算機(jī)視覺的馬鈴薯外部品質(zhì)檢測(cè)技術(shù). 計(jì)算機(jī)工程與應(yīng)用, 2018, 54(5): 165–169.

Xiang J, He Z L, Tang L Y, Xiong J T. Research of potato quality detection technology based on computer vision., 2018, 54(5): 165–169 (in Chinese with English abstract).

Potato tuber greening evaluation based on RGB color space

WANG Shuo, BAO Tian-Yang, LIU Jian-Gang, DUAN Shao-Guang, JIAN Yin-Qiao, LI Guang-Cun, JIN Li-Ping, and XU Jian-Fei*

Institute of Vegetables and Flowers, Chinese Academy of Agricultural Sciences / Key Laboratory of Biology and Genetic Improvement of Tuber and Root Crops, Ministry of Agriculture and Rural Affairs, Beijing 100081, China

Potato is one of the most important crops in the world. Tuber is the commercial product of potato, whereas tuber greening seriously affects product quality and results in a large amount of potatoes waste. It is very necessary to establish a convenient evaluation method of tuber greening for the identification of potato germplasm resources and the analysis of tuber quality. In this study, we systematically evaluated the greening trend and greening degree of 15 potato tetraploid and diploid varieties (lines) base on the extraction of tuber color space characteristics and RGB color space color difference. Zhongshu 2, Zhongshu 18, Zhongshu 19, Atlantic, Favorita, and Kondor appeared faster greening speed, but HS66 appeared slower greening speed under 25℃ and 125 μmol m-2s-1. Color difference value of tubers of all potato varieties (lines) tended to the stability after 9 days lighting treatment. There was an obvious greening extent differences among potato varieties (lines). Among them, the afforestation degree of Favorita was the highest, whereas Zhongshu 28 was the lowest after 13 days lighting treatment. The method established in this study can accurately distinguish the greening speed and the extent of different varieties (lines), which provided a convenient and reliable technical reference for tuber greening evaluation.

potato; tuber; greening; RGB color features; color difference analysis

10.3724/SP.J.1006.2023.24078

本研究由寧夏回族自治區(qū)農(nóng)業(yè)育種專項(xiàng)(2019NYYZ01-1)和財(cái)政部和農(nóng)業(yè)農(nóng)村部國(guó)家現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系建設(shè)專項(xiàng)(CARS-09)資助。

This study was supported by the Agricultural Breeding Project of Ningxia Hui Autonomous Region, China (2019NYYZ01-1) and the China Agriculture Research System of MOF and MARA (CARS-09).

徐建飛, E-mail: xujianfei@caas.cn

E-mail: wangshuo202099@163.com

2022-04-02;

2022-09-05;

2022-09-15.

URL: https://kns.cnki.net/kcms/detail/11.1809.S.20220915.0854.004.html

This is an open access article under the CC BY-NC-ND license (http://creativecommons.org/licenses/by-nc-nd/4.0/).