欢迎访问中国科学数据!

苹果品种标准叶片图像和光谱数据集

暂无讨论

提交问题或建议:



您还没有登录,请[登录]或[ 注册]!

苹果品种标准叶片图像和光谱数据集

浏览下载总计

网页浏览 论文下载
2971 49

苹果品种标准叶片图像和光谱数据集

作者发表的论文

1 植物与病原菌互作的蛋白质组学研究进展 张彩霞,李壮,陈莹,田义,张利益,丛佩华. 西北植物学报[J],2010,30(3),626-632

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 7

2 苹果斑点落叶病致病菌的鉴定及生物学特性研究 张彩霞,陈莹,李壮,康国栋,张利义,周宗山,丛佩华. 生物技术[J],2011,21(4),58-61

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 7

3 苹果叶片总蛋白提取及其双向电泳分析 张彩霞,李壮,张利义,田义,康国栋,陈莹,丛佩华. 果树学报[J],2012,29(3),488-492

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 6

4 辽西苹果园三种地面管理模式对土壤理化性状和昆虫群落的影响 闫文涛,仇贵生,张怀江,孙丽娜,程存刚,李壮,赵德英. 果树学报[J],2014,31(5),801-808

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 3

5 苹果抗性相关的谷胱甘肽转移酶基因MdGSTU1的生物信息学和表达分析 安秀红,徐锴,厉恩茂,李壮,李敏,刘志,程存刚. 中国农业科学[J],2014,47(24),4868-4877

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 2

6 果园生态系统碳循环规律研究进展 李壮,张彩霞,李敏,徐锴,厉恩茂,程存刚. 辽宁农业科学[J],2010(6),28-31

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 2

7 苹果链格孢菌与寄主叶片互作的超微结构研究 张彩霞,陈莹,李壮,张利义,康国栋,丛佩华. 西北植物学报[J],2012,32(1),106-110

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 2

8 枯草芽孢杆菌防治果实采后病害的研究进展 张彩霞,李壮,康国栋,张利益,丛佩华,田义. 果树学报[J],2009,26(5),699-703

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 2

9 苹果树冠层叶片形态特征研究 陆声链,徐践,郭新宇,李壮,陈海啸. 中国农业科技导报[J],2017,19(1),74-78

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 0

10 npt Ⅱ基因真菌表达载体的构建及在苹果炭疽叶枯病菌遗传转化中的应用 吴建圆,冀志蕊,李壮,程存刚,周宗山,张俊祥. 基因组学与应用生物学[J],2015,34(10),2156-2160

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 0

11 辽西'富士'苹果CND法营养诊断研究 程存刚,范元广,李壮,厉恩茂,李敏. 植物营养与肥料学报[J],2015,21(2),485-491

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 0

12 果园环境下苹果侦测与定位方法研究现状与展望 夏雪,丘耘,王健,胡林,崔运鹏,樊景超,郭秀明,周国民. 中国农业科技导报[J],2017,19(2),65-74

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 0

13 苹果MdJAZ1基因表达及蛋白互作分析 安秀红,厉恩茂,李敏,李壮,张修德,程存刚. 中国农业科学[J],2016,49(13),2642-2650

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 0

14 苹果叶绿素合成关键酶基因MdHEMA1生物信息学和表达分析 张修德,安秀红,李壮,李敏,厉恩茂,程存刚. 植物遗传资源学报[J],2016,17(2),348-355

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 0

15 不同颜色果袋对‘金冠'果皮叶绿素含量及品质的影响 张修德,宋成秀,厉恩茂,李壮,李敏,程存刚,安秀红. 新疆农业科学[J],2016,53(10),1801-1809

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 0

苹果品种标准叶片图像和光谱数据集

夏雪1,李壮2*,吴定峰1,王晓丽1

1. 中国农业科学院农业信息研究所,北京  100081

2. 中国农业科学院果树研究所,辽宁兴城  125199

*  通讯作者(Email:lizhuangcaas@163.com)

:苹果叶片直接反映了苹果生长期的营养状况。中国是苹果的主要生产国,然而国内苹果标准叶片数据的收集仅限于个别时期、个别品种的简单记录,没有形成完整且全面反映本国苹果标准叶片状况的数据集。因此,构建不同品种苹果标准叶片的图像及近红外光谱数据集显得很有价值。通过收集国家苹果资源圃中种植的170余个品种苹果树的健康标准树叶,并对叶片进行高清图像采集、近红外光谱采集和数据分类整理,建立一个品种覆盖较为全面的苹果树标准叶片图像与近红外光谱数据集,以期为苹果叶片营养诊断和精准养分管理提供数据支撑。

关键词:苹果;近红外光谱;图像;标准叶片

An image and spectral dataset for standard leaves of apple varieties

Xia Xue, Li Zhuang, Wu Dingfeng, Wang Xiaoli

Abstract: Leaves directly reflect the nutritional status of apple tree growth. Though China is a major apple producer, existing data on standard apple leaves are usually simple records of selected varieties over discontinuous time periods, which cannot present a comprehensive or holistic view. Hence, it is particularly valuable to build an image and near infrared spectrum (NIS) dataset for standard leaves of apple varieties. The study collects high-definition images and NIS data of healthy standard leaves from over 170 apple varieties at a national apple resource repository, and processes and categorizes the data to build a dataset with a maximum coverage of apple varieties. In doing so, it is expected to provide statistical support for nutrient diagnosis and precise nutrient management of apple leaves.

Keywords: apple; near infrared spectrum; image; standard leaves

数据库(集)基本信息简介

数据库(集)中文名称

苹果品种标准叶片图像和光谱数据集

数据库(集)英文名称

An image and spectral dataset of standard leaves of apple varieties

数据作者

夏雪、李壮、吴定峰、王晓丽

通讯作者

李壮(lizhuangcaas@163.com)

数据采集时间

2015年

采集区域

中国

数据格式

.asd, .jpeg

数据量

17.3 GB

数据服务系统网址

http://www.sciencedb.cn/dataSet/handle/70

基金项目

国家高技术研究发展计划(863)项目(2013AA102405)

数据库(集)组成

数据集由两部分数据组成,其一为叶片图像数据,其二是叶片近红外光谱数据,其中:

1. 叶片图像数据中包含174个品种,数据量14.5 GB;

2. 近红外光谱数据中包含174个品种,数据量2.8 GB

引  言

中国是苹果的优势生产国之一,种植的苹果品种也非常丰富。叶片是苹果树体上对营养反应最为敏感的器官,叶片一方面存储树体根部输送来的矿质养分,另一方面又作为供给源为果实生长提供所需矿质营养。因此,果树叶片情况在一定程度上反应了果树生长的健康状况[1]。收集苹果各品种标准叶片的图像数据和近红外光谱数据对开展果树品系分析和叶片营养诊断研究,构建苹果树叶片快速检测模型提供数据支撑,同时也为指导果园精准养分管理提供判别依据。

在植物叶片图像数据收集方面,唐俊等分别收集整理了拔节期、小喇叭口期、大喇叭口期和抽雄开花期4个生育时期的21个品种的玉米叶片图像数据[2] 。杨天天等收集整理了大黄柳、粉枝柳、谷柳、旱柳、蒿柳、杞柳、崖柳等7种柳属植物的叶片图像数据[3] 。宋真等收集整理了47种酿酒葡萄和3种野生葡萄的叶片图像数据[4]。韩晓珍等对‘烟富6号’‘富红早嘎’‘长富2号’等3类苹果品种的细纺锤形幼树进行了图像采集和整理[5]。国外在植物叶片图像收集方面的工作开展得较早,瑞典科学研究机构依据本国采集的植物叶片图像建立了瑞典植物叶片数据库(Swedish leaf database)[6];Mokhtarian和Abbasi收集整理了不同菊花品种的叶片图像数据[7]。在果树叶片近红外光谱数据收集方面,易时来等收集整理了重庆地区奥林达夏橙和锦橙的叶片近红外光谱数据[8]。孙旭东等收集整理了江西地区赣南脐橙叶片的近红外光谱数据[9]

从前人的相关工作来看,多数研究重在单品系的叶片图像与近红外光谱数据的收集。同时,国内对于不同品系苹果树叶片图像与近红外光谱数据的收集整理工作尚属空白,未能形成可供科研长期参考和使用的数据集,这不利于我国苹果产业的持续健康发展。

为弥补以上不足,本研究通过收集国家苹果资源圃中种植的170余个品种苹果树的健康标准树叶,并对叶片进行分类整理、图像采集和近红外光谱采集,建立一个品种覆盖全面的苹果树叶片图像与近红外光谱数据集,以期为苹果叶片营养诊断和精准养分管理提供基础数据支撑。

1  数据采集和处理方法

本研究中苹果叶片数据的获取过程大致可分为三个步骤:选叶及采叶、叶片图像数据采集和叶片近红外光谱数据采集。

1.1  选叶、采叶及叶片预处理

选叶及采叶地点为中国农业科学院果树研究所所内的果树种质资源圃,该资源圃是我国果树种质资源最全的资源圃之一。本次试验选取了170余个苹果树品种,品种覆盖面既包括国内主产区种植的富士、元帅等主栽品种,也包括其他地区比较稀少的品种。因此,本次试验选取的品种能够代表国内种植的大多数苹果品种。果树枝叶生长最为茂盛的时期在7月中旬至8月中旬,因此本研究中的苹果叶片集中在7月中旬至8月中旬这一时期采集。同时保证采集的有效叶片品种在170种以上,每个品种的叶片采集数量在20~50片之间。标准叶片采集的部位主要选择果树长梢中部,其原因在于长梢中部的叶片营养处于整棵果树的平均水平,能较好地反映整棵果树的实际营养状况。

由于采摘的叶片上会附着一些泥土或其他污垢,因此在采集近红外光谱之前需要对叶片进行清洗,以保证图像数据和光谱数据的准确性。清洗时首先将叶片放入清水中洗净,然后取出,并用专业滤纸将残留的水吸干待用。

1.2  叶片图像数据采集

本研究中叶片图像使用尼康D90型数码相机,配备尼克尔镜头,相机使用1230万像素DX格式(23.6×15.8 mm)CMOS传感器,搭载EXPEED处理器;对焦系统采用Multi-CAM 1000模块,具有11个对焦点,其中中央对焦点为十字型对焦点,镜头焦距折算率为1.5倍,其数模转换系统为12位;测光系统采用3D矩阵测光技术,点测光所占画面面积为2%;感光度为ISO200-ISO3200;相机带有D-lighting功能,可以弥补强烈光线下影像中暗部和亮部间的细节丢失。相机快门速度30-1/4000秒,支持NEF、JPEG、AVI格式,最大图片尺寸4288像素×2848像素,最大拍摄张数在1850张左右。在实际采集叶片图像时,将经过洗净处理后的标准叶片平置于标尺平板上,标尺平板上的刻度可以测量叶片的长度和宽度。相机拍摄高度在40 cm左右,保持无倾角。由于在普通灯光下拍摄会有阴影,因此在标尺平板两侧分别架设了一盏强光摄影灯,以避免叶片图像采集时身体和其他物体产生的阴影,从而保证每次图像采集的光照强度一致。使用相机拍摄时均使用自动曝光模式,以控制曝光时间和色彩平衡。图像存储格式统一为JPEG格式,尺寸为4288像素×2848像素。

1.3  叶片近红外光谱数据采集

叶片近红外光谱数据是用近红外光谱仪扫描预处理后的叶片获取的。本试验采用的仪器是美国 ASD 公司设计制造的ASD FieldSpec3系列地物波谱仪,该仪器的有效光谱范围在300~2700 nm之间。其中,300~1000 nm之间的光谱分辨率为3 nm;1001~2700 nm之间的光谱分辨率为10 nm。光谱采集需要配合软件一起完成,本试验使用的是FieldSpec RS3,该软件是一款基于Windows系统的程序软件,可用于优化仪器以及采集Raw DN、反射率、辐射亮度/辐射照度等数据。该设备所采集的数据均以ASCII文件格式保存,此格式的文件可以通过ASD公司提供的ViewSpec Pro软件查看并进行后期数据处理。

光谱的采集步骤如下:首先安装相应的镜头及电源,准备好校正用的白板。打开光谱仪和计算机的电源,启动采集软件FieldSpec RS3。在软件中设置相应的镜头并调整光谱平均、暗电流平均以及白板采集平均次数。在“Control/adjust configuration”窗口中选择或填写需要数据存储的路径、名称和其他相关内容。开始测量时,镜头首先对准白板,点击OPT优化。这里需要注意的是白板必须充满镜头,此时镜头仍然对准白板,点击WR采集参比光谱,软件会自动进入反射率测量状态。光谱数据采集的前半小时和采集过程中需每隔一定时间做一次优化处理,并且每隔3~5分钟采集一次暗电流。最后,将镜头移向被测叶片,按空格键保存采集到的叶片反射光谱。每个叶片样本会采集10次光谱,每采集一次便会在指定文件夹中生成1个.asd数据文件。

2  数据样本描述

2.1  苹果叶片图像数据

苹果叶片图像数据中每个品种的图像均保存在独立的文件夹中,每张图像代表一个叶片样本。文件夹按照“序号+品种名”的方式命名。部分样本示例如图1所示。

部分样本的叶片图像(单位:cm

2.2  苹果叶片近红外光谱数据

苹果叶片近红外光谱数据中每个品种的光谱数据均保存在独立的文件夹中,连续10个光谱文件代表一个叶片样本的光谱数据。文件夹按照“序号+品种名”的方式命名。部分样本示例如图2所示。

部分样本的叶片图像

3  数据质量控制和评估

果树叶片的数据来自于国家级苹果标准资源圃,叶片采集工作由中国农业科学院果树研究所的专业人员按照标准操作流程和规范进行,保证了数据来源的质量和可靠性。数据集中的叶片使用标准刻度尺对叶片进行测量,刻度单位为毫米(mm),采用标准高清相机对叶片图像进行采集,图像格式为国际通用的JPEG标准格式。采用国际通用的光谱采样方法采集叶片近红外光谱数据。

数据采集与整理过程中,采用人工核准和仪器检测结合的方式来控制元数据质量。在人工核准时,如果发现某样本叶片存在颜色异常、叶面或叶背有斑等情况,则认为叶片样本数据可疑。随后,使用检测仪器进行确认,如检测结果为带病叶片,则将问题样本数据剔除。

4  数据使用方法和建议

由于不同苹果树的成熟期各不相同,因此在使用此数据集时可按照早熟、中熟、晚熟将果树品种进行分类,分别对每类果树品种叶片的图像和光谱信息进行分析研究。

另外,使用数据集时可以对同一品系类别(如富士系和元帅系等)中的不同品种进行对比分析。对于一些不能构成品系类别的稀少品种,可根据具体情况对叶片形状、尺寸和光谱波形进行分析。

数据作者分工职责

夏  雪(1983—),男,湖北武汉人,在读博士,主要从事果园数据获取与分析研究。主要承担工作:数据整理与分类汇总。

李  壮(1975—),男,吉林蛟县人,博士,副研究员,主要从事果树资源数据集成与共享研究。主要承担工作:总体方案设计与组织实施。

吴定峰(1983—),男,湖北荆门人,博士,助理研究员,主要从事果园数据获取与分析研究。主要承担工作:叶片影像数据采集。

王晓丽(1982—),女,河北栾城人,在读博士,主要从事果园数据获取与分析研究。主要承担工作:叶片光谱数据采集。

参考文献

[1]  宋晓晖, 谢凯, 赵化兵, 等. 环渤海湾地区主要梨园树体矿质营养元素状况研究[J]. 园艺学报, 2011, 38(11): 2049~2058.

[2]  唐俊, 邓立苗, 陈辉, 等. 基于机器视觉的玉米叶片透射图像特征识别研究[J]. 中国农业科学, 2014, 47(3): 431~440.

[3]  杨天天, 潘晓星, 穆立蔷. 基于叶片图像特征数字化信息识别7种柳属植物[J]. 东北林业大学学报, 2014, 42(12): 75~79.

[4]  宋真, 蔡骋, 颜永丰. 基于叶片形态特征的葡萄品种自动识别[J]. 计算机仿真, 2012, 29(3): 307~310.

[5]  韩晓珍, 李丙智, 张社奇, 等. 苹果细纺锤形幼树叶片和枝条状况对分形维数的影响[J].北方园艺, 2012(22): 6~9.

[6]  Söderkvist O. Computer vision classification of leaves from swedish trees[D]. Linköpings: Linkoping Univ., 2001.

[7]  Mokhtarian F, Abbasi S. Matching shapes with self-intersections: application to leaf classification[J]. IEEE Transactions on Image Processing, 2004, 13(5): 653~661.

[8]  易时来, 邓烈, 何绍兰, 等. 奥林达夏橙叶片锌含量可见近红外光谱监测模型研究[J]. 光谱学与光谱分析, 2010, 30(11): 2927~2931.

[9]  孙旭东, 郝勇, 张光伟, 等. 赣南脐橙叶片SPAD值可见近红外光谱无损检测[J]. 农机化研究, 2014, 36(4): 120~126.

引用数据

(1)  夏雪, 李壮, 吴定峰, 王晓丽. 苹果品种标准叶片图像和光谱数据集[DB/OL]. Science Data Bank. DOI: 10.11922/sciencedb.120.70.

 

引文格式:夏雪, 李壮, 吴定峰, 王晓丽. 苹果品种标准叶片图像和光谱数据集[J/OL]. 中国科学数据, 2016, 1(1). http://www.csdata.org/paperView?id=49. DOI: 10.11922/csdata.120.2016.0008.

 

下载