辣椒作为茄果类重要的蔬菜之一,富含丰富的维生素、类胡萝卜素,同时因其果皮含有辣椒素具有独特的辣味深受消费者喜爱,在我国有着巨大的消费空间[1-3]。但鲜辣椒质地娇嫩且水分丰富,容易在加工过程中受到挤压、碰撞等物理力量的作用而导致表皮破损或变形[4];同时鲜辣椒的保鲜期较短,容易受到温度、湿度以及O2的影响,在贮藏过程中很容易失去新鲜度,导致迅速腐烂或变得无法食用[5-6]。因此,辣椒除鲜食外,常经过人工脱水或自然晾晒等工艺加工成干辣椒[7]。干辣椒具有体积小、质量轻、方便运输、保质期长等优点,再加上其色泽诱人、口味独特、香辣浓郁,已成为主要的辣椒直接消费产品和深加工原料[8-9]。然而干辣椒制作时常因机械碰撞导致辣椒受损断裂;在自然风干晾晒时,辣椒表皮与肉质中的红色素往往会发生褪色现象,造成同批次干辣椒的大小、色泽等存在较大差异,影响产品质量及深加工[10]。因此,对干辣椒的外观品质分级筛选显得至关重要。
目前,国标中GB 10465—1989《辣椒干》对干辣椒外观形状和色泽的检测方式还停留在人工检测阶段,例如通过感官检验辨别干辣椒品种、大小、色泽和杂质等。该方法通常具有主观性强、误差较大、分级效率低、可重复性差等局限性。伴随着科技的进步和生产力的快速发展,传统的人工分级分选方式已经很难满足人们实际生产需求,需寻求新的干辣椒分级分选方式。
随着计算机技术的发展,计算机视觉技术在农产品外观品质分级领域已开展广泛的应用研究[11-14]。例如施行等[15]提出基于机器视觉检测分级方法对红提串进行无损检测及分级,分级正确率94.6%;裴悦琨等[16]基于计算机视觉技术创建欧氏距离法,用于正常樱桃和畸形樱桃的分辨,实验结果表明该方法在识别畸形樱桃方面达到了100%的精准度,且尺寸分级准确率高达93.3%;耿泽栋等[17]提出基于计算机视觉技术与软件编写对辣椒横切和纵切截面性状的分析程序,实现了对辣椒界面形状的自动化提取;曾庆兵等[18]基于数学形态学,提出具有非接触和高精度等优点的重叠葡萄果实直径的测量方法。这些方法虽然能够较准确的分级和测量部分农产品外观品质,但是实现过程繁琐,需要复杂的数学计算公式和计算机背景知识,方法不易推广,同时基于计算机视觉技术在干辣椒外观品质分级研究较少。因此,不论是市场还是研究方面,产业亟需简单实用的计算机视觉技术的干辣椒外观品质分级方法。
Image J软件是一款基于Java编程语言,功能强大、灵活易用的开源图像处理软件,适用于多种领域和场景下的图像处理任务,在外观表型测量中已被广泛使用[19-21]。本研究利用手机拍照对干辣椒获取图像,通过Image J软件进行图像处理,提出了一种便捷、快速、准确的干辣椒外观品质相关特征量的测定方法。通过手机拍照结合Image J软件测量干辣椒样品的长度、宽度和面积,与游标卡尺法和剪纸法等传统方法对比,发现其呈极显著相关。同时,通过构建红绿蓝(RGB)色彩模型确定干辣椒的外观颜色特征参数,通过提取单个干辣椒的红色(R)、绿色(G)和蓝色(B)通道强度来获得颜色比率R/(G+B)为色泽分级依据,以宽长比、面积和颜色比率可以轻松衡量分级筛选优质干辣椒、合格干辣椒、不合格干辣椒。
1 材料与方法
1.1 实验材料
干辣椒,宜宾市农贸市场。
1.2 实验设备
具有拍照功能的智能手机(本实验采用iPhone 15 pro机型);游标卡尺、白色卡纸,宁波得力工具有限公司;装有Image J软件的电脑;拍摄棚。
1.3 实验方法
1.3.1 人工测量干辣椒外观长度、宽度和面积
根据GB 10465—1989《辣椒干》确定测量标准,如图1所示,长度是指干辣椒身长即从果顶至基部的距离(L),挑选100个完整无损的干辣椒以头尾相接的方式不留间隙地排成一行,平铺在测量板上。使用游标卡尺测量其长度并求出的平均值,即干辣椒的长度。宽度是指椒身最宽横断面处的距离(h),利用同样的方法,让100个干辣椒肩并肩,测出干辣椒的宽度。使用剪纸称重法测量干辣椒面积[22]：取质地均匀、厚薄一致的纸作为基底(纸的均匀性可以通过预先剪取并称重多个同等大小的纸片样本来验证),用铅笔对干辣椒轮廓进行描绘,再用剪刀沿铅笔所绘剪下。测定纸张重G1,纸张面积A1,剪下的干辣椒形状纸重G2,则干辣椒面积A2按公式(1)计算:
(1)
图1 干辣椒外观特征测量图
Fig.1 Diagram showing the measurement characteristics of dried chili pepper
1.3.2 干辣椒图像采集
将100粒干辣椒均匀平摊在白色背景上,确保干辣椒之间没有重叠。在拍照过程中,在拍摄区域处放置一把游标卡尺,这对于获取精准的干辣椒外观尺寸参数至关重要,能够实现像素值向实际距离的转变。如图2所示。
a-原始图像;b-灰度图像;c-增强对比图像;d-二值化图像
图2 干辣椒图片处理
Fig.2 Processing of dried chili peppers
获取干辣椒外观形状参数可通过以下流程:①首先开启Image J并将拍摄的图片导入,在图片中沿着游标卡尺的刻度绘制一定长度的直线(10 cm),随后运用命令Analyze→Set Scale设定标尺,之后在窗口设定实际长度及单位,达成像素值和实际距离的转换。②对图像的对比度和临界值进行调整,以便区分干辣椒与背景。借助软件命令:Image→Type→8 bit,将图片转变为黑白,然后通过Image→Adjust→Brightness/Contrast→Auto→Apply调整干辣椒与背景的对比度,最后利用Image→Adjust→Threshold→Apply调节临界值,让干辣椒边缘与背景清晰区分。③点击命令设置所需测量参数Analyze→Set Measurements(面积Area、费雷特直径Feret’s Diameter)。最后,通过点击Analyze自动给出结果。值得注意的是,我们需要通过 Analyze→Analyze particles设置窗口,把待测尺寸范围设定为0.5～Infinity,点击 OK(设定待测范围>0.5 cm2,能够去除<此值的杂质颗粒,进一步与背景噪音分离)。
1.3.3 干辣椒颜色特征
通过Image J软件:Image→Analyze→Tolls→Color Histogram得出单个干辣椒的颜色直方图,可以直观的看出不同品级辣椒之间的红绿蓝(RGB)颜色分量差异,并以此找出不同品级辣椒之间的颜色分量特征,确定红色像素点比例为依据对辣椒进行分级。使用Image J将获得的干辣椒彩色图像分成R、G和B通道。提取单个干辣椒的R、G和B强度,并计算R/(G+B)比率作为色泽分级的标准,将干辣椒分为优质、合格、不合格3个等级。
1.3.4 数据处理
人工测量干辣椒的外观长度、宽度和面积数据后采用高斯分布拟合进行计算数据,避免使用平均值进行计算时会引入较大误差、偏离真实值。手机拍照结合Image J软件测量按照1.3.2节和1.3.3节的方法,用Image J软件对采集的干辣椒图像进行预处理,对图像标尺进行设置、调节图像对比度、调整图像临界值,运用Analyze particles插件自动算出干辣椒的长度、宽度、面积以及R、G、B强度,将数据导入origin中对数据结果进行绘图分析,随后用Pearson分析不同方法的相关性。
1.3.5 拍摄棚搭建
本实验对干辣椒图像的获取采用了手机拍照成像的方式,用于完成干辣椒图像的采集,需避开自然光的斜射所带来成像的阴影部分,造成背景噪音。因此搭建拍摄棚进行拍摄,如图3所示,该机器视觉系统包括:光源、摄像头、暗箱,然后将照片导入装有Image J软件的电脑上。
1-手机摄像头;2-光源;3-暗箱;4-干辣椒样本
图3 拍摄棚
Fig.3 Chamber for image capturing
2 结果与分析
2.1 人工测量与Image J软件测量的干辣椒外观长度、宽度和面积
人工测量干辣椒外观长度、宽度和面积按照1.3.1节的方法进行,挑选100个完整无损的干辣椒以头尾相接的方式排成一行,平铺在测量板上。使用游标卡尺测量其长度,得到干辣椒平均长度为(6.908±0.106) cm。随后将100个干辣椒并排放置,测出干辣椒平均宽度为(1.023±0.008) cm。干辣椒面积通过剪纸称重法进行测量:用铅笔沿干辣椒轮廓边缘描下,然后再用剪刀按铅笔所画形状剪下。测得已知纸张重G1,纸张面积A1,剪下的干辣椒形状纸重G2,单个干辣椒面积按公式(1)计算,求出干辣椒面积的平均值为(5.487±0.173) cm2。
按照1.3.2节的方法通过手机拍照结合Image J软件测量干辣椒长度、宽度和面积,使用Analyze particles获取图片中干辣椒的外观形状参数,图4展示了干辣椒外观尺寸的统计情况。如图4所示,干辣椒的长度、宽度和面积数值均参差不齐,这是因为辣椒在生长过程中受到了不同土壤质地、养分供应等因素,会导致每个辣椒的大小和形状都不同;另外在干
a-干辣椒样本长度柱状图;b-干辣椒样本宽度柱状图;c-干辣椒样本面积柱状图
图4 干辣椒样本长度、宽度和面积柱状图
Fig.4 Histogram of length, width, and area of dried chili pepper samples
辣椒加工过程中可能受到晾晒温度或时间不均、加工方式的不同导致每个辣椒大小和形状的差异。如果使用平均值对这100个样品进行计算统计时,较大或较小的形状大小会导致误差较大。
因此本研究采用高斯分布拟合对干辣椒长度、宽度和面积进行统计,高斯分布拟合统计偏差较小,能够剔除由于单个干辣椒特性差异导致的显著偏离真实范围的误差,获得一个最为真实的区间范围,该区间值极为准确地反映了大多数干辣椒在长度、宽度以及面积上的共同特征。如图5所示,由高斯分布拟合结果得到Image J软件测量干辣椒长度为(7.029±0.066) cm,宽度为(0.987±0.017) cm,面积为(5.719±0.102) cm2。
a-干辣椒样本长度高斯分布图;b-干辣椒样本宽度高斯分布图;c-干辣椒样本面积高斯分布图
图5 干辣椒样本长度、宽度和面积对应的高斯分布图
Fig.5 Gaussian distribution plots of the length, width, and area of dried chili pepper samples
2.2 不同方法统计干辣椒外观长度、宽度和面积的比较
由2.1节结果可知,人工测量100个干辣椒平均长度为(6.908±0.106) cm,平均宽度为(1.023±0.008) cm,干辣椒面积的平均值为(5.487±0.173) cm2;基于高斯拟合统计的Image J软件测量同批次干辣椒长度为(7.029±0.066) cm,宽度为(0.987±0.017) cm,面积为(5.719±0.102) cm2。人工测量与手机拍照结合Image J软件统计的结果有一定的差异。这是由于:(a)人工检测在将干辣椒头尾相接地排列时很难保证干辣椒间不留间隙产生误差;(b)人工检测常常受到经验水平、主观感知、视觉生理等多种因素影响,不同的人员对判断有差异,难以形成科学标准化的检测;(c)人工检测根据GB 10465—1989《辣椒干》测量标准取平均值,会掺有少量较大或较小的干辣椒大小影响真实值;(d)干辣椒面积测量时通过剪纸称重法测定时,用铅笔绘制干辣椒轮廓边缘和剪取纸片时易产生主观偏差且效率很低,因此结果相对长度和宽度结果偏差更大。基于高斯拟合统计的手机拍照结合Image J软件测量干辣椒的长度、宽度及面积时,能有效排除过大或过小的干辣椒样本对真实测量结果的影响,从而锁定一个最能反映真实情况的区间值。该区间值能较好反应大部分干辣椒的实际尺寸。
人工测量与手机拍照结合Image J软件统计的相关分析结果如图6所示,由统计结果可知,人工通过游标卡尺测量干辣椒长度与手机拍照结合Image J软件统计的相关系数为0.991,两者之间呈极显著相关性;人工通过游标卡尺测量干辣椒宽度与手机拍照结合Image J软件统计的相关系数为0.924,两者之间呈极显著相关性;人工通过剪纸法测量干辣椒面积与手机拍照结合Image J软件统计的相关系数为0.926,两者之间呈极显著相关性。所有相关系数都>0.9,说明手机拍照结合Image J软件统计的图像处理法是可行的,可以用于干辣椒长度、宽度和面积的实际测量工作,且采用高斯分布拟合进行统计,可以获得更真实、准确的干辣椒尺寸的值。
a-Image J测量与游标卡尺测量干辣椒长度相关性;b-Image J测量与游标卡尺测量干辣椒宽度相关性;c-Image J测量与剪纸法测量干辣椒面积相关性
图6 不同方法测定干辣椒长度、宽度和面积的相关性分析
Fig.6 Correlation analysis of the length, width, and area of dried chili peppers
2.3 干辣椒外观色泽特征
根据GB 10465—1989《辣椒干》将干辣椒外观品质色泽分为3个等级:优质干辣椒、合格干辣椒和不合格干辣椒。其中优质干辣椒外观具有鲜红或紫红色、油亮光洁的特点;合格干辣椒外观鲜红或紫红色、有光泽;不合格干辣椒外观鲜红或紫红色。为了准确衡量这种外观色泽,并非直接通过肉眼观察颜色,使用Image J将彩色干辣椒图像分成R、G和B通道,提取单个干辣椒的R、G和B强度,通过计算R/(G+B)比率作为色泽分级的标准,将干辣椒分为优质、合格、不合格3个等级。
如图7所示,根据干辣椒外观品质色泽的级别,选出优质干辣椒、合格和不合格干辣椒,通过不同品级干辣椒图像彩色直方图的对比发现,优质干辣椒、合格干辣椒、不合格干辣椒之间的色彩分布存在很大差异。在优质干辣椒图像的彩色直方图中,R分量具有较强的像素值,B分量和G分量像素值相对较小,体现在数值上R-(B+G)的变化相差很大,R/(G+B)>1.336,R/(G+B)比率相对更大;在合格干辣椒图像的彩色直方图中,B分量和G分量像素值相对增加,体现在数值上R-(B+G)的变化相差相对减小,1.336>R/(G+B)>0.853,R/(G+B)比率低于优质干辣椒;在不合格干辣椒图像的彩色直方图中,B分量和G分量像素值相对更大,体现在数值上R-(B+G)的变化相差更小,R/(G+B)<0.853,R/(G+B)比率更低。这是由于:(a)干辣椒制作时常因机械碰撞导致辣椒受损断裂,进而出现破损或变形;(b)在自然风干晾晒时,辣椒表皮与肉质中的红色素通常会产生褪色现象;(c)贮藏期间过长导致腐烂或霉变,这些均会使得干辣椒色泽中B分量和G分量的像素值相对较多,致使R/(G+B)比率更低。因此通过红色通道、绿色通道和蓝色通道分量之间的强度变化来衡量干辣椒级别,建立了一种颜色比率R/(G+B)的干辣椒色泽分级筛选方法,并非直接通过肉眼判定色泽,这样不仅可以极大地避免了由于视觉生理的人为误差,同时可以提高结果的准确性及标准化,对优质干辣椒、合格和不合格干辣椒进行有效区分。
图7 不同品级干辣椒图像彩色直方图中RGB占比
Fig.7 RGB proportion in the colour histogram of different grades of dried chili peppers
2.4 基于手机拍照结合Image J软件的干辣椒样品分级
本研究利用手机拍照对干辣椒获取图像,通过Image J软件进行图像处理,提出了一种便捷、快速、准确的干辣椒外观长度、宽度、面积等表型特征量的测定方法。同时,通过构建红绿蓝(RGB)色彩模型确定干辣椒的外观颜色特征参数的色彩直方图,根据色彩直方图和R/(G+B)比率为色泽分级依据,结合干辣椒宽长比和面积对优质干辣椒、合格干辣椒、不合格干辣椒进行分级筛选,将干辣椒分级标准转化为机器语言,如表1所示。手机拍照结合Image J软件的干辣椒分级结果如图8所示:红色代表优质干辣椒;黄色代表合格干辣椒;黑色代表不合格干辣椒。
表1 基于机器语言的干辣椒分级标准
Table 1 Machine learning algorithm classification criteria for dried chili pepper samples
辣椒分级宽长比面积/cm2R/(G+B)优质干辣椒0.15～0.185.5～6.5>1.336合格干辣椒0.10～0.144.0～5.5;6.5～7.5>0.853不合格干辣椒<0.10<4.0<0.853
a-干辣椒原始图像;b-分级图像
图8 基于手机拍照结合Image J软件的干辣椒分级结果
Fig.8 Combined mobile phone photography and Image J software image-graded results for dried chili peppers samples
3 结论
通过手机拍照结合Image J软件,提供了一种便捷、快速、准确的干辣椒外观品质相关特征量的测定方法。与游标卡尺法、剪纸法等人工测量长度、宽度和面积相比,相关系数都>0.9,但该方法更方便快速,可用于干辣椒的长度、宽度、面积等表型指标的实际测量工作,且采用高斯分布拟合进行统计,可以获得比人工测量更真实、准确的干辣椒尺寸数值。色泽分选采用R/(G+B)比率为分级依据,结合干辣椒宽长比和面积对优质干辣椒、合格干辣椒、不合格干辣椒进行分级筛选,将干辣椒分级标准转化为机器语言,优质干辣椒判定标准为宽长比0.15～0.18、面积为5.5～6.5 cm2、R/(G+B)>1.336;合格干辣椒宽长比0.10～0.14、面积为4.0～5.5 cm2;6.5～7.5 cm2、R/(G+B)≥0.853;不合格干辣椒宽长比<0.10、面积<4.0 cm2、R/(G+B)<0.853。该方法便捷、准确、易操作、成本低,可以广泛应用于干辣椒外观品质的分级分选工作中。
[1] 乔立娟, 赵帮宏, 宗义湘, 等.我国辣椒产业发展现状、趋势及对策[J].中国蔬菜, 2023(11):9-15.
QIAO L J, ZHAO B H, ZONG Y X, et al.Development current situation, tendency, and countermeasure for China’s pepper industry[J].China Vegetables, 2023(11):9-15.
[2] 林巧, 辛竹琳, 孔令博, 等.我国辣椒产业发展现状及育种应对措施[J].中国农业大学学报, 2023, 28(5):82-95.
LIN Q, XIN Z L, KONG L B, et al.Current situation of pepper industry development and breeding countermeasures in China[J].Journal of China Agricultural University, 2023, 28(5):82-95.
[3] 吴璐瑶, 乔立娟.我国城乡居民辣椒消费现状及趋势分析[J].中国瓜菜, 2022, 35(8):109-113.
WU L Y, QIAO L J.Analysis on the current situation and trend of pepper consumption of urban and rural residents in China[J].China Cucurbits and Vegetables, 2022, 35(8):109-113.
[4] 杨红, 姜虹, 詹永发, 等.不同干制方法对辣椒干品质的影响[J].贵州农业科学, 2011, 39(11):187-189.
YANG H, JIANG H, ZHAN Y F, et al.Effects of different dry-cure methods on quality of dry pepper[J].Guizhou Agricultural Sciences, 2011, 39(11):187-189.
[5] 陈柄言, 闫璐, 田利, 等.不同的包装方式及贮藏环境对干辣椒品质的影响[J].中国调味品, 2024, 49(5):76-79.
CHEN B Y, YAN L, TIAN L, et al.Effects of different packaging methods and storage environment on quality of dried chili[J].China Condiment, 2024, 49(5):76-79.
[6] 薛珂, 孙红霞, 杨盛茹.辣椒在冷链运输过程中不同温度对其品质的影响[J].中国调味品, 2023, 48(11):148-151.
XUE K, SUN H X, YANG S R.Effects of different temperatures on quality of peppers during cold-chain transportation[J].China Condiment, 2023, 48(11):148-151.
[7] 邱显焱, 郭士超, 王俊杰.基于Transformer模型的干辣椒等级分类方法研究[J].机电工程技术, 2023, 52(2):34-37;138.
QIU X Y, GUO S C, WANG J J.Study on grade classification method of dry chili based on transformer model[J].Mechanical &Electrical Engineering Technology, 2023, 52(2):34-37;138.
[8] 郭美玲, 姚红, 黄璐晗, 等.干辣椒复水模型构建及复水后特性和发酵品质研究[J].食品与发酵工业, 2024, 50(15):222-230.
GUO M L, YAO H, HUANG L H, et al.Construction of rehydration model for dried chillies and research on characteristics and fermentation quality after rehydration[J].Food and Fermentation Industries, 2024, 50(15):222-230.
[9] 李小毛, 张昊, 张楠欣, 等.辣椒干制品贮藏技术研究进展[J].中国果菜, 2023, 43(8):16-22.
LI X M, ZHANG H, ZHANG N X, et al.Research progress on storage technologies of dried pepper products[J].China Fruit &Vegetable, 2023, 43(8):16-22.
[10] 杨晶, 沙迪昕, 张月, 等.不同贮藏条件下干辣椒颜色劣变的主要途径[J].食品研究与开发, 2024, 45(4):58-67.
YANG J, SHA D, ZHANG Y, et al.Main paths of color deterioration of dried peppers under different storage conditions[J].Food Research and Development, 2024, 45(4):58-67.
[11] 刘志刚, 王丽娟, 喜冠南, 等.苹果成熟度机器视觉无损检测方法研究[J].机械设计与制造,1-6[2024-08-27].https://doi.org/10.19356/j.cnki.1001-3997.20240905.002.
LIU Z G, WANG L J, XI G N, et al.Research on machine vision nondestructive testing method for apple maturity[J].Machinery Design &Manufacture,1-6[2024-08-27].https://doi.org/10.19356/j.cnki.1001-3997.20240905.002.
[12] 安洋洋, 李悦, 李一鹏, 等.基于机器视觉的智能水果分拣系统设计[J].轻工科技, 2024, 40(5):90-92.
AN Y Y, LI Y, LI Y P, et al.Design of intelligent fruit sorting system based on machine vision[J].Light Industry Science and Technology, 2024, 40(5):90-92.
[13] 李杰, 吴桂芳, 德雪红, 等.农产品品质无损检测方法的研究进展[J].粮食与饲料工业, 2024(4):70-76.
LI J, WU G F, DE X H, et al.Research progress on nondestructive testing methods for agricultural products[J].Cereal &Feed Industry, 2024(4):70-76.
[14] 常睿, 张莹, 杨娟, 等.计算机视觉技术在茶叶加工领域应用研究进展[J].南方农业, 2021, 15(28):137-140.
CHANG R, ZHANG Y, YANG J, et al.Study progress in the application of computer visual technology in tea processing[J].South China Agriculture, 2021, 15(28):137-140.
[15] 施行, 王巧华, 顾伟, 等.基于机器视觉的红提串无损检测及分级[J].食品科学, 2021, 42(18):232-239.
SHI X, WANG Q H, GU W, et al.Non-destructive firmness detection and grading of bunches of red globe grapes based on machine vision[J].Food Science, 2021, 42(18):232-239.
[16] 裴悦琨, 叶家敏, 姜艳超, 等.基于机器视觉的樱桃形状及大小检测技术[J].食品工业, 2020, 41(8):199-202.
PEI Y K, YE J M, JIANG Y C, et al.The cherry shape and size detection technology based on machine vision[J].The Food Industry, 2020, 41(8):199-202.
[17] 耿泽栋, 杨万能, 李峰, 等.基于机器视觉辣椒截面性状提取方法[J].中国农业科技导报, 2021, 23(2):105-114.
GENG Z D, YANG W N, LI F, et al.Extraction of pepper section characteristics based on machine vision[J].Journal of Agricultural Science and Technology, 2021, 23(2):105-114.
[18] 曾庆兵, 刘成良, 苗玉彬, 等.基于形态学图像处理的重叠葡萄果径无损测量[J].农业工程学报, 2009, 25(9):356-360.
ZENG Q B, LIU C L, MIAO Y B, et al.Non-destructive measurement of diameter of overlapping grape fruit based on morphological image processing[J].Transactions of the Chinese Society of Agricultural Engineering, 2009, 25(9):356-360.
[19] 徐炜桢, 许东, 林亲录, 等.基于手机拍照和ImageJ软件的大米外观形状参数的测定[J].中国粮油学报, 2019, 34(10):109-113.
XU W Z, XU D, LIN Q L, et al.Determination of parameters of appearance shape of rice based on mobile phone camera and ImageJ software[J].Journal of the Chinese Cereals and Oils Association, 2019, 34(10):109-113.
[20] 叶代全. 基于手机拍照和ImageJ软件的杉木种子表型指标测量[J].林业科技通讯, 2022(9):32-35.
YE D Q.Seed size measurement of Cunninghamia lanceolata based on mobile phone photography and ImageJ software[J].Forest Science and Technology, 2022(9):32-35.
[21] 罗德义, 陈春旭, 赵敬钊, 等.基于ImageJ软件计算植物病情指数的方法探讨[J].农村经济与科技, 2022, 33(23):65-68.
LUO D Y, CHEN C X, ZHAO J Z, et al.Exploration on the method of calculating plant disease index based on ImageJ software[J].Rural Economy and Science-Technology, 2022, 33(23):65-68.
[22] 刘洪波, 张江辉, 白云岗, 等.香梨叶面积测定方法对比研究[J].新疆农业科学, 2013, 50(3):453-459.
LIU H B, ZHANG J H, BAI Y G, et al.Pear leaf area measurement method[J].Xinjiang Agricultural Sciences, 2013, 50(3):453-459.