马 伟，李翠玲，王 秀（北京农业智能装备技术研究中心，北京 100083）

背景

近年来，设施农业在我国得到快速发展，设施规模化生产为高品质蔬菜生产和农民增收提供了新的发展模式。大规模的设施生产，对配套的育苗技术提出了更高的要求，促进了穴盘育苗技术的进一步发展，这些农艺技术的进步，从根本上改变了蔬菜传统生产方式和种植制度的不足，从而衍生出规模化、商品化的基质穴盘育苗新形势，这种新的育苗方式逐步替代了传统的农田土床育苗法。传统的方法需要占用一块生产农田，采用被上一茬生产污染过的土壤进行混拌处理后建立小土床育苗，新的育苗方法集中生产，更加高效环保。同时，新的方法为进一步的控制秧苗的品质提供了很多便利条件。

秧苗的品质受到很多条件的制约。传统的育苗生产采用有土育苗方法，土壤被污染的程度和消毒处理的水平成为制约育苗品质的主要问题。在新的蔬菜穴盘育苗过程中，土壤的问题得到解决之后，种子的品质以及管理水平成为一个关键问题。实际上，由于秧苗受到种子遗传因素或不良环境因子影响，在不同管理水平下，秧苗的生长受到自身病变、不良生长环境和外来侵害的影响，秧苗从生理到组织结构、外部形态上都会发生一系列反常的表现[1]，长势品相很差，商品率低甚至枯死，由此对农业生产造成巨大损失。及时发现并获取秧苗的生长信息是解决提高秧苗品质问题的重要途径。

采用什么手段能更好地获取秧苗变化的细微信息呢？在番茄穴盘育苗中，秧苗在生理、组织结构和外部形态上发生一系列反常的表现是一个缓慢的过程，在这个缓慢过程中，秧苗呈现出不同的生长状态的信号如何准确解析，这是一个关键的技术难点。因此，研究基于穴盘育苗的蔬菜秧苗生长状况检测技术具有重要意义。相比传统的经验法和化学化验法，光学信息检测技术具有检测速度快、分析效率高和不破坏样品、操作简便、可实现在线连续检测等优点[2]。该研究以番茄为研究对象，采用光学信息检测技术检测番茄穴盘育苗中的秧苗生长状态。

研究现状

国内外研究学者最早研究基于农业光学对作物进行诊断，发现了农作物营养状况与光谱特性关系密切的规律，利用光谱技术所获得的光谱数据能够准确地反应农作物本身的光谱特征以及作物之间的光谱差异，可以更加精准地获取作物的生物化学信息[3-4]，如作物含水量、叶绿素含量、叶面积指数、植株的氮磷钾含量等，而这些参数和作物的营养状况、产量密切相关[5]。土壤肥水供应的量和浓度都对蔬菜有很大的影响。Leone等研究了作物对土壤含盐量的光谱响应，研究给土壤灌溉高含盐量水、中度含盐量水和无盐水对土壤、茄子特征和光谱响应的影响[6]。研究结果显示，土壤含盐量对植被指数和含水量具有显著影响。Jaouhra Cherif 采用叶绿素荧光光谱来监测番茄苗在锌胁迫下的生理状态。孟加拉农业大学Muhammad Ali ASHRAF 等采用机器视觉结合背光LED，进行全自动嫁接机器人番茄接穗苗的分级和排序研究；浙江大学采用机器视觉技术，通过叶面积评价幼苗质量[7-10]。

检测技术

基于植被叶片光谱的营养状况检测

植物缺乏营养元素不仅会严重影响其生长速度和产量，而且还能引起叶片、叶色、形态、结构以及各种外观不同的缺素症状。植物叶片的光谱特性一方面与叶片厚度、叶片表面特性、水分含量和叶绿素等色素含量等自身特性有关，另一方面也与植物营养元素状况密切相关，在所有营养元素中，氮素对作物生长发育和产量的影响最大，施用量也最大[11-12]。

在蔬菜穴盘育苗中，养分状况关系到蔬菜秧苗的素质，养分供给的配比或数量不合理，将影响蔬菜秧苗正常生长，蔬菜秧苗外观质量下降，发育不良，导致出圃期后延。由于中国设施园艺面积大，肥料需求量多，有些生产者为了避免养分亏缺，过量施用氮、磷、钾肥，不仅造成肥料的浪费和环境污染，而且也会降低作物品质及产量，同时设施育苗中也经常会出现营养元素供给比例失调现象。

上述这些问题都可以借助光谱的手段实时监测和管理，在生产的整个过程中，对蔬菜秧苗的养分状况进行检测。由于国内外研究学者早已发现农作物营养状况与光学特性关系密切，因此利用作物图像或光谱信息能够精准地获取一些作物的生物化学信息，如作物含水量、叶绿素含量、叶面积指数、植株的氮磷钾含量等，而这些参数与作物的营养状况、产量密切相关。该研究以番茄秧苗为研究对象，采用光谱技术检测番茄秧苗生长的养分状况。

基于植被红边特性的营养状况检测

植物叶片的光谱特征是反映植物生长状态的重要信息，与叶片的厚度、颜色、形态、水分和叶绿素等有关。各种环境胁迫，如缺氮、干旱、病虫害等都会使植物叶片的光谱特征发生变化。基于光谱信息的作物生长信息无损监测技术是现阶段作物生长信息精确诊断和动态调控所迫切需要的关键技术[13]。

红边是由于植被叶绿素在红光波段强烈的吸收与在近红外波段多次散射而形成强反射造成的，其波长范围一般在670～780 nm，红边区域包含丰富的植被生长状态信息，与植被生理生化参数密切相关。红边左侧的反射率主要与叶绿素含量有关，红边右侧的反射率主要取决于叶内组织结构和植物体内含水量的影响。1983年通过试验研究发现，红边区间可以作为植物生长状况的指示区。

检测系统搭建

农业光学的穴盘育苗番茄秧苗长势快速检测系统主要由暗箱、三坐标台、履带、光源单元、数据采集单元和数据处理单元组成。光源单元包括氙灯光源（HPX-2000，美国）、光纤、光纤衰减器、光纤支架和暗箱；数据采集单元为光谱仪（QE65Pro，美国）；数据处理单元为计算机。光源带有稳压电源和散热器件，其波长范围为185～2200 nm，光谱仪探测的波长范围为200～1100 nm，光谱分辨率为0.14～7.7 nm。暗箱的作用是隔离外界光线的干扰。图1是农业光学的穴盘育苗番茄秧苗长势快速检测系统原理图。

试验方法

样本制备

该研究将试验分为2组，重复1次，施肥量与配比做5组处理，其中一组为对照组。N的施肥量依次为0、300、500、800、1000 g/m3。按照试验设计方案，分别将各处理所需加入的肥料溶于水，喷洒入定量的混合基质中，充分搅拌均匀，装入穴盘，番茄种子精播于穴盘中，每穴1粒，摆放于温室内培养。由于供试肥料一次性全部施入基质中，日常只需浇灌清水，以保持基质湿润，其他管理措施相同。

光谱采集

待番茄秧苗生长成熟、可移植时，采集番茄苗的可见/近红外光谱数据。每个样本重复采集3次光谱数据，对采集的光谱数据结果进行光谱预处理，通过平滑等方法去掉背景噪声等干扰信号。数据采集前，系统预热15 min，使光源和光谱仪处于稳定的工作状态。然后采集标准参考白板的光谱信息，切断光路，采集暗环境的光谱信息；连通光路，采集反射光谱信息，光谱仪进行白参考校准和黑参考校准。光谱采集的积分时间设置为8 ms，平均次数设置为15次，平滑度设置为1。

图2 制备试验样品秧苗

结果

光谱特征检测

通过光谱系统可以采集到秧苗的光谱数据，光谱数据保存后可开展后续处理。采集的番茄穴盘苗可见/近红外反射光谱曲线如图3所示，波长范围为 380～970 nm。

图 3 播种后第4周秧苗子叶反射光谱曲线

其中，Rλ表示标段λ处的反射率，Sλ表示样品在标段λ处的反射光强度，Bλ表示暗环境在标段λ处的反射光强度，Wλ表示参考白板在标段λ处的反射光强度。

通过光谱特征曲线可以获取简单的一些秧苗的养分趋势情况，通过进一步计算后，可获得更多的养分特征信息。

红边特征检测

外光谱仪所采集的光谱除样品的自身信息外，还包含了其它无关信息和噪音，如电噪音、样品背景和杂散光等。因此，消除光谱数据中的无关信息和噪音十分关键和必要。光谱的一阶导数处理可有效地消除基线漂移和其它背景的干扰，分辨重叠峰，提高分辨率和灵敏度，本研究采用一阶导数方法对光谱数据进行预处理，并从一阶导数光谱数据中提取秧苗的红边位置信息。图4是采集的光谱数据的一阶导数处理。

对于光谱特征的海量数据而言，进一步的挖掘数据能有效的提高在线检测速度。进一步提取红边特征参数，红边振幅为红边位置对应的一阶导数值。测试中的秧苗叶片红边振幅曲线如图5。

图5可得出，施肥量多抑制番茄穴盘苗的生长。同时随着氮肥施肥量的增加，番茄苗叶片红边斜率不断减小。

图4 光谱数据的一阶导数处理

图5 第4周秧苗子叶红边振幅

结论

借助农业光学传感器搭建了光谱检测平台，对秧苗进行快速检测处理，提出一种番茄穴盘苗营养状况可行有效的检测方法。研究结果表明穴盘育苗氮肥施肥量的过多投入不利于育苗。