基于快速无损检测的温室黄瓜果实干质量的测定

基于快速无损检测的温室黄瓜果实干质量的测定
马万征1，毛罕平1※，李忠芳2，王艳3，倪纪恒1
【摘要】为了获得高精度、连续性及同一样本的试验数据以建立温室黄瓜果实生长发育的动态模型，该文以研究快速无损检测（rapid non-destructive testing，RNDT）温室黄瓜果实干质量为目的，通过研究4种不同营养液浓度下的黄瓜果实的试验数据，构建了不同营养液浓度下黄瓜果实干质量与鲜质量、体积的模型。

结果表明，不同营养液浓度下果实干质量的预测值与实测值的决定系数（R2）和回归估计标准误差（root mean square error，RMSE）分别为：0.987和0.281（营养液稀释倍数1:200），0.993和0.607（营养液稀释倍数1:100），0.925和0.616（营养液稀释倍数1:50），0.96和0.502（营养液稀释倍数1:30），模型的预测值与实测值之间的吻合度较好。

因此，该模型可以无损、简单、快速和精确预测任意黄瓜果实的干质量，为温室黄瓜干质量分配模型的构建提供参考。

【期刊名称】农业工程学报
【年(卷),期】2011(027)011
【总页数】5
【关键词】温室，果实，模型，营养液浓度,黄瓜,干质量，无损检测
0 引言
温室黄瓜是温室栽培的主要作物之一[1]。

黄瓜果实质量是黄瓜生产经济效益的决定因素。

因此，研究黄瓜果实干质量具有重要的经济意义。

温室黄瓜干质量的研究一直是农业研究领域的热点[2]，前人对温室黄瓜各器官干质量的分配模型已有较深入的研究[3-7]，对黄瓜果实干质量的确定一般都是先确定其鲜质量，
通过鲜质量来确定干质量。

黄瓜果实鲜质量的检测目前一般包括破坏性测量和非破坏性测量。

关于黄瓜器官的无损检测主要集中在黄瓜的叶面积，对黄瓜果实干质量无损检测的研究较少。

Marcelis[8]进行了黄瓜果实的非破坏性测量和生长分析，所建模型存在精度较低的缺点。

赵大球[9]研究了温室黄瓜果实鲜质量非破坏性测定的方法，在黄瓜果实鲜质量的模型中，把果实直径的最大值作为最终的果实直径，存在一定的误差，因为大部分黄瓜果实生长非常不规则性，以最大值作为果实直径来计算，存在不科学性，另外他并没有对黄瓜果实干质量无损检测进行研究。

Qingbing Zeng[10]以无损检测果实直径为目的，采用荧光光源、时间控制器、高分辨率的数字相机和软件构建了葡萄果实直径的自动测量的图像采集系统。

武聪玲[11]利用计算机视觉无损检测系统对黄瓜叶面积与干鲜质量进行了相关性分析。

裴孝伯[12]提出了一个简易的温室黄瓜叶面积计算经验公式，利用叶片的长、宽计算温室黄瓜叶面积。

对黄瓜果实干质量的测定，常规采用的方法是将其烘干，再测定其质量。

这种定期地对黄瓜进行破坏性取样，在黄瓜的整个生长发育期内，并不是对同一样本的连续测定，而是利用不同的样本得出的数据进行建模，通过此类试验数据建立的黄瓜生长发育动态模型并不是真正意义的上的动态模型。

另外破坏性测量果实干质量还存在时间长、精度低、成本高等缺点。

因此，寻求高精度、连续性、同一样本的试验数据对建立温室黄瓜果实生长发育的动态模型具有重要意义。

本研究以温室黄瓜鲜质量的快速无损检测（rapid non-destructive testing ，RNDT）为基础，通过非破坏性方法测定其鲜质量，研究黄瓜果实干质量与鲜质量、体积之间的关系。

建立不同营养液水平下黄瓜果实干质量的模拟模型，以期为黄瓜果实干质量的快速无损检测提供依据。

1 材料与方法
1.1 试验设计
试验分为2部分，试验1数据用于模型的建立，试验2用于模型检验。

试验品种为温室黄瓜常规栽培品种津优1号，每节着生1果，栽培方式以珍珠岩为基质的无土栽培。

试验1于2010年4月13日至6月28日在江苏大学Venlo 型玻璃温室中进行，4月13日播种，4月27日移栽，种植密度苗期为3.09株/m2。

试验2于2010年7月10日至2010年10月17日进行，7月10播种，7月25日移栽，种植密度苗期为3.09株/m2。

试验用温室跨度6.4 m，温室开间4 m，温室天沟高3.8 m，东西长6.4 m×5（连栋）=32 m，南北长4 m×5（间）=20 m，面积640 m2。

温室内加热系统、营养液浇灌系统、通风系统和CO2施肥系统均由计算机自动控制。

采用霍格兰营养液配方[13]（如表1所示）进行施肥，A桶含有Ca离子，B桶含有SO4离子，为防止发生化学反应，需要分别进行稀释。

1.2 试验处理
黄瓜移栽后，使用袋装珍珠岩栽培。

采用霍格兰配方营养液进行施肥，每天用营养液自动灌溉系统进行施肥，早晨和下午各1次，通过定时器控制滴灌量和滴灌频率。

滴头流量为1.7 L/h，滴头间距为30 cm，每次施肥时间为4 min。

试验设4个质量浓度，即营养液稀释倍数分别为：1:200(T1)；1:100(T2)；1:50 (T3)；1:30(T4)。

每个处理70株，株距为35 cm，行距为60 cm，小区面积约为20 m2。

1.3 测定项目与方法
1.3.1 环境数据的获取
温室内1.5 m高处空气温度和太阳辐射数据均由温室环境自动采集系统采集，数据采集频率为每5 s采集1次，存储1 h的平均值[14]。

1.3.2 作物果实数据的获取
当植株到达结果期时，每天测量果实的长度、直径、鲜质量和体积。

果实的长度采用直尺测量，为黄瓜果实基部至顶部的长度。

果实的直径为黄瓜果实上、中、下3点直径的平均值。

果实鲜质量采用精度为±0.1 g的电子天平测量。

果实体积采用量筒做容器，排水法测定[15]。

将取样的果实鲜质量在105℃下杀青后85℃烘干至恒质量；然后用精度为±0.01 g的天平称取果实干质量。

1.4 模型的描述
1.4.1 模型的检验
采用回归估计标准误差（root mean square error,RMSE）对模拟值和实测值之间的符合度进行统计分析。

RMSE值越小，表明模拟值与实测值的一致性越好，模拟值与实测值之间的偏差越小，即模型的模拟结果越准确、可靠。

因此，RMSE能够很好的反映模型的预测精度。

具体计算为
式中，OBSi为实测值，本文中为实测温室黄瓜果实鲜质量、果实干质量，g/m2；SIMi为模型模拟值，本文中为模拟的温室黄瓜果实鲜质量、果实干质量，g/m2。

1.4.2 果实鲜质量模型
利用试验1的观测资料计算出不同营养液浓度下温室黄瓜果实鲜质量模型，进行曲线拟合，表2为处理 4所用到的典型试验数据。

不同处理间黄瓜果实鲜质量与果实长度、果实直径之间关系的表达式
式中，WFF为单个果实鲜质量，g；LF为单个果实长度，mm；DF为单个果
实直径，mm。

在果实鲜质量的模型中，采用黄瓜果实上、中、下3个部分果实直径的平均值作为计算用的果实直径，避免了以果实直径的最大值作为计算用的果实直径所引起的误差，增加了模型的精确度。

对不同营养液浓度下的果实鲜质量的无损检测，提高了模型的通用性和准确性。

1.4.3 果实干质量模型
利用果实鲜质量预测模型得出果实的鲜质量，然后利用排水法得出黄瓜果实的体积，然后与不同处理下温室黄瓜果实干质量进行曲线拟合，表3为处理4所用到的典型试验数据。

不同处理的黄瓜果实干质量与鲜质量、体积之间关系的表达式
式中，WDF为单个果实干质量，g；VF为单个果实体积，mm3。

在果实干质量的模型中，并非通过果实直径与长度计算确定计算用的果实体积，而是采用排水法测定果实的体积，这样测定的果实体积更为精确，同时提高了果实干质量的模型的精确度。

2 结果与分析
2.1 温室黄瓜果实鲜质量模拟值与实测值的比较
利用与建模数据不同的试验2数据，由模型（2）～（5）根据黄瓜果实的长度和直径计算得到温室黄瓜果实鲜质量的预测值并与实测值进行比较，得到不同营养液浓度下温室黄瓜果实鲜质量预测结果的RMSE和R2如表4所示，结果表明该模型很好地预测了不同营养液浓度下温室黄瓜果实的干质量。

图1为黄瓜果实鲜质量模拟值与实测值的比较。

2.2 温室黄瓜果实干质量模拟值与实测值的比较
利用与建模数据不同的试验2数据，由式（2）～（9）根据黄瓜鲜质量和体积计算得到温室黄瓜果实干质量的预测值并与实测值进行比较，得到模型对温室黄瓜果实干质量预测结果的RMSE和R2如表5所示。

图2为黄瓜果实干质量模拟值与实测值的比较。

结果表明该模型较好的预测了不同营养液浓度下温室黄瓜果实的干质量。

2.3 开花后温室黄瓜果实干质量的实测值
从实测的结果看，在相同时间、相同环境条件下，开花后，各处理之间干质量的关系为T1＜T2＜T3＜T4，如图3所示。

黄瓜果实干质量在一定的范围内随营养液浓度的增加而增加，说明营养液浓度对黄瓜果实干质量的形成具有较大的影响。

因此，对不同营养液浓度下黄瓜果实干质量需采用不同的模型进行求解。

2.4 温室黄瓜果实干质量预测结果
利用式（2）～（9）可以对任意直径和长度的黄瓜果实干质量进行模拟，只要测得黄瓜果实的长度、直径、体积就可以根据模型求出果实的干质量，模拟结果如图4a、b、c、d 所示。

3 结论与讨论
本模型是基于黄瓜果实鲜质量的无损检测基础上进行构建，模型具有精度高、连续性好、参数少、易于获取、实用性强等优点。

该模型对不同营养液浓度下温室黄瓜果实干质量进行预测。

从结果可知该模型可较好地预测不同营养液浓度下温室黄瓜果实干质量，可以利用该模型对温室黄瓜的干质量进行快速无损检测（rapid non-destructive testing，RNDT）。

对黄瓜果实可以在不进行破坏性试验的前提下，快速获得其干质量。

本文确定了不同营养液浓度下黄瓜果实干质量的快速无损检测方法。

在温室黄瓜生长发育动态模型的研究中，不仅需要对果实进行干质量的快速无损检测，而且还需要对叶片、茎等器官进行快速无损检测，这样才能建立完整的温室黄瓜的生长发育动态模型。

尤其是对黄瓜茎的快速无损检测是模型研究的难点，需要以后进一步加强对黄瓜其它器官的快速无损检测的研究。

另外，温室黄瓜各器官的生长发育与温室内温度、光照、水分、栽培品种等都有影响，确定快速无损检测黄瓜干质量的方法时还应该考虑到这些因素对黄瓜干质量形成的影响。

这样才能构建更加精确的黄瓜各器官快速无损检测的方法，更好的为黄瓜生长发育动态模型的构建提供依据。

[参考文献]
[1] 王庆成，刘开昌，张秀清，等. 日光温室黄瓜栽培管理专家系统的开发[J]. 山东农业科学，2002(4)：14－16.Wang Qingcheng, Liu Kaichang, Zhang Xiuqing, et al.Development of expert system for cucumber culture management in solar greenhouse[J]. Shandong Agricultural Sciences, 2002(4): 14－16. (in Chinese with English abstract)
[2] 谢祝捷，陈春宏，余纪柱，等. 上海自控温室黄瓜干物质生产和分配模拟模型研究[J]. 上海农业学报，2004，20(1)：75－79.Xie Zhujie, Chen chunhong, Yu Jizhu. et al. Study on the dry matter production and distribution simulation model of cucumber in automatic control glasshouse of Shanghai[J]. Acta Agriculture Shanghai, 2004, 20(1): 75－79. (in Chinese with English abstract)
[3] 马万征，毛罕平，倪纪恒. 不同果实负载下温室黄瓜干物质分配的模拟[J].
农业工程学报，2010，26(10)：259－263.Ma Wanzheng, Mao Hanping, Ni Jiheng. Simulation of dry matter partitioning of greenhouse cucumber under different fruit load conditions[J]. Transactions of the CSAE, 2010,26(10): 259－263. (in Chinese with English abstract)
[4] 史为民，陈青云，曲梅. 日光温室黄瓜地上部各器官生长的模拟模型研究[J]. 上海交通大学学报：农业科学版，2008，26(5)：466－470.Shi Weimin, Chen Qingyun, Qu Wei. Modeling and simulating the organs growth of cucumber plant stands in sunlight greenhouse[J]. Journal of Shanghai Jiaotong University: Agricultural Science, 2008, 26(5): 466－470. (in Chinese with English abstract)
[5] Heuvelink. Effect of fruit load on dry matter partitioning in tomato[J]. Scientia Horticulturae, 1997, 69(2): 51－59.
[6] Ho L C, Adams P. Regulation of the partitioning of dry matter and calcium in cucumber in relation to fruit growth and salinity[J]. Annals of Botany, 1994, 73(5): 539－545.
[7] Marcelis, Heuvelink, Goudriaan. Modelling biomass production and yield on horticultural crops: A review[J].Scientia Horticulturae, 1998, 74(1/2): 83－111.
[8] Marcelis. Non-destructive measurements and growth analysis of the cucumber fruit[J]. Journal of Horticultural Science,1992, 67(4): 457－464.
[9] 赵大球，高海洁，倪纪恒，等. 温室黄瓜果实鲜质量非破坏性测定方法研究[J]. 长江蔬菜，2010(4)：15－17.Zhao Daqiu, Gao Haijie, Ni Jiheng, et al.
Study on nondestructive determination method of fresh weight in greenhouse cucumber[J]. Journal of ChangJiang Vegetables, 2010(4): 15－17. (in Chinese with English abstract)
[10] Qingbing Zeng, Yubn Miao, Shuang Zhao，et al. An image acquisition system for automated measurement of the fruit diameter of grape[C]// The 4th International Symposium on Intelligent Information Technology in Agriculture, Beijing,2007: 505－508.
[11] 武聪玲，滕光辉，李长缨. 黄瓜幼苗生长信息的无损检测系统应用与验证[J]. 农业工程学报，2005，21(4)：109－112.Wu Congling, Teng Guanghui, Li Changying. Application and validation of computer vision based nondestructive measurement system for cucumber seedling growth conditons[J]. Transactions of the CSAE, 2005, 21(4): 109－112. (in chinese with English abstract)
[12] 裴孝伯，李世诚，张福墁，等. 温室黄瓜叶面积计算及其与株高的相关性研究[J]. 中国农学通报，2005(8)：80－82.Pei Xiaobo, Li Shicheng, Zhang Fuman et al. Study on leaf area calculation and its correlation with plant height of cucumber in greenhouse[J]. Chinese Agricultural Science Bulletin, 2005(8): 80－82. (in chinese with English abstract)
[13] Ma Wanzheng, Mao Hanping, Hu Jing, et al. Effects of different nutrient solution concentration on the growth and development of cucumber in greenhouse[C]// 2011 International Conference on New Technology of Agricultural Engineering, 2011: 277－281.
[14] 李永秀，罗卫红，倪纪恒，等. 温室黄瓜干物质分配与产量预测模拟模型初步研究[J]. 农业工程学报，2006，22(2)：116－121.Li Yongxiu, Luo Weihong, Ni Jiheng, et al. Simulation of dry matter partitioning and yield prediction in greenhouse cucumber[J]. Transactions of the CSAE, 2006, 22(2): 116－121. (in Chinese with English abstract)
[15] Struik, Schnieders, Kerckhoffs, et al. A device for measuring the growth of individual potato tubers non-destructively and precisely[J]. Potato Research, 1988, 31(10): 137－143.
doi：10.3969/j.issn.1002-6819.2011.11.047
马万征，毛罕平，李忠芳，等. 基于快速无损检测的温室黄瓜果实干质量的测定[J]. 农业工程学报，2011，27(11)：247－251.
Ma Wanzheng, Mao Hanping,Li Zhongfang, et al. Determining dry weight of cucumber fruit in greenhouse based on rapid non-destructive testing[J]. Transactions of the CSAE, 2011, 27(11): 247－251. (in Chinese with English abstract)
基金项目：高等学校博士学科点专项科研基金(200802990009)
※通信作者：毛罕平（1961－），男，浙江宁波人，教授、博士生导师，主要从事设施农业工程研究。

镇江江苏大学现代农业装备与技术省部共建教育部重点实验室/江苏省重点实验室。

Email: maohp@。