一种测量叶片花青素含量的方法

摘要

本发明提供了一种测量叶片花青素含量的方法，所述方法包括如下步骤：1)建立叶片图像参数与叶片花青素含量的关系模型Y＝f(X)，其中，Y代表叶片花青素含量，X代表叶片的选定区域的蓝色值与绿色值的比值；2)测量待测叶片的X值，通过Y＝f(X)计算待测叶片的花青素含量。本发明提供的测量叶片花青素含量的方法可以方便地和非破坏性地测量叶片花青素含量。

权利要求

1.一种测量叶片花青素含量的方法，其特征在于，所述方法包括如下步骤：

1）建立叶片图像参数与叶片花青素含量的关系模型Y=f（X），其中，Y代表叶片花青素含量，X代表叶片的选定区域的蓝色值与绿色值的比值；

2）测量待测叶片的X值，通过Y=f（X）计算待测叶片的花青素含量，其中所述叶片图像参数与所述叶片花青素含量的关系模型为：Y=aX+bX2+c，通过测量不同样品的所述Y值和所述X值计算a、b、c的数值；

测量不同样品的所述X值的具体步骤包括：选定所述叶片分析区域；用RGB视觉传感器采集所述叶片RGB图像，用Matlab软件采集所述叶片的所选区域的图像特征的六个参数的数据：红（R）、绿（G）、蓝（B）、色调（H）、饱和度（S）、强度（I），计算所述选定区域的所述蓝色值与所述绿色值的比值；

所述叶片为生菜叶片。

2

2.如权利要求1所述的方法，其特征在于，选定叶片分析区域的面积为2cm。

3.如权利要求1所述的方法，其特征在于，在步骤1）中，通过花青素含量测定仪测量不同样品的Y值。

4.如权利要求3所述的方法，其特征在于，所述花青素检测仪为Dualex 4花青素含量测定仪。

5.如权利要求1所述的方法，其特征在于，在步骤2）中，测量待测叶片的X值的具体步骤包括：选取整株叶片，获取RGB图像，计算不同区域的蓝色值与绿色值的比值。

说明书

一种测量叶片花青素含量的方法

技术领域

[0001] 本发明涉及植物生理学领域，尤其涉及一种测量叶片花青素含量的方法。

背景技术

[0002] 花青素(Anthocyanins)是一种水溶性色素，可以随着细胞液的酸碱改变颜色，细胞液呈酸性则偏红，细胞液呈碱性则偏蓝。花青素是构成花瓣和果实颜色的主要色素之一，常见于花、果实的组织中及茎叶的表皮细胞与下表皮层。花青素为植物次级代谢产物，在植物生理上扮演重要的角色，花瓣和果实的着色可吸引动物进行授粉和种子传播。

[0003] 花青素对人体健康也具有积极的作用。花青素是一种抗氧化剂，具有清除机体多余自由基而避免细胞遭受氧化应激的伤害。已有的研究也表明花青素具有预防癌症、抗突变、减轻肝机能障碍、抗心血管疾病、增进视力、抗过敏等功效。

[0004] 目前测量花青素含量的测定方法主要是化学分析法，主要包括紫外分光光度法和高效液相色谱法。紫外分光光度法测定花青素主要通过提取植物花青素后在酸性条件下进行显色反应，然后用分光光度法计算花青素的含量，这种测量方法的缺陷是：需要破坏性采样，而且人工测量不仅工作量较大，而且操作复杂，存在随意性和不确定性，主观性强，一致性差。高效液相色谱法可以对花青素单体进行定性和定量分析，缺点是化学标准品购买成本高，设备采购成本高、测定需要破坏性采样，分析时间长且操作复杂。

发明内容

[0005] 有鉴于现有技术的上述缺陷，本发明提供了一种新的测量叶片花青素含量的方法，要解决的技术问题是实现更方便地和非破坏性地测量叶片花青素含量。

[0006] 为解决上述问题，本发明采取的技术方案是：一种测量叶片花青素含量的方法，所述方法包括如下步骤：

[0007] 1)建立叶片图像参数与叶片花青素含量的关系模型Y＝f(X)，其中，Y代表叶片花青素含量，X代表叶片的选定区域的蓝色值与绿色值的比值；

[0008] 2)测量待测叶片的X值，通过Y＝f(X)计算待测叶片的花青素含量。

[0009] 优选地，所述叶片为生菜(Lactuca sativa L.)叶片。

[0010] 优选地，叶片图像参数与叶片花青素含量的关系模型为：Y＝aX+bX2+c，通过测量不同样品的Y值和X值计算a、b、c的数值。

[0011] 优选地，在步骤1)中，测量不同样品的X值的具体步骤包括：选定叶片分析区域；用RGB视觉传感器采集生菜叶片RGB图像，用Matlab软件采集叶片的所选区域的图像特征的六个参数的数据：红(R)、绿(G)、蓝(B)、色调(H)、饱和度(S)、强度(I)，计算选定区域的蓝色值与绿色值的比值。

[0012] 优选地，选定叶片分析区域的面积为2cm2。

[0013] 优选地，在步骤1)中，通过花青素含量测定仪测量不同样品的Y值。

[0014] 优选地，所述花青素检测仪为Dualex 4花青素含量测定仪。

[0015] 优选地，在步骤2)中，测量待测叶片的X值的具体步骤包括：选取整株叶片，获取RGB图像，计算不同区域的蓝色值与绿色值的比值。

[0016] 本发明的有益效果为：本发明提供的方法是一种无损检测方式，基于机器视觉技术，通过颜色空间参数即可表征花青素含量，方便，快捷，不需要繁琐化学分析。

[0017] 以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。

附图说明

[0018] 图1是本发明具体实施方式中花青素含量与B/G的回归模型。

[0019] 图2是本发明具体实施方式中花青素含量与G/(R+G+B)的回归模型。

[0020] 图3是本发明具体实施方式中花青素含量与H的回归模型。

具体实施方式

[0021] 1、生菜叶片图像获取

[0022] 生菜(Lactuca sativa L.cv.Lollo Rossca)种子在培养皿中培养数日后转移到花盆中，几周后在温室中进行栽培。栽培条件：夜间温度16℃，白天温度25℃。

[0023] 在温室中栽培生长62天后利用图像采集表型平台(LemnaTec Scanalyzer HTS，德国)采集24个植株的叶片图像。在表型平台内，顶部摄像机采集可见人工照明光下的叶片图像，用RGB视觉传感器采集生菜叶片RGB图像。

[0024] 2、花青素含量测定

[0025] 在叶片上选取面积为2cm2的区域，取样后用Dualex 4花青素测量仪(6mm直径测量表面，Dx4，FORCE-A，Orsay，法国)测量花青素含量。一共测量随机选取的59个样品，其中40个样品用于建立模型，19个样品用于检验模型。

[0026] 3、模型的建立

[0027] 用Matlab软件采集叶片的所选区域的图像特征的六个参数的数据：红(R)、绿(G)、蓝(B)、色调(H)、饱和度(S)、强度(I)，采用SPSS统计法中的皮尔逊相关系数计算相关因子。

[0028] 用曲线估计法建立花青素含量与图像特征的关系模型。根据相关因子、非标准系数中的F检验的P值和T检验的P值，用二次方程Y＝aX+bX2+c阐释花青素含量与图像特征的关系，其中Y表示花青素含量，x表示图像参数组合。

[0029] 皮尔逊相关性分析的结果如下表1所示。

[0030] 表1图像特征和青素含量的相关性分析

[0031]

[0032] 注：*和**分别表示P<0.05和P<0.01的显著性差异。

[0033] 从表1的数据可以看出，R/G、G/R、B/G、G/(R+B)、G/(R+G+B)、H、I/H、S/H、H/S、R/(R+G+B)-G/(R+G+B)、G/(R+G+B)-B/(R+G+B)、(G-R)/(G+R)、(G-B)/(G+B)与花青素含量的相关性较强(|r|>0.75)，S/H与花青素含量的相关性最强(r为0.850)。

[0034] 根据表1的数据，选择R/G、G/R、B/G、G/(R+B)、G/(R+G+B)、H、I/H、S/H、H/S、R/(R+G+B)-G/(R+G+B)、G/(R+G+B)-B/(R+G+B)、(G-R)/(G+R)、(G-B)/(G+B)建立与花青素含量关系模型，并计算a、b、c和R2。结果如下表2所示。

[0035] 表2图像参数和花青素含量的回归方程和决定系数

[0036]

[0037] 注：*和**分别表示P<0.05和P<0.01的显著性差异。

[0038] 从表2的数据可以看出，B/G、G/(R+G+B)、H的R2最高，分别为0.781、0.784、0.804。

[0039] 4、模型的检验

[0040] 19个样品的图像参数和花青素含量用于检验以上建立的模型。结果如图1-图3所示。其中，实线表示回归模型，虚线表示95％的置信区间。如图1-图3所示，B/G、G/(R+G+B)和H的错误率分别为5.5％(图1)、10.5％(图2)和10.5％(图3)。因此，B/G组合最适用于预测生菜叶片中的植物花青素水平。

[0041] 以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。