CN106841051B

CN106841051B - 一种基于可见光图像融合值的作物氮素营养检测方法

Info

Publication number: CN106841051B
Application number: CN201611175767.3A
Authority: CN
Inventors: 王远; 施卫明; 王德建
Original assignee: Institute of Soil Science of CAS
Current assignee: Institute of Soil Science of CAS
Priority date: 2016-12-19
Filing date: 2016-12-19
Publication date: 2019-05-10
Anticipated expiration: 2036-12-19
Also published as: CN106841051A

Abstract

本发明涉及一种基于可见光图像融合值的作物氮素营养检测方法，针对作物的绿度和覆盖度进行特征融合分析，综合考虑了作物不同生长时期或发育状况下的氮素营养状况，并能对其进行定量分析，显著提高了氮素营养诊断结果的准确性；并且本发明所设计方法，仅利用一张作物冠层图像中提取的绿度和覆盖度，即可进行氮素诊断，数据获取简单方便、氮素诊断成本低、速度快，可以在大田自然光条件下实时获取作物的氮素营养状况。

Description

一种基于可见光图像融合值的作物氮素营养检测方法

技术领域

本发明涉及一种基于可见光图像融合值的作物氮素营养检测方法，属于农作物氮素诊断技术领域。

背景技术

氮素是对作物生产和产量形成影响最为显著的元素之一，目前在我国中部和东部地区，大部分农田都存在过量施氮的情况。一方面，过量施用的氮肥通过各种途径进入土壤、水体和大气，造成一系列环境问题；另一方面，氮肥的过量施用也造成了经济和能源的浪费。对作物进行氮素诊断并指导施肥，可以在保证产量的前提下实现氮肥的源头减量施用（彭少兵, 黄见良, 钟旭华, 杨建昌, 王光火, 邹应斌, 张福锁, 朱庆森. 提高中国稻田氮肥利用率的研究策略. 中国农业科学. 2002, 35(9): 1095-103.）。

目前对作物氮素进行测量的标准方法仍然是化学分析法，虽然其测试结果准确，但需要花费大量的人力物力及时间才能完成。日本Minolta公司在上世纪80年代推出了便携式叶绿素仪，可以对植物叶片叶绿素相对含量进行快速测定。该仪器采用主动光源，测试速度快，便携性强，在科研中得到了广泛的应用，但其单次测试面积较小，需要大量重复测定才能得到较稳定的结果。Yara N-Sensor、GreenSeeker等多光谱或高光谱设备可以利用反射光谱数据对作物进行氮素诊断，但这些已有设备价格昂贵，难以在我国分散式种植的环境下推广应用。

随着计算机视觉技术的发展，科研人员开始寄希望于利用普通数码相机图像获取作物的氮素营养状况。以数码相机作为作物氮素诊断工具，推广时几乎不需要额外的设备投入，因此如果该方法发展成熟，将具有极大的应用前景。现阶段，已有部分研究利用数码相机图像获取作物生长指标或氮素指标，申请号为201110228089.3的发明专利,公开了一种利用普通数码相机获取水稻冠层叶面积指数的方法，申请号为200910237355.1的发明专利公开了一种快速检测叶片叶绿素含量的建模方法及检测方法，这些方法利用数码相机拍摄作物冠层或叶片图像，以图像特征反演作物指标。申请号为200910100740.1的发明专利公开了一种图像法水稻氮肥施肥推荐方法，该方法利用图像颜色信息反演多种作物生长指标，并对作物氮素营养状况进行判断，但其并不能对作物氮素营养状况进行定量分析，且易受外界光照条件的影响。

发明内容

本发明所要解决的技术问题是提供一种针对作物的绿度和覆盖度进行特征融合分析，能够准确反映作物氮素营养状况的基于可见光图像融合值的作物氮素营养检测方法。

本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种基于可见光图像融合值的作物氮素营养检测方法，包括如下步骤：

步骤A. 针对分别对应预设不同氮素营养的各个作物种植区，基于实测作物冠层图像的绿度值和覆盖度值，构建以覆盖度值为变量，绿度值为因变量的临界氮稀释模型；同时，实测获得待测作物的作物叶片氮浓度或SPAD值；

步骤B. 实测获得待测作物冠层图像的绿度值和覆盖度值，该绿度值作为待测作物冠层的绿度实测值；并根据该覆盖度值，通过临界氮稀释模型，计算获得绿度值，作为待测作物冠层的绿度计算值；

步骤C. 获得待测作物冠层的绿度实测值与绿度计算值的比值，作为待测作物氮营养指数NNI；

步骤D. 根据待测作物冠层绿度实测值与作物叶片氮浓度或SPAD值的关系，分情况针对待测作物氮营养指数NNI进行分析，获得待测作物氮营养状况。

作为本发明的一种优选技术方案，所述步骤A，包括如下步骤：

步骤A01. 针对分别对应预设至少4个不同氮素营养水平的作物种植区，按预设第一周期时长，在各个周期采集时刻，分别采集各个作物种植区中作物的冠层图像；

步骤A02. 分别针对各周期采集时刻所采集到的各幅冠层图像，实测获得冠层图像中的绿度值和覆盖度值；

步骤A03. 分别针对各个周期采集时刻，针对周期采集时刻内所采集各幅冠层图像的覆盖度值进行方差分析，并根据方差分析结果，将彼此覆盖度波动范围处于阈值内的各幅冠层图像划为一组，实现针对周期采集时刻内所采集各幅冠层图像的分组；

步骤A04. 分别针对各个周期采集时刻，针对周期采集时刻内最大覆盖度划分所对应的冠层图像分组，选择该冠层图像分组内最小绿度值所对应的冠层图像，并将该冠层图像的绿度值和覆盖度值分别作为该周期采集时刻内临界绿度值和临界覆盖度值；

步骤A05. 以临界覆盖度值为变量，临界绿度值为因变量，针对各个周期采集时刻分别所对应的临界绿度值和临界覆盖度值进行拟合，获得临界氮稀释模型。

作为本发明的一种优选技术方案，所述步骤A05中，以临界覆盖度值为变量，临界绿度值为因变量，针对各个周期采集时刻分别所对应的临界绿度值和临界覆盖度值，采用异速生长曲线函数进行拟合，获得临界氮稀释模型。

作为本发明的一种优选技术方案，所述步骤D包括如下步骤：

步骤D01. 判断待测作物冠层绿度实测值与作物叶片氮浓度或SPAD值的关系，若待测作物绿度实测值变化与作物叶片氮浓度或SPAD值成正线性相关，则进入步骤D02；若待测作物绿度实测值变化与作物叶片氮浓度或SPAD值成负线性相关，则进入步骤D03；

步骤D02. 若NNI>1时，则判断待测作物处于氮素供应过量状态；若NNI=1时，则判断待测作物处于最佳氮素供应状态；若NNI<1时，则判断待测作物处于氮素亏缺状态；

步骤D03. 若NNI<1时，则判断待测作物处于氮素供应过量状态；若NNI=1时，则判断待测作物处于最佳氮素供应状态；若NNI>1时，则判断待测作物处于氮素亏缺状态。

作为本发明的一种优选技术方案，所述由作物冠层图像实测获得绿度值，包括如下步骤：

步骤X01. 实测获得作物的作物叶片氮浓度或SPAD值，同时将作物冠层图像更新转换为预设指定颜色空间的作物冠层图像；

步骤X02. 提取作物冠层图像中冠层各像素点的颜色基本值，并获得对应各通道颜色的平均值，进而获得各通道颜色平均值相互间的比值；

步骤X03. 将作物冠层图像对应预设指定颜色空间各通道颜色平均值相互间的比值，以及作物冠层图像对应RGB颜色空间中各通道颜色的标准化值，构成作物冠层图像的多种颜色特征参数；

步骤X04. 针对作物冠层图像的多种颜色特征参数，选择与作物叶片氮浓度或SPAD值呈线性关系的一种颜色特征参数，作为该作物冠层图像的绿度值。

作为本发明的一种优选技术方案，所述步骤X01中，将作物冠层图像更新转换为预设指定颜色空间的作物冠层图像，其中，预设指定颜色空间为CIE L ^* a ^* b ^*、LUV、RGB或HSV中的任意一种。

本发明所述一种基于可见光图像融合值的作物氮素营养检测方法采用以上技术方案与现有技术相比，具有以下技术效果：本发明设计的基于可见光图像融合值的作物氮素营养检测方法，针对作物的绿度和覆盖度进行特征融合分析，综合考虑了作物不同生长时期或发育状况下的氮素营养状况，并能对其进行定量分析，显著提高了氮素营养诊断结果的准确性；并且本发明所设计方法，仅利用一张作物冠层图像中提取的绿度和覆盖度，即可进行氮素诊断，数据获取简单方便、氮素诊断成本低、速度快，可以在大田自然光条件下实时获取作物的氮素营养状况。

附图说明

图1是本发明所设计基于可见光图像融合值的作物氮素营养检测方法的流程图；

图2是绿度值（特征参数b ^*）与水稻叶片氮浓度间的关系；

图3是绿度值（特征参数b ^*）与水稻叶片SPAD值间的关系；

图4是利用特征参数b ^*和覆盖度建立的粳稻临界氮稀释模型；

图5是临界氮稀释模型的验证。

具体实施方式

下面结合说明书附图对本发明的具体实施方式作进一步详细的说明。

如图1所示，本发明设计了一种基于可见光图像融合值的作物氮素营养检测方法，实际应用当中，具体包括如下步骤：

步骤A. 针对分别对应预设不同氮素营养的各个作物种植区，基于实测作物冠层图像的绿度值和覆盖度值，构建以覆盖度值为变量，绿度值为因变量的临界氮稀释模型；同时，实测获得待测作物的作物叶片氮浓度或SPAD值。

其中，步骤A中包括如下步骤：

步骤A01. 针对分别对应预设至少4个不同氮素营养水平的作物种植区，按预设第一周期时长，在各个周期采集时刻，分别采集各个作物种植区中作物的冠层图像。

步骤A02. 分别针对各周期采集时刻所采集到的各幅冠层图像，实测获得冠层图像中的绿度值和覆盖度值。

步骤A03. 分别针对各个周期采集时刻，针对周期采集时刻内所采集各幅冠层图像的覆盖度值进行方差分析，并根据方差分析结果，将彼此覆盖度波动范围处于阈值内的各幅冠层图像划为一组，实现针对周期采集时刻内所采集各幅冠层图像的分组。

步骤A04. 分别针对各个周期采集时刻，针对周期采集时刻内最大覆盖度划分所对应的冠层图像分组，选择该冠层图像分组内最小绿度值所对应的冠层图像，并将该冠层图像的绿度值和覆盖度值分别作为该周期采集时刻内临界绿度值和临界覆盖度值。

步骤A05. 以临界覆盖度值为变量，临界绿度值为因变量，针对各个周期采集时刻分别所对应的临界绿度值和临界覆盖度值，采用异速生长曲线函数进行拟合，获得临界氮稀释模型。

步骤B. 实测获得待测作物冠层图像的绿度值和覆盖度值，该绿度值作为待测作物冠层的绿度实测值；并根据该覆盖度值，通过临界氮稀释模型，计算获得绿度值，作为待测作物冠层的绿度计算值。

步骤C. 获得待测作物冠层的绿度实测值与绿度计算值的比值，作为待测作物氮营养指数NNI。

上述步骤D具体包括如下步骤：

步骤D01. 判断待测作物冠层绿度实测值与作物叶片氮浓度或SPAD值的关系，若待测作物绿度实测值变化与作物叶片氮浓度或SPAD值成正线性相关，则进入步骤D02；若待测作物绿度实测值变化与作物叶片氮浓度或SPAD值成负线性相关，则进入步骤D03。

步骤D02. 若NNI>1时，则判断待测作物处于氮素供应过量状态；若NNI=1时，则判断待测作物处于最佳氮素供应状态；若NNI<1时，则判断待测作物处于氮素亏缺状态。

本发明所设计基于可见光图像融合值的作物氮素营养检测方法，在实际的执行过程中，由作物冠层图像实测获得绿度值，具体包括如下步骤：

步骤X01. 实测获得作物的作物叶片氮浓度或SPAD值，同时将作物冠层图像更新转换为预设指定颜色空间的作物冠层图像，其中，预设指定颜色空间为CIE L ^* a ^* b ^*、LUV、RGB或HSV中的任意一种。

步骤X02. 提取作物冠层图像中冠层各像素点的颜色基本值，并获得对应各通道颜色的平均值，进而获得各通道颜色平均值相互间的比值。

步骤X03. 将作物冠层图像对应预设指定颜色空间各通道颜色平均值相互间的比值，以及作物冠层图像对应RGB颜色空间中各通道颜色的标准化值，构成作物冠层图像的多种颜色特征参数。

将上述所设计基于可见光图像融合值的作物氮素营养检测方法应用到实际当中，可以如下各个实施例进行应用分析。

实施例1

基于水稻冠层图像中绿度和覆盖度信息的临界氮稀释模型的建立，按照以下步骤进行：

（1）大田试验设置：

试验设置于江苏省常熟市中国科学院常熟农业生态实验站，共设 CK、N0、N1、N2、N3、N4共6个处理，4次重复，小区面积32.5 m²，供试水稻品种为南粳46。稻季各处理氮肥用量分别为0、0、180、225、270、315kg ha^-1（肥料施用量均以元素态计算，下同），除CK处理不施用磷钾肥外，其余处理磷钾用量分别为20、90kg ha^-1。各处理氮肥的基肥、分蘖肥与穗肥均按4：2：4分三次施入，钾肥按1：1分基肥与穗肥两次施入，磷肥作基肥一次性施入，其他管理措施与大田生产上相同。

（2）从水稻移栽后15天起，每隔2周对各处理水稻拍摄冠层图像并进行破坏性取样，测试水稻叶片含氮量，持续到抽穗期。

（3）冠层图像拍摄：

图像拍摄采用EOS 50D型数码相机，每个小区选择2块约1m²，且长势均匀的区域，相机固定于支架上垂直向下拍摄。相机距离冠层顶部高度固定为1m，相机采用光圈优先（AV）模式，光圈设置为3.5，ISO设置为100，白平衡设置为4900K，闪光灯关闭，图像储存格式为Raw，分辨率为1500万像素。拍摄时间为当地时间中午11:00-13:00之间，冠层图像拍摄时在相同视角下拍摄标准色卡和18%灰卡用于图像校正。

（4）测试水稻叶片含氮量：

于冠层图像拍摄当天测试水稻叶片SPAD值，并对水稻植株进行破坏性取样，将样品放置于烘箱中以105℃杀青30分钟，然后以75℃烘干至恒重。对烘干的样品进行称重，粉碎，然后利用凯氏定氮法测定水稻叶片含氮量。

（5）从冠层图像中提取覆盖度：

RAW格式的图像通过18%灰卡和标准色卡校正色温和曝光度，并对所有图像进行镜头畸变校正。校正后的图像输出为jpg格式用于下一步处理。使用中值滤波对jpg图像进行降噪处理，利用G-R阈值法分割冠层图像，并删除分割后图像中连通区域小于总像素数0.05%的区域，图像分割后冠层部分占整幅图像的百分比即为覆盖度。

（6）从冠层图像中提取绿度：

将分割后的冠层图像变换颜色空间，转换为CIE L ^* a ^* b ^*、LUV、RGB或HSV中的任意一种指定颜色空间；提取作物冠层图像中冠层各像素点的颜色基本值，并获得对应各通道颜色的平均值，进而获得各通道颜色平均值相互间的比值；再将作物冠层图像对应预设指定颜色空间各通道颜色平均值相互间的比值，以及作物冠层图像对应RGB颜色空间中各通道颜色的标准化值R/(R+G+B)、G/(R+G+B)和B/(R+G+B)，构成作物冠层图像的多种颜色特征参数；最后针对作物冠层图像的多种颜色特征参数，选择与作物叶片氮浓度或SPAD值呈线性关系的一种颜色特征参数，作为该作物冠层图像的绿度值，本实施例选取CIE L ^* a ^* b ^*颜色空间中的基本值b ^*作为水稻冠层的绿度。

（7）筛选临界覆盖度

将单次取样的数据作为一个组，对组内不同氮肥施用量小区的覆盖度进行方差分析，按方差分析结果对不同氮肥施用量的小区进行分组，将覆盖度不存在显著差异（试验小区间P＞0.1）的小区归为一组，选出覆盖度最大的一组中绿度最小的小区，并将其绿度和覆盖度作为临界绿度和临界覆盖度，用于临界氮稀释模型的建模数据。

（8）建模

重复步骤（7）的操作，对所有取样数据进行筛选，以覆盖度值为自变量，绿度值为因变量，用异速生长曲线函数（Y=aX^b）对选出的建模数据进行拟合，所得参数a=39.88和b=0.47即为粳稻的临界氮稀释模型参数，如图4所示。

实施例2

利用所建立临界氮稀释模型和待测水稻的冠层图像进行氮素营养诊断：

按以下步骤进行：

（1）冠层图像拍摄：

图像拍摄采用EOS 50D型数码相机，每个小区选择2块约1m²，且长势均匀的区域，相机固定于支架上垂直向下拍摄。相机距离冠层顶部高度固定为1m，相机采用光圈优先（AV）模式，光圈设置为3.5，ISO设置为100，曝光补偿为0，白平衡设置为4900K，闪光灯关闭，图像储存格式为Raw，分辨率为1500万像素。拍摄时间选择当地时间中午11:00-13:00之间，拍摄冠层图像时在相同视角下拍摄标准色卡和18%灰卡用于图像校正。

（2）从冠层图像中提取绿度和覆盖度：

RAW格式的图像通过18%灰卡和标准色卡校正色温和曝光度，并对图像进行镜头畸变校正，输出为jpg格式。使用中值滤波对jpg图像进行降噪处理，利用G-R阈值法分割冠层图像，并删除分割后图像中连通区域小于总像素数0.05%的区域。图像分割后水稻冠层部分占整幅图像的百分比即为水稻冠层覆盖度。将分割后的冠层图像转换为CIE L ^* a ^* b ^*颜色空间，从中提取颜色特征参数b ^*，并将冠层部分的所有像素值进行平均，作为水稻冠层的绿度值。

（3）将待测水稻的冠层覆盖度值代入临界氮稀释模型，计算其对应的绿度值。

（4）计算待测水稻冠层图像中提取的绿度值与利用模型计算的绿度值之间的比值，作为氮营养指数NNI，根据NNI判断待测水稻的氮素营养状态；水稻冠层绿度（特征参数b ^*）与作物叶片氮浓度和SPAD值成负线性相关，如图2、图3所示，因此：若NNI<1时，则判断待测作物处于氮素供应过量状态；若NNI=1时，则判断待测作物处于最佳氮素供应状态；若NNI>1时，则判断待测作物处于氮素亏缺状态。

实施例3

基于作物冠层图像中绿度和覆盖度信息的临界氮稀释模型的验证：

按以下步骤进行：

（1）利用建模数据以外的试验数据对所建立的临界氮稀释模型进行验证：通过方差分析把数据分为缺氮处理和氮素充足处理，如果一个处理的覆盖度比其紧邻的较高氮肥施用量的处理显著偏小（试验小区间P≤0.1），则视此处理为缺氮处理；如果一个处理的覆盖度与其紧邻的较低氮肥施用量的处理相比，覆盖度不存在显著差异（试验小区间P＞0.1），且方差分析（P≤0.1）显示该处理的覆盖度为所有处理中的最高值，则视此处理为足氮处理。

（2）将归类为缺氮处理和足氮处理的试验小区图像分别按实施2进行处理，并将其绘制在图5中，位于临界氮稀释曲线下方的点认定为足氮处理，位于临界氮稀释曲线上方的点认定为缺氮处理，将氮素营养诊断结果与先前的分类结果进行对比（足氮小组绘制为实心圆形，缺氮小组绘制为空心圆形），两个实心圆形位于临界氮稀释曲线上方（足氮小区被错误归类为缺氮小区），三个空心圆形位于临界氮稀释曲线下方（缺氮小区被错误归类为足氮小区），112个小区中5个小区被错误归类，整体氮素营养诊断的准确率为95.5%。

上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims

1.一种基于可见光图像融合值的作物氮素营养检测方法，其特征在于，包括如下步骤：

步骤A.针对分别对应预设不同氮素营养的各个作物种植区，基于实测作物冠层图像的绿度值和覆盖度值，构建以覆盖度值为变量，绿度值为因变量的临界氮稀释模型；同时，实测获得待测作物的作物叶片氮浓度或SPAD值；

步骤B.实测获得待测作物冠层图像的绿度值和覆盖度值，该绿度值作为待测作物冠层的绿度实测值；并根据该覆盖度值，通过临界氮稀释模型，计算获得绿度值，作为待测作物冠层的绿度计算值；

步骤C.获得待测作物冠层的绿度实测值与绿度计算值的比值，作为待测作物氮营养指数NNI；

步骤D.根据待测作物冠层绿度实测值与作物叶片氮浓度或SPAD值的关系，分情况针对待测作物氮营养指数NNI进行分析，获得待测作物氮营养状况；

其中，由作物冠层图像实测获得绿度值，包括如下步骤：

步骤X01.实测获得作物的作物叶片氮浓度或SPAD值，同时将作物冠层图像更新转换为预设指定颜色空间的作物冠层图像；

步骤X02.提取作物冠层图像中冠层各像素点的颜色基本值，并获得对应各通道颜色的平均值，进而获得各通道颜色平均值相互间的比值；

步骤X03.将作物冠层图像对应预设指定颜色空间各通道颜色平均值相互间的比值，以及作物冠层图像对应RGB颜色空间中各通道颜色的标准化值，构成作物冠层图像的多种颜色特征参数；

步骤X04.针对作物冠层图像的多种颜色特征参数，选择与作物叶片氮浓度或SPAD值呈线性关系的一种颜色特征参数，作为该作物冠层图像的绿度值。

2.根据权利要求1所述一种基于可见光图像融合值的作物氮素营养检测方法，其特征在于，所述步骤A，包括如下步骤：

步骤A01.针对分别对应预设至少4个不同氮素营养水平的作物种植区，按预设第一周期时长，在各个周期采集时刻，分别采集各个作物种植区中作物的冠层图像；

步骤A02.分别针对各周期采集时刻所采集到的各幅冠层图像，实测获得冠层图像中的绿度值和覆盖度值；

步骤A03.分别针对各个周期采集时刻，针对周期采集时刻内所采集各幅冠层图像的覆盖度值进行方差分析，并根据方差分析结果，将彼此覆盖度波动范围处于阈值内的各幅冠层图像划为一组，实现针对周期采集时刻内所采集各幅冠层图像的分组；

步骤A04.分别针对各个周期采集时刻，针对周期采集时刻内最大覆盖度划分所对应的冠层图像分组，选择该冠层图像分组内最小绿度值所对应的冠层图像，并将该冠层图像的绿度值和覆盖度值分别作为该周期采集时刻内临界绿度值和临界覆盖度值；

步骤A05.以临界覆盖度值为变量，临界绿度值为因变量，针对各个周期采集时刻分别所对应的临界绿度值和临界覆盖度值进行拟合，获得临界氮稀释模型。

3.根据权利要求2所述一种基于可见光图像融合值的作物氮素营养检测方法，其特征在于，所述步骤A05中，以临界覆盖度值为变量，临界绿度值为因变量，针对各个周期采集时刻分别所对应的临界绿度值和临界覆盖度值，采用异速生长曲线函数进行拟合，获得临界氮稀释模型。

4.根据权利要求1所述一种基于可见光图像融合值的作物氮素营养检测方法，其特征在于，所述步骤D包括如下步骤：

步骤D01.判断待测作物冠层绿度实测值与作物叶片氮浓度或SPAD值的关系，若待测作物绿度实测值变化与作物叶片氮浓度或SPAD值成正线性相关，则进入步骤D02；若待测作物绿度实测值变化与作物叶片氮浓度或SPAD值成负线性相关，则进入步骤D03；

步骤D02.若NNI>1时，则判断待测作物处于氮素供应过量状态；若NNI＝1时，则判断待测作物处于最佳氮素供应状态；若NNI<1时，则判断待测作物处于氮素亏缺状态；

步骤D03.若NNI<1时，则判断待测作物处于氮素供应过量状态；若NNI＝1时，则判断待测作物处于最佳氮素供应状态；若NNI>1时，则判断待测作物处于氮素亏缺状态。

5.根据权利要求 1所述一种基于可见光图像融合值的作物氮素营养检测方法，其特征在于，所述步骤X01中，将作物冠层图像更新转换为预设指定颜色空间的作物冠层图像，其中，预设指定颜色空间为CIE L^*a^*b^*、LUV、RGB或HSV中的任意一种。