—
c₁ 几何合理性
测量工作台
上传叶片照片
将手机照片拖入此处，或点击选择文件。
要求：方格纸背景 + 1 角硬币与叶片同框、垂直俯拍。
要求：方格纸背景 + 1 角硬币与叶片同框、垂直俯拍。
标定参数
mm
mm
2 %
10 %
硬币版本对照：1 角 = 19.0 mm、5 角 = 20.5 mm、1 元 = 25.0 mm。更换硬币时请同步修改直径。
测量结果
—cm²
叶面积（mm²）—
比例尺 px/mm—
叶片像素数—
硬币直径（Otsu 口径）—
硬币直径（Hough 口径）—
双参考漂移 Δ—
推理耗时—
置信度 C = 0.4·c₁ + 0.4·c₂ + 0.2·c₃—
门限 0.6
—
c₂ 特征可分性
—
c₃ 标定一致性
等待上传照片。
照片将显示在这里。上传后自动完成标定、分割与面积计算。
核心算法 · 五步流水线▸
页面内置的测量引擎为项目核心算法 leaf_measure.py 的浏览器端纯 JS 移植（不依赖 OpenCV / 深度学习权重），对上传照片依次执行：
①
冗余标定自检
Hough 圆检测硬币并做灰度剖面亚像素精修，硬币局部 Otsu 面积等效直径得比例尺 sc；四角自相关测方格周期得 sg。Δ = |sc−sg|/sc，越 2% 告警、以硬币为准。
s = Dc / 19.0 mm→
②
Lab 色度空间分割
RGB → Lab，取 a* 通道（红—绿色度轴，与光照强度解耦）高斯模糊后 Otsu 自动阈值；左右采样区比较自动判定前景极性。
a* 通道 Otsu→
③
色度—亮度解耦剔除
对粗分前景，若像素「a* 接近背景（±2σa）∧ L* 落入背景亮度带 [P55−8, P95+8]」，判为背景投射阴影的误分并剔除；阴影下的叶片本体（a* 属叶片）完整保留。
|a*−μa| < 2σa ∧ L* ∈ 背景带→
④
后处理与面积
排除硬币与图像边缘后，7×7 椭圆结构元开/闭运算去噪填缝，取最大连通域为叶片掩膜，像素计数 N 按 A = N·s⁻² 换算物理面积。
A = N / s²→
⑤
无参考置信度
三因子加权输出 C，低于门限 0.6 触发「人工复核」标记，防止静默错误写入生长档案。
C = 0.4c₁+0.4c₂+0.2c₃测量学基础 · 误差模型与设计命题▸
A = N·s⁻²式(1) 面积模型
(σA/A)² = (σN/N)² + 4·(σs/s)²式(2) 误差传播 · 标定误差被放大 2 倍
sc = k(1+εc)，sg = k(1+εg) ⇒ Δ = |sc−sg|/sc ≈ |εc−εg|式(3)(4) 冗余标定的可观测量
a*(ρ) ≈ ρ1/3·a*(1)式(7) 色度—亮度近似正交
命题 1单参考标定的不可自证性
设参考物标称尺度 s₀、真实尺度 s₀(1+ε)，成像比例因子 k。单参考下仅能观测 s = k(1+ε)，ε 与 k 完全耦合、不可辨识，测量结果携带 (1+ε)⁻² 量级系统偏差，且在任何自洽性检验中均不显现。
命题 2冗余标定的可观测性
引入工艺异质的第二参考（铸造硬币 vs 印刷方格纸），两参考共享同一 k，比例尺之比消去 k，得到可观测量 Δ ≈ |εc−εg|。当 |εc|≪|εg| 时，Δ 即方格纸印刷漂移的可观测代理量——不可观测系统误差转化为可观测诊断量。
命题 3色度—亮度近似正交性
光照变化在 Lab 空间近似乘性缩放（Lambertian 假设），a* 仅以 ρ1/3 缓变、L* 对 ρ 单调强敏感：光照扰动主要投影于 L* 轴。因此「a* 承载材料属性、L* 承载光照属性」两自由度近似正交，构成阴影剔除的机理依据。
式(10)判据的定量失效条件
阴影中仍可分的条件为 |a*leaf| > ρ−1/3·k₁·σa。以典型投射阴影 ρ≈0.3、k₁=2 代入约 3.0σa：低反射率深褐叶在深阴影下会过度剔除——实验中唯一分割失效样本与该预测一致，构成可证伪边界。
无参考置信度评分▸
c₁ 几何合理性（降半梯形）
叶面积落在生理合理区间 [2, 200] cm²，以区间中心 101 cm² 为满分、边界为 0 的降半梯形隶属，反映分割是否严重偏离预期尺度。
c₂ 特征可分性（类间方差占比）
a* 通道前景/背景类间方差占比 η² = SSb/SSt，天然归一化到 [0,1]，直接刻画命题 3 中两自由度是否可分，是式(10) 失效的前置预警。
c₃ 标定一致性
c₃ = max(0, 1 − Δ/Δmax)，Δmax = 10%，反映本帧双参考标定的可靠程度。
加权融合与告警
C = 0.4·c₁ + 0.4·c₂ + 0.2·c₃，权重由 n=14 真值样本多元回归标准化系数归一化确定；告警门限 C < 0.6（检出—误报权衡待 n=40 真值扩样后重标定）。155 帧复算：C 均值 0.609、中位 0.623、P5 0.488、P95 0.690，C<0.6 占 35.5%。
算法参数设置▸
| 类别 | 项目 | 设置 |
|---|---|---|
| 采集 | 设备 / 镜头 | iPhone 13 主摄，等效 26 mm，f/1.6 |
| 距离 / 曝光 | 23.5 cm，ISO 200，1/60 s | |
| 分辨率 / 格式 | 原始 4032×3024，中心裁剪后 3024×2525，JPEG | |
| 参照物 | 硬币 | 1 角硬币（法定直径 19.0 mm） |
| 方格纸 | A4 方格坐标纸，标称格宽 5 mm | |
| 分割 | 特征通道 | Lab a* 通道 Otsu 阈值，方向自动判定 |
| 阴影判据 | k₁ = 2σa；L* 带 [P55−8, P95+8]（本文实现口径） | |
| 形态学 | 7×7 椭圆结构元开 / 闭运算 | |
| 标定 | 硬币口径 | Otsu 面积等效直径 Dc = 2√(Ac/π)，Hough 仅作初始定位 |
| 一致性门限 | τ = 2%（双参考一致性告警，不拒收） | |
| 置信度 | 权重 / 门限 | w = (0.4, 0.4, 0.2)；告警门限 C < 0.6；Δmax = 10% |
| 计算 | 运行环境 | Windows 10；Intel i5-12490F；Python 3.14.7；OpenCV 5.0.0；NumPy 2.5.3；16 GB RAM；全程 CPU |
表中参数与论文表 4 一致；浏览器端实现按工作尺度（最长边 ≤ 1400 px）自适应等效参数。
实验验证 · 155 张红叶石楠实拍▸
| 方法 | 成功率 | 均值 cm² | 中位 cm² | CV % | 耗时 s |
|---|---|---|---|---|---|
| B1 Otsu 灰度 | 29/155 (18.7%) | 26.84 | 26.20 | 29.5 | 0.16 |
| B2 自动 GrabCut | 29/155 (18.7%) | 51.70 | 46.39 | 39.2 | 20.12 |
| Ours 本文方法 | 155/155 (100%) | 21.64 | 20.81 | 34.6 | 0.40 |
表 1 · 三种方法整体性能对比。注：B1/B2 的面积统计仅在其各自成功分割的 n=29 子集上计算，存在选择偏倚，与 Ours 的 155 张全样本不可直接比较；成功率 95% Wilson 置信区间：B1/B2 13.4%–25.6%，Ours 97.6%–100%。
成功率与单张推理耗时
成功率：B1/B2 在 81.3% 图像上分割失败（灰度对红/褐/白斑叶对比度不足）；Ours 有效输出率 100%。耗时按线性比例绘制（短条为最小可见高度）：B2 的 20.12 s 较 Ours 慢约 50 倍，不具备线上可行性。
消融实验 · 跨图变异系数 CV
两个创新点作用于误差结构的不同分量：冗余标定自检压缩系统偏差（A1 均值 +2.0%，CV 基本不变 34.4%）；色度—亮度解耦压缩跨图方差（A2 去除后 CV 由 34.6% 激增至 102.1%，均值仅偏移 +8.6%）。两者不可相互替代。
双参考漂移 Δ 的收敛
标定口径由 Hough 直径修正为 Otsu 面积等效直径后，Δ 均值 5.45% → 1.44%、中位 4.36% → 0.67%，Δ>2.5% 帧占比 82.6% → 19.4%；硬币直径跨图 CV 2.32%。冗余自检检出并驱动修正了旧口径下的系统漂移。
| 指标 | 值 |
|---|---|
| 标注图数 | 15（有效 14） |
| R²（n=14） | 0.9917 |
| CCC（n=14） | 0.991 |
| MAPE（n=14） | 3.93% |
| RMSE（n=14） | 1.77 cm² |
| 平均偏差（n=14） | −1.08 cm²（−4.3%） |
| 平均偏差（含失效样本，n=15） | −3.13 cm² |
| CCC（含失效样本，n=15） | 0.807 |
| 95% 一致性界限（n=14） | [−3.93, +1.77] cm² |
| 95% 一致性界限（含失效样本，n=15） | [−18.95, +12.69] cm² |
表 2 · 人工真值验证（15 张人工多边形轮廓，剔除 1 张分割失效样本后 n=14）。单一异常样本使一致性界限宽度扩大约 5.6 倍——失效检测机制对结论稳健性的贡献不低于分割精度本身。
| 变体 | 均值 cm² | CV % | 相对偏差 |
|---|---|---|---|
| A0 完整方法 | 21.64 | 34.6 | — |
| A1 无冗余标定（仅方格纸） | 22.07 | 34.4 | +2.0% |
| A2 无色度—亮度解耦 | 23.51 | 102.1 | +8.6% |
表 3 · 消融实验。A1 对应式(2) 中 σs/s 项、A2 对应 σN/N 项，两项设计须同时实施。
标定稳定性：硬币直径跨图 CV = 2.32%（面积随机分量约 4.6%）；修正口径后 Δ 均值 1.44%、中位 0.67%、四分位 [0.23, 1.71]%、最大 7.95%；τ=2% 下 120/155 帧（77.4%）通过；Otsu/Hough 直径中位比 1.05。
拍摄规程 · 保证测量有效的现场要求▸
1
布置场景
A4 方格坐标纸平铺，叶片去梗压平置于中央，1 角硬币放叶片左侧同框。
2
垂直俯拍
手机镜头平面平行纸面，物距约 23.5 cm，整幅画面清晰对焦。
3
自然光照
直射光或树荫散射光均可；避免强逆光、镜面反光与拍摄者阴影落入画面。
4
取景构图
叶片占画面主体，硬币完整可见（直径约占图宽 3%–5%），四周保留方格纸空白。
5
上传测量
JPG/PNG 照片上传本页，自动完成标定、分割、阴影剔除与面积计算（约 1–2 s）。
6
结果复核
查看掩膜叠加是否贴合叶缘、置信度是否 ≥0.6；低置信度结果人工复核后再记录。
若提示「未检出硬币」：请确认硬币与叶片同框、硬币清晰完整、直径约占图宽 3%–5%，并检查「标定参数」中的硬币直径是否与所用币种一致（1 角 19.0 / 5 角 20.5 / 1 元 25.0 mm）。
部署说明与数据溯源▸
部署形态
本页面为单文件纯前端实现：无后端服务、无外部 CDN、无深度学习权重，浏览器直接打开即可运行，也可置于任意静态服务器（Nginx / OSS / GitHub Pages）。核心算法为 leaf_measure.py 的浏览器端 JS 移植，已在 7 张实拍图上与 Python 参考实现交叉验证（面积偏差 ≤ 1.4%、置信度偏差 ≤ 0.02）。
数据与结论来源
实验数据：155 张红叶石楠（Photinia×fraseri）实拍，2026-03 摄于云南师范大学校园，iPhone 13 垂直俯拍。性能与精度结论引自论文《基于色度—亮度解耦分割与冗余标定自检的叶面积测量方法》（建议投稿版）：有效输出率 100%、MAPE 3.93%、CCC 0.991、单张 CPU 0.40 s。
已知局限
① 仅验证单一物种（红叶石楠）单物候期；② 深度阴影 + 低色度叶片的失效边界由式(10) 定量给出；③ 置信度告警门限与权重待 n=40 真值扩样后重标定；④ 与专业叶面积仪（LI-3100 等）的直接比对尚待开展。
核心启示
在低成本表型测量中，误差来源的「可观测性」比误差的「大小」更值得设计：一枚硬币的冗余成本，把不可观测的标定偏差转化为可观测、可告警的诊断量。
