1光譜技術(shù)在作物病害檢測(cè)中的研究及應(yīng)用

光譜技術(shù)可以獲得人眼不能感知的光波段信息，因此利用其良好的光學(xué)性能，可以大大提高作物樣本信息的采集量。在400-1100nm波長(zhǎng)范圍內(nèi)對(duì)被灰霉侵染的蠶豆葉片進(jìn)行研究，結(jié)果顯示其一階導(dǎo)數(shù)反射率可以用來(lái)監(jiān)測(cè)蠶豆病害感染情況。在可見(jiàn)光-近紅外中的四個(gè)不同波段對(duì)健康小麥和染病小麥的光譜反射率進(jìn)行研究，建立二次判別分類模型，使得分類錯(cuò)誤率從12％降至4％，從而實(shí)現(xiàn)小麥黃繡病的早期識(shí)別。

基于可見(jiàn)近紅外光譜技術(shù),分別使用二次判別分析法（QDA）和軟獨(dú)立建模分類法（SIMCA）對(duì)柑橘黃龍病進(jìn)行了識(shí)別，取得了較好的效果。應(yīng)用可見(jiàn)近紅外波段的光譜信息分別對(duì)茄子以及番茄葉片灰霉病進(jìn)行了早期診斷研究，采用主成分分析對(duì)光譜進(jìn)行降維，并通過(guò)將前8個(gè)主成分輸入BP神經(jīng)網(wǎng)絡(luò)建模實(shí)現(xiàn)葉片病害程度的檢測(cè)。利用短波紅外成像儀獲取小麥葉片的光譜圖像，研究發(fā)現(xiàn)1350-1600nm光譜范圍內(nèi)數(shù)據(jù)特征差異明顯，可以實(shí)現(xiàn)小麥赤霉病的檢測(cè)。采用CARS提取感染灰霉病花椰菜的近紅外光譜特征，并基于PLSR算法建立最小判別模型實(shí)現(xiàn)花椰菜是否染病的早期檢測(cè)。2高光譜技術(shù)在作物病害檢測(cè)中的研究及應(yīng)用

高光譜成像技術(shù)融合了圖像處理技術(shù)和光譜技術(shù)的優(yōu)點(diǎn)，獲取的高光譜圖像具有“圖譜合一”的特點(diǎn)，已經(jīng)廣泛應(yīng)用于農(nóng)產(chǎn)品品質(zhì)與安全的快速無(wú)損檢測(cè)中。將高光譜反射圖像、多光譜熒光成像進(jìn)行數(shù)據(jù)融合，實(shí)現(xiàn)了冬小麥條銹病的診斷，識(shí)別率達(dá)到94.5%。

采集侵染不同病害的甜菜高光譜數(shù)據(jù)，并基于支持向量機(jī)模型，實(shí)現(xiàn)不同病害的早期檢測(cè)與分類。對(duì)受晚疫病脅迫下的馬鈴薯葉片進(jìn)行高光譜分級(jí)研究，結(jié)果顯示經(jīng)光譜變換預(yù)處理后，建立的LS-SVM模型效果較好，預(yù)測(cè)識(shí)別均達(dá)到94.87%。高光譜成像技術(shù)是基于非常多窄波段的影像數(shù)據(jù)技術(shù)，獲得的數(shù)據(jù)相比多光譜分辨率更高，波段數(shù)更豐富，這給深度學(xué)習(xí)在作物病害檢測(cè)方面的應(yīng)用帶來(lái)可能。利用高光譜成像儀采集TMV感染后2、4和6d的煙草葉片以及相應(yīng)時(shí)間點(diǎn)的健康葉片圖像，結(jié)合變量選擇方法和機(jī)器學(xué)習(xí)分類方法，采用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行建模，對(duì)煙草病癥進(jìn)行早期檢測(cè)，最終選擇識(shí)別精度高達(dá)95%。

采用便攜式戶外高光譜成像儀在田間采集穗株高光譜圖像，利用GoogleLeNet卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行建模，采用隨機(jī)梯度下降法和隨機(jī)平移平均光譜圖像亮度增加訓(xùn)練精度，使得水稻穗瘟病害預(yù)測(cè)準(zhǔn)確率可以達(dá)到92.0%。以柑橘正常葉片、潰瘍病葉片、紅蜘蛛葉片、煤煙病葉片、除草劑（草甘磷）葉片為研究對(duì)象，利用高光譜成像技術(shù)提取450-900nm下的81個(gè)波段作為模型輸入數(shù)據(jù)，建立基于CNN的柑橘病葉分類模型，在訓(xùn)練1000次以上，模型的準(zhǔn)確率為98.75%。

建立基于高光譜的卷積神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)了對(duì)大豆花葉病害初期的快速檢測(cè)，可以實(shí)現(xiàn)健康葉片、接種SC3病毒的花葉病葉片、接種SC7病毒的花葉病葉片有效識(shí)別。

3總結(jié)

綜上所述，目前應(yīng)用光譜成像技術(shù)和機(jī)器學(xué)習(xí)技術(shù)實(shí)現(xiàn)作物病害檢測(cè)的研究已經(jīng)很多，主要集中于水稻、小麥等糧食作物以及大豆、黃瓜、馬鈴薯、煙草、柑橘等經(jīng)濟(jì)作物。但還存在如下問(wèn)題：①大部分研究基于實(shí)驗(yàn)室數(shù)據(jù)階段，而針對(duì)大田或?qū)嶋H生長(zhǎng)環(huán)境的作物病害檢測(cè)比較少；②國(guó)內(nèi)外學(xué)者對(duì)病害檢測(cè)識(shí)別模型或算法研究的較深，但對(duì)病害早期檢測(cè)預(yù)防研究較少；③國(guó)內(nèi)基于光譜和圖像處理的便攜式病害檢測(cè)裝置研究還很少，有待進(jìn)一步研究開(kāi)發(fā)。

萊森光學(xué)（深圳）有限公司是一家提供光機(jī)電一體化集成解決方案的高科技公司，我們專注于光譜傳感和光電應(yīng)用系統(tǒng)的研發(fā)、生產(chǎn)和銷售。

審核編輯 黃昊宇