病害作为影响农作物生长的主要因素之一, 平均每年造成农作物产量损失高达12%以上。 病害不仅直接导致农作物产量减少, 而且也严重降低了农产品的品质, 甚至引发食品安全事故。 光谱成像作为一种融合图像处理和光谱学的信息获取技术, 能同时获取目标的图像信息和光谱信息, 从而更直观表达目标的特征。 光谱成像技术可以获得图像上每个点的光谱数据, 从而实现对作物病害的颜色、 形状和纹理特征及光谱特征的分析, 具有快速、 直观和无损等特点, 近些年在作物病害检测领域的应用取得了较大研究进展。 综述了近六年来国内外关于光谱成像技术在作物病害检测领域应用的相关文献, 分析了光谱成像技术的优势和局限性, 重点阐述了光谱成像作物病害检测中关键的第三个技术： (1）光谱图像分割技术, 重点分析了四种常见分割算法的优点和适用范围； (2）光谱特征和空间特征提取技术, 重点对比了空间特征、 光谱特征和二者加权组合对病害信息表达的准确性； (3）检测模型, 重点介绍了光谱植被指数和机器学习模型在作物病害检测中的稳定性和前景。 最后, 根据上述分析展望了光谱成像技术在作物病害检测领域中应用的研究趋势, 为相关研究提供全面且系统的参考。

黄瓜白粉病是黄瓜病害中爆发频率较高的一种, 传播速度极快, 常常导致产量降低, 无法获得预期的经济效益。 特别是在病害爆发严重的年份, 黄瓜减产量高达20%。 提出了一种基于可见光谱图像联合区间的偏最小二乘回归判别模型(SI-PLSR), 用于黄瓜白粉病无损检测。 采用Canon EOS 800D和Ocean Optics USB2000+光纤光谱仪采集了200个黄瓜白粉病感病叶片的可见光谱图像和反射率曲线。 首先, 采用基于小波降噪和H分割的分水岭分割算法从实时采集的黄瓜白粉病感病叶片可见光谱图像中提取目标叶片; 其次, 通过高斯拟合优化的Otsu算法分割目标叶片的可见光谱图像, 获取白粉病病斑; 然后, 对350~1 100 nm全波段光谱反射率曲线建立偏最小二乘回归模型并计算交叉验证均方根误差RMSECV, 同时将全波段等分为20个子区间, 分别建立偏最小二乘回归模型, 选取RMSECV小于全波段反射率曲线建模RMSECV的子区间组成联合区间; 最后, 将光谱联合区间与白粉病病斑分割结果融合建立SI-PLSR模型。 从实验结果可知, 感病目标叶片的提取成功率高达94.00%, 200幅感病叶片可见光谱图像中成功提取188幅, 其中157幅目标叶片的完整性参数高于95%, 31幅目标叶片完整性参数在90%~95%之间。 188幅目标叶片的病斑分割结果显示, 平均错分率为5.81%, 其中平均False negative为1.55%, 平均False positive为4.26%。 对20个子区间分别建立偏最小二乘回归模型发现, 第5, 6, 7, 11, 12, 13和19子区间的RMSECV值小于全波段光谱反射率曲线建模的RMSECV值, 说明这7个子区间的光谱信息对白粉病的判别有较大的贡献, 这与呈现波峰的470~520, 530~580和700~780 nm波段相对应, 因此选取这7个子区间的光谱反射率曲线建立联合区间。 对联合区间建立SI-PLSR模型, 其主成分数为7, 校正集和验证集的相关系数和标准误差分别是0.975 2, 0.907 3和0.919 5, 1.091。 与全波段PLSR模型相比, SI-PLSR的相关系数更接近于1, 且标准误差更小。 结果表明, 所提出的SI-PLSR模型有效去除了可见光谱数据中冗余信息, 加强了模型的稳定性, 可以实现对黄瓜白粉病的快速无损准确识别, 为黄瓜病害诊断提供了方法和参考依据。