黄龙病是柑桔果树的毁灭性病害, 对柑桔产业危害巨大。 基于模型平均理论, 探讨联用可见与近红外光谱技术, 提高柑桔黄龙病快速无损检测精度的可行性。 采集记录柑桔叶片的可见与近红外光谱, 经实时荧光定量PCR鉴别黄龙病叶片为轻度、 中度和重度三类, 缺素和正常样品也经PCR鉴定, 共五类叶片。 基于光谱直接拼接、 光谱归一化拼接和模型平均三种不同策略, 结合偏最小二乘判别分析(PLS-DA)和多元线性回归(MLR)方法, 分别建立了柑桔黄龙病可见与近红外光谱联用无损检测模型。 经比较发现, 光谱联用模型的检测精度均高于可见或近红外单一检测模型, 且经导数处理后的光谱直接拼接PLS-DA模型检测精度最高, 模型预测相关系数为097, 预测均方根误差为067, 模型总误判率为3%, 其原因是导数消除了光谱的基线漂移。 光谱归一化拼接的PLS-DA模型检测精度次之, 模型总误判率为7%。 可见与近红外模型平均的检测精度最低, 模型总误判率为72%。 实验结果表明, 联用可见与近红外光谱, 结合光谱拼接方法, 提高了柑桔黄龙病无损检测模型的检测精度, 研究可为其他领域的光谱联用提供参考依据。

柑橘黄龙病的传统诊断方法主要依赖于人眼经验及生化技术，前者凭经验，诊断快，但准确性低; 后者准确性高，但效率低和成本高.本文采用高光谱成像技术，获取5种症状柑橘叶片的高光谱图像，采用基于主成分分析和BP神经网络相结合的方法，对370～988 nm波段范围内的柑橘叶片高光谱图像进行了病状的无损检测. 研究结果表明，柑橘叶片的高光谱图像存在很大冗余，前四个主成分累积方差贡献率达到97.42%. 数据建模分类得表明: BP神经网络的分类准确率达85%以上，经主成分后再利用BP神经网络的分类准确率绝大部分达到90%以上.因此，利用高光谱成像技术进行柑橘黄龙病的早期诊断具有较高的可行性.