利用Spectrocam多光谱相机获取C-88马铃薯健康叶片和患晚疫病叶片的可见光及近红外通道的多光谱图像。综合考虑多光谱图像各通道间的相关性及其信息量,采用波段指数法选取两种叶片的特征波段,并通过欧氏距离聚类方法对所提取的特征波段进行分类。实验结果表明,用波段指数法提取多光谱图像的特征波段,能快速获得马铃薯叶片的信息,475 nm、558 nm、717 nm、750 nm、850 nm作为马铃薯健康叶片的特征波段,马铃薯患晚疫病叶片的特征波段是509 nm、620 nm、717 nm、750 nm和832 nm。采用欧氏距离法对健康和患病叶片进行识别,其识别率分别可达92.6%和92.8%。因此利用多光谱成像技术可以进行马铃薯病害的快速、准确识别,为实现马铃薯病害的田间实时在线监测提供了参考。

鉴于晚疫病可对马铃薯造成毁灭性灾害, 对受晚疫病胁迫的马铃薯叶片进行了高光谱图像特征研究。 旨在探索马铃薯叶片的高光谱图象特征与晚疫病害程度的关联, 以实现准确、 快速、 无损的晚疫病诊断。 采用60片马铃薯叶片, 对其中48片采用离体方式接种晚疫病菌, 所剩12片作为对照, 染病前后连续观测7天, 得到染病和健康样本。 健康和染病样本按照染病时间和染病程度不同采用374～1　018 nm波段范围的可成像高光谱仪分别采样, 基于ENVI软件处理平台提取图像中感兴趣区的光谱信息, 并采用移动平均平滑、 导数处理、 光谱变换、 基线变换等预处理方法提高信噪比, 建立了最小二乘支持向量机（LS-SVM）的识别模型。 9个模型中, 基于原始光谱(不预处理)和光谱变换预处理后的数据所建立的模型预测效果最好, 识别率均达到了94.87%。 表明基于高光谱成像技术可以实现晚疫病胁迫下马铃薯病害程度的有效区分。