基于视觉的光学三维重建技术得益于对场景干预少、获取信息丰富等优点，在探测范围有限、非接触的场合得到了广泛应用。首先，主要介绍了基于主动视觉下的结构光法、莫尔法、飞行时间法、激光扫描法和基于被动视觉下的立体视觉法、运动恢复结构法，并分析了这些技术的优缺点；其次，总结并讨论了光学三维重建技术在农作物信息感知研究中的应用现状；最后，对光学三维重建的未来研究进行了展望。

太赫兹时域光谱技术（THz-TDS）是近几年迅速发展起来的新兴检测技术,具有超强的透视性、强大的安全性以及高效的波谱分辨能力,在农业、化工、制药等检测领域得到了广泛应用。本文针对近年来太赫兹光谱技术在伪劣农产品检测、农药残留检测、违禁添加剂检测、转基因农作物鉴别、农产品含水量检测方面的国内外研究现状进行了介绍,总结了太赫兹光谱技术在农产品检测方面存在的主要技术难题,并对太赫兹光谱技术未来的发展前景进行了展望。随着科技的发展,太赫兹光谱检测技术必将具有更大的应用潜力。

我国农田重金属污染形势不容乐观。 土壤中的重金属被作物根系吸收后会影响作物正常的生长发育, 降低农产品质量, 进而通过食物链进入人体, 危害人体健康。 高光谱遥感为实时动态高效监测作物重金属污染提供了可能。 设置不同浓度Cu2+胁迫梯度的玉米盆栽实验, 并采集苗期、 拔节期和穗期玉米老、 中、 新叶片光谱数据, 测定不同生长时期叶片叶绿素含量、 叶片Cu2+含量。 基于所获取的光谱数据、 叶绿素含量和叶片Cu2+含量, 结合相关分析法、 最佳指数法（OIF）和偏最小二乘法（PLS）构建OIF-PLS法提取含有Cu2+污染信息的特征波段。 首先依据苗期、 拔节期和穗期叶片叶绿素含量及穗期叶片Cu2+含量与相应叶片光谱的相关系数初步筛选特征波段； 然后, 从中选取三个波段计算最佳指数因子, 并以该三个波段为自变量, 对玉米叶片Cu2+含量进行偏最小二乘回归分析, 计算均方根误差； 最后根据最佳指数因子最大、 均方根误差最小的原则选取最佳特征波段。 基于OIF-PLS法所选取的特征波段构造植被指数OIFPLSI监测重金属铜污染, 并与常规的红边归一化植被指数（NDVI705）、 改进红边比值植被指数（mSR705）、 红边植被胁迫指数（RVSI）和光化学指数（PRI）监测结果做比较, 验证OIFPLSI的有效性和优越性。 另外利用在相同的实验方法下获取的不同年份的数据对OIFPLSI进行检验, 验证OIFPLSI的适用性和稳定性。 实验结果表明, 基于OIF-PLS法提取的特征波段（542, 701和712 nm）比基于OIF法提取的特征波段（602, 711和712 nm）能更好地反映Cu2+污染信息； 植被指数OIFPLSI与叶片Cu2+含量显著正相关, 相关性优于NDVI705, mSR705, RVSI和PRI； OIFPLSI与叶片叶绿素含量显著负相关, 与土壤中Cu2+含量显著正相关； 不同生长时期OIFPLSI与土壤中Cu2+含量的相关性高低依次为拔节期、 穗期、 苗期。 基于不同年份数据验证结果表明, OIFPLSI与叶片Cu2+含量显著正相关, OIFPLSI具有较强的稳定性。 基于OIF-PLS法所提取的特征波段构建的OIFPLSI能够较好地诊断分析玉米叶片铜污染水平, 可为作物重金属污染监测提供一定的技术参考。

农作物病害严重影响了我国正常的农业生产, 现代农业迫切需要快速、 准确、 高效的作物病害诊断方法。 首先简单介绍了常用病害检测技术, 如: 聚合酶链式反应技术、 人工感官判定技术、 统计学方法等, 这些方法或是比较费时、 或是只能用于产生明显病斑后的病害诊断, 而光谱技术在植物病害的快速检测方面有一定的潜力, 目前已有大量的研究成果。 主要围绕可见/近红外光谱图像在病害检测的应用展开分析和讨论, 讨论了该技术所涉及的仪器, 并从细胞、 植物组织、 冠层及更大尺度层面分析了该技术在病害检测中的现况。 目前大部分与植物病害有关的可见/近红外光谱研究都以植物叶片为对象, 而在更小尺度（细胞至显微尺度）和更大尺度（冠层至航空/航天遥感方面）上的研究较少, 特别是单细胞级别的病害研究, 只在动物细胞领域展开, 而且以荧光、 拉曼、 红外光谱为主。 可见/近红外在以植物叶片为主要研究对象的器官尺度上有大量的成功应用, 目前的研究已涉及了大部分的常见作物及其主要病害, 包括真菌性、 细菌性等各种病原引起的病害的检测。 植物叶片尺度的研究主要从以下三个方面展开: (1）基于计算机图像处理和模式识别的病害信息自动快速判断; (2）基于化学计量学方法的高光谱或高光谱图像病害程度模型; (3）建立与作物病害有关的叶片某些理化参数的光谱模型, 从而量化病害的程度。 在植物叶片这一尺度相关研究的主要问题是: 研究过于碎片化, 往往只研究了某一种或少数几种病害, 所建的模型只能用于特定实验条件, 无法直接自动判断任意田间样本的染病种类与程度。 在近地冠层尺度, 植株的三维形态对光谱模型有较大的干扰, 有文献表明以植株近地冠层2D图像作为病害检测数据, 偏差较大, 所建模型不稳定, 基于卫星影像的病害模型较少。 还讨论了常用光谱及光谱图像建模与分类方法。 目前可见/近红外光谱在农作物病害方面有一定的应用潜力, 但存在研究内容的不平衡、 研究系统性不够、 各学科合作研究不够深入等几大问题。 最后提出可见/近红外光谱在病害检测领域中应更注重多学科的深入合作, 并急需相关的仪器设备、 方法模型方面的突破。

在农作物生产中, 不合理使用化学农药来防治植物病害的现象普遍存在, 严重影响产品品质及食用安全, 快速鉴别植物病害并采取合理的防治措施对提高农作物品质具有重要意义。 利用红外光谱三级鉴别法(傅里叶变换红外光谱(FTIR) 、 二阶导数红外光谱(SD-IR) 及二维相关红外光谱(2D-IR) ) 对蚕豆、 玉米、 葱和蒜正常叶、 锈病叶病斑处及病斑附近绿色部位进行了研究。 结果显示, 正常叶、 病斑附近绿色部位及锈病叶病斑处的光谱吸收峰强度和形状存在微小差异。 原始光谱中正常叶、 病斑附近绿色部位及锈病叶病斑处的几个吸收强度比存在差异, 蚕豆的正常叶、 病斑附近绿色部位及锈病叶病斑处的吸收强度比A1 410/A1 646分别为0.698, 0.624和0.616, A2 926/A1 646相应比值分别为0.665, 0.638和0.552; 玉米的相应比值A1 649/A1 055分别为0.813, 0.696, 0.691, A1 382/A1 055相应比值分别为0.552, 0.478和0.465, A2 926/A1 055相应比值分别为0.574, 0.467和0.469; 葱的相应比值A1 382/A1 061分别为0.843, 0.821和0.704, A2 923/A1 061相应比值分别为0.707, 0.680和0.489; 以上锈病叶病斑处及病斑附近绿色部位的几个峰强比均比正常叶小。 二阶导数红外光谱在1 800～800 cm-1范围内, 正常叶、 病斑附近绿色部位及锈病叶病斑处的吸收峰的形状及强度显示明显差异。 二维相关红外光谱显示, 正常叶、 锈病叶病斑处及病斑附近绿色部位在860～1 690 cm-1范围内自动峰和交叉峰的位置、 数目及强度存在显著差异。 蚕豆正常叶出现4个强自动峰, 2组强的正交叉峰; 病斑附近绿色部位出现5个强自动峰, 4组强正交叉峰; 锈病叶病斑处出现2个最强自动峰和5个中强自动峰, 5组强正交叉峰; 蚕豆锈病叶病斑处自动峰强度最强, 而正常叶的各个自动峰的强度最低。 玉米正常叶出现9个强自动峰, 12组强的正交叉峰; 病斑附近绿色部位出现11个强自动峰, 3组最强的正交叉峰和11组中强正交叉峰; 锈病叶病斑处出现6个强自动峰, 3组强正交叉峰; 蒜正常叶出现9个强自动峰, 8组强的正交叉峰; 病斑附近绿色部位出现2个最强自动峰和9个次强自动峰, 10组强正交叉峰; 锈病叶病斑处出现6个强自动峰, 1组强正交叉峰; 玉米和蒜病斑附近绿色部位的各个自动峰的强度最强, 而锈病叶病斑处自动峰和交叉峰强度最弱。 葱正常叶出现9个强自动峰, 5组强的正交叉峰; 病斑附近绿色部位出现8个强自动峰, 3组强正交叉峰; 锈病叶病斑处出现3个强自动峰, 无正交叉峰出现。 葱正常叶的各个自动峰的强度最强, 而锈病叶病斑处自动峰强度最弱。 结果表明, 利用傅里叶变换红外光谱结合二阶导数红外光谱及二维相关红外光谱能简单、 快速地鉴别研究农作物锈病叶, 有望为农作物病害提供一种光谱检测方法。

当前, 基于机器学习方法开展农作物分类研究, 对于确保干旱区粮食安全和生态安全有着极为重要的现实意义。 基于机器学习方法, 采用时间序列Sentinel 2A遥感数据提取农作物分类信息, 通过引入地块基元和红边特征, 探讨了不同分类特征组合对机器学习分类精度的影响。 结果表明: 随机森林分类器可以有效集成光谱和植被指数等多维向量的优势, 将其应用于干旱区典型农作物分类上的精度均在89%以上, 分类组总体精度最高可达94.02%。 地块基元点集支持下的分类特征提取方法能够提高机器学习效率和农作物分类精度, 使光谱组及指数组的分类精度分别提高3.13%和4.07%, 并能有效解决“椒盐”效应及耕地边缘廓线模糊等问题。 红边光谱和红边指数的引入分别使随机森林分类器总体精度提高2.39 %和1.63%, 并使春、 冬小麦的识别能力显著提高, 表明红边特征能够帮助分类器更敏感地捕捉不同作物特有的生长特性及物候差异。 该研究结果可为机器学习方法及Sentinel 2A卫星在干旱区农业遥感的应用提供参考。

农作物病害是制约产量的重要因素之一, 目前农作物病害的早期监测主要依靠植保人员田间取样判断危害等级的传统方式, 存在主观性强、效率低、滞后性等弊端, 也有些病害采用提前施药来进行预防, 但此方法有农药过量的风险, 从而影响到水稻生长的生态环境。 近年来随着信息技术的快速发展, 高光谱技术以数据量丰富、 灵敏、 可靠的特点迅速应用于农业生产中, 成为主要检测农作物病害的有效技术手段之一。 文章阐述了植物在病害胁迫下光谱响应机制, 从粮食作物、 经济作物、 蔬菜作物、 果类和其他农作物五个方面梳理和总结了近七年国内外高光谱技术在农作物病害的研究进展, 在此基础上提出目前该技术在农作物监测应用领域的不足以及对未来的展望。 为农作物的病害监测提供参考。