油茶（Camellia oleifera）炭疽病是油茶产业普遍发生的一种破坏性极强的病害， 严重制约了油茶产业的发展， 油茶患炭疽病初期只需及时修除树上的患病部位， 随着病情的加重需铲除患病枝干， 患病严重的病株要及时砍伐。 针对目前检测油茶炭疽病等级的实验复杂、 判定精度不高等问题， 提出采用激光诱导击穿光谱（LIBS）结合傅里叶变换近红外光谱检测油茶叶片炭疽病等级判定的方法， 以实现油茶炭疽病等级的快速、 高效和高精度判定。 健康和感染不同程度炭疽病油茶叶片的LIBS光谱中Fe、 Ca、 Mn、 CaⅡ等元素健康油茶叶片与患病油茶叶片存在显著差异， 且随着患病程度的增加元素的特征峰强度逐渐降低， 主要原因是这几类元素都是油茶生长所必需的元素; 健康油茶叶片与患不同程度炭疽病油茶叶片的傅里叶变换近红外光谱的吸光度也存在差异， 随着油茶叶片炭疽病等级的加重傅里叶变换近红外光谱的吸光度逐渐降低， 主要是由于傅里叶变换近红外光谱能够反映样品的物理特性。 分别采用归一化（Normalization）、 多元散射校正（MSC）、 标准正态变换（SNV）预处理方法结合竞争自适应重加权采样（CARS）、 连续投影算法（SPA）变量筛选方法建立了偏最小二乘判别分析（PLS-DA）和支持向量机（SVM）的油茶炭疽病等级的融合光谱分类模型。 PLS-DA模型中LIBS(Normalization-CARS)-NIR(Normalization-CARS)-PLS-DA的预测集RMSEP=0.173, R2p=0.987, 误判率为0; SVM模型中LIBS-NIR-CARS-SVM的建模集精度100%， 预测集精度为97.59%。 实验结果表明: 基于LIBS与傅里叶变换近红外光谱融合检测油茶叶片炭疽病等级中PLS-DA模型比SVM模型的定性分析精度更高， 模型更稳定。 研究表明: LIBS光谱联合傅里叶变换NIR光谱可高效、 快速、 高精度地区分健康油茶叶片与各个等级的炭疽病油茶叶片。

油茶产业具有良好的经济和生态效益, 深受国家重视。 目前, 炭疽病侵害油茶树日益加重, 严重地降低了产量, 导致油茶产业的效益直接受损。 所以找到一种快速、 准确、 方便的油茶炭疽病检测方法是非常必要的。 激光诱导击穿光谱(LIBS)是一种低成本、 微损伤、 无残留的技术, 能够对多种成分快速实时检测。 采用LIBS结合化学计量学方法对油茶炭疽病的定性检测方法进行研究。 实验样品采摘于油茶种植区, 分别采集了100片健康油茶叶片和100片感染炭疽病的油茶叶片。 将采集的叶片进行微处理, 即首先进行反复冲洗去除叶片表面污渍, 然后进行分类、 装袋和标号, 最后进行LIBS光谱采集实验。 实验设备为海洋光学的MX2500+, LIBS实验参数设置为激光能量50 mJ, 最优延迟时间2 μs, 每个叶片采集6条光谱数据, 并求其平均。 在油茶叶片LIBS光谱的波长251.432 nm处观察到Si的特征峰、 分别在252.285, 259.837和385.991 nm处观察到Fe的特征峰、 分别在260.568, 279.482和280.108 nm处观察到Mn的特征峰。 实验结果: 油茶叶片中的微量元素Si, Fe, Mn的LIBS信号与油茶叶片的健康程度有直接关系, 健康油茶叶片中Si, Fe和Mn的特征峰强度明显高于感染炭疽病的油茶叶片中Si, Fe和Mn的特征峰强度; 此外, 利用LIBS技术结合MSC光谱预处理和PCA分类法, 对油茶叶片的健康和感染炭疽病的两个状态进行分类处理。 PC1, PC2和PC3的贡献率分别为80%, 12%和6%, 建立三维模型分类, 可以清晰地将油茶叶片的两种状态区分出来。 同时, 还利用PLS-DA建立模型, 模型的识别率高达90%以上, 可以对油茶叶片两种类别进行较好的分类。 以上两种化学计量方法都可以区分油茶叶片的健康和染病两种状态。 研究表明了利用LIBS技术检测油茶炭疽病是可行的。 可以利用LIBS技术对油茶叶片的微量元素和营养元素进行定量检测, 为定量检测提供了参考。 提出了一种快速检测油茶炭疽病的新方法。

炭疽病是油茶最常见的病害之一,因此对油茶炭疽病进行快速检测具有重要意义。提出了一种检测油茶叶片炭疽病的新方法,采用激光诱导击穿光谱检测技术,快速无损诊断正常和感染炭疽病油茶叶片中的Mn元素含量,根据火焰原子吸收光谱法对样品中Mn元素的真实含量进行了分析。分别采用平滑、去噪、归一化、基线校正、一阶求导降噪、二阶求导降噪对光谱数据进行预处理,使用偏最小二乘方法(PLS)建立定量模型,采用间隔偏最小二乘法(iPLS)对光谱数据进行波段筛选。最终结合7点平滑和一阶导数降噪进行预处理,根据iPLS建立定量模型。实验结果表明,平分为24个子区间时,第6个子区间的建模效果最佳,建模相关系数为0.9076,建模均方根误差为0.2090 μg/mg,预测相关系数为0.8947,预测均方根误差为0.2100 μg/mg。

傅里叶变换红外（FTIR）光谱结合基于小波变换(WT)的线性判别分析（LDA）和反向传播网络（BPNN）研究了甜橙炭疽病和正常果皮。样品的红外光谱经多尺度一维连续小波变换（CWT），发现第10尺度的小波系数存在着明显的差异，提取该尺度三个区域的系数作为特征参数建立LDA和BPNN模型，结果表明LDA模型对样品的识别效果比BPNN模型好。选取1750~950 cm-1 范围内的FTIR光谱进行5尺度离散小波变换(DWT)，选取第5尺度的逼近系数(DWTAC)和细节系数(DWTDC)建立LDA和BPNN模型，结果显示利用细节系数建立的模型比逼近系数识别效果好，LDA和BPNN模型对样品的识别正确率均为95%。结果表明小波变换结合LDA和BPNN用于傅里叶变换红外光谱技术能够准确地识别甜橙炭疽病和正常果皮，为甜橙病害检测提供快速和有效的方法。

采用共聚焦显微拉曼技术研究了炭疽病感染所致茶叶细胞壁结构和化学成分的变化。 对茶叶健康和染病组织细胞进行微米级空间分辨率的显微拉曼光谱扫描, 并结合透射电镜观察炭疽病侵染所致的细胞超微结构变化, 结果显示染病前后细胞壁的拉曼光谱位移和强度都有明显的差异, 表明炭疽病侵染导致细胞壁中化学成分发生了较大的变化。 其中由纤维素, 果胶, 酯类化合物产生的拉曼峰强度都有明显下降, 说明细胞壁中这些物质的含量在染病后减少了; 而木质素拉曼散射引起的拉曼峰强度有所上升, 说明木质素的含量在染病后有所增加。 随后基于纤维素的拉曼指纹波数和显微空间结构信息实现了茶叶健康组织和染病组织细胞壁中纤维素的化学成像分析, 结果显示炭疽病侵染不仅导致细胞壁中纤维素的含量大大减少, 而且纤维素的有序结构被破坏。 由此得出结论: 在无需对样本进行染色或复杂的化学处理的情况下, 共聚焦显微拉曼可以揭示由炭疽病侵染引起的茶叶细胞壁化学成分和结构的变化, 本研究是共聚焦显微拉曼技术首次用于植物病理学中寄主-病原物互作机制的研究, 将为深入研究寄主-病原物在细胞层面上的互作机制开辟蹊径。

使用激发光为785 nm的便携式拉曼光谱仪分别对赤星病菌、 谷镰刀病菌和香蕉炭疽悬浮液进行了普通拉曼光谱和表面增强拉曼散射(SERS)光谱检测。 实验结果显示, 微波法制备的纳米银胶对三种植物病菌均具有较好的增强效果, 同时获得了三种病菌信噪比较好的SERS光谱。 从整体上看, 三种菌谱峰峰强分布具有一定的相似性, 如在481 cm-1处均为最强谱峰, 500～1 000 cm-1谱峰较弱和1 000～1 600 cm-1谱峰较强。 但三者在谱峰的分布和峰形上仍有明显不同, 因此通过比较三种病菌的不同SERS谱峰可对其进行快速区分和鉴别。

分析炭疽病侵染后油茶冠层的可见-近红外光谱特征, 探索建立病害胁迫下油茶冠层叶片叶绿素含量的预测模型。 通过实地调查病情指数, 获取不同病害程度的油茶冠层叶片光谱数据及其叶绿素含量, 并对光谱数据进行了一阶微分与滑动平均滤波相结合的预处理, 再通过光谱数据重采样, 提取敏感波段建立了叶绿素含量的BP神经网络预测模型。 结果表明: (1)随着病情的加重, 油茶冠层光谱可见光区域的反射峰和吸收谷逐渐消失; 红光到近红外陡峭的红边被逐渐拉平; 在近红外区域, 健康油茶的光谱反射率明显大于感病油茶的光谱反射率。 (2)微分光谱484~512, 533~565, 586~606和672~724 nm四个波段是叶绿素吸收和反射的敏感波段。 (3)以敏感波段为输入变量建立的BP神经网络模型, 其计算出的预测值与观测值之间的相关系数r和均方根误差分别为0.992 1和0.045 8。 因此, 利用可见-近红外光谱技术预测炭疽病侵染后油茶叶片叶绿素含量是可行的。