番茄早疫病感染性强、 破坏性大, 潜育期症前特征的检测识别是番茄早疫病监测预警和科学防治的关键。 在实验室以离体番茄叶片作为研究对象, 利用高光谱图像监测番茄叶片早疫病的病程演变情况, 结合可见光图像和光谱特征进行数据分析。 实验发现, 番茄叶片感染早疫病后其近红外光谱平均值和红边反射率随着时间不断降低, 且在接种36 h时已出现潜育期病症信息。 选择接种36 h的光谱数据作为番茄早疫病潜育期的建模数据, 分别利用了主成分(PCA)变换、 多元散射校正(MSC)对建模数据进行光谱降维或降噪处理, 进而建立梯度提升决策树(GBDT)和支持向量机(SVM)识别模型, 并导入数据进行训练识别。 讨论了PCA和MSC的预处理方法对梯度提升决策树(GBDT)和支持向量机(SVM) 模型识别效果的影响; 进一步讨论常见核函数对SVM识别模型的影响, 优选出预处理方法和识别模型的组合算法。 结果发现, PCA-GBDT、 PCA-SVM(高斯核)、 PCA-SVM(线性核)、 MSC-GBDT、 MSC-SVM(多项式核)这几类组合算法准确率均为95%以上, 能很好的实现番茄早疫病潜育期的光谱识别; 其中MSC-GBDT的识别召回率和准确率最好, 而PCA-SVM(高斯核)识别效率最高。 研究表明, 通过降噪处理后的番茄早疫病潜育期高光谱数据减少了噪声、 更加符合真实的分布、 具有较大的可信数据量, 配合简单的识别模型会导致识别能力不足, 而配合复杂的识别模型可达到一个较可靠的测试结果; 通过降维算法能使番茄早疫病潜育期高光谱数据的维度降低、 数据量减少; 降维后的特征能够表达出病变信息, 配合简单识别模型时识别效果好, 而配合过于复杂的识别模型会导致识别模型的过拟合。

现有的番茄花叶病无损检测方法无法在潜育期内, 即显症之前进行早期识别导致施药不及时或者盲目过度施药。 设计与试制了红外热成像信息采集系统, 主要包括: 光箱、 红外热成像仪、 温度及升降控制器、 加热板和升降载物台。 该系统能够根据温度起止节点的要求, 人为调节拍摄温度。 在江苏大学现代农业装备与技术省部共建重点实验室Venlo型温室中进行非抗病性番茄品种辽宁农科院L-402的培育。 采用叶面摩擦接种花叶病毒(Tobacccco mosaic virus, ToMV), 分为轻度感染组(LI), 重度感染组(SI); LI组为磷酸缓冲液稀释500倍后的病毒液接种, SI组为病毒原液接种。 对照组(CG)喷施等量磷酸缓冲液。 接种10 d后叶片开始出现病斑, 证明接种后9 d为番茄花叶病的潜育期。 使用红外热成像系统采集了三个组共计144个样本的红外热成像图, 计算叶表最大温差(MTD) 以表征潜育期内连续9 d内的叶面温度变化情况。 CG组叶片的MTD值差异极小, 而接种后叶片MTD值随着病毒侵染时间的推进发生了显著的变化。 接种6 d后MTD值差异最大可达1.63 ℃, 第7 d开始差异逐步缩小, 表明病毒的扩散范围增大导致病叶越来越多的区域被侵染使得整体叶温上升。 光谱采集采用两种方法进行, 一种是根据热像图的MTD值计算判别出温度突变区域后采集光谱, 记为热像采集法(TCM); 另一种是不考虑病灶位置, 在叶尖、 叶中、 叶基三个区域分别随机选择一个点采集光谱后求平均值, 记为随机采集法(RCM)。 TCM确定三个光谱采集点的选择原则是: LI组接种后3, 6和9 d的温度突变区域平均MTD值比CG组温度分别高出0.3, 0.7和0.5 ℃。 SI组接种后3, 6和9 d的温度突变区域平均MTD值比CG组温度分别高出0.5, 1.2, 0.8 ℃。 差值达到此标准的病灶位置才定为TCM的可选区域。 对所有样本采用支持向量机(SVM)算法建立识别模型。 采用主成分分析对2 151个波长点的光谱信息进行压缩, 前6个主成分所对应的累积方差贡献率已到达99%。 分别对感病3, 6和9 d的样本按照2∶1的比例划分校正集和预测集, 对预测集样本的病害程度进行识别。 两种方法所建立的模型的总识别率分别为92.59%和99.77%。 采用TCM建立的光谱识别模型中仅有接种后3 d的一个LI组样本未能识别出来, 被误判成CG组样本外, 其余组识别率均达到了100%。 结果表明近红外光谱法识别番茄花叶病是可行的。 采用红外热成像结合近红外光谱法能够建立识别率更高的番茄花叶病潜育期识别模型, 克服点源采样随机性, 对后续管控流程和突破作物早期精准用药的关键技术探索, 建立更为精准的温室智能施药系统提供了新的思路。

为实现对受到小麦条锈病菌侵染而尚未表现明显症状的小麦叶片进行早期检测, 利用近红外光谱技术结合定性偏最小二乘法建立了小麦条锈病潜育期叶片定性识别模型。 获取健康叶片30片、 条锈病潜育期叶片330片(每天取30片, 共11天)和发病叶片30片, 扫描获得其近红外光谱曲线。 采用内部交叉验证法建模, 研究了不同谱区、 建模比(建模集∶检验集)、 光谱预处理方法和主成分数对建模识别效果的影响。 在5 400～6 600和7 600～8 900 cm-1组合谱区内, 建模比为4∶1、 预处理方法为“散射校正”和主成分数为14时, 所建模型识别效果较理想, 建模集的识别准确率、 错误率和混淆率分别为95.51%, 1.28%和3.21%; 检验集的识别准确率、 错误率和混淆率分别为100.00%, 0.00%和0.00%。 结果表明, 利用近红外光谱技术可在接种1天后(即提前11天)识别出健康小麦叶片和受到条锈病菌侵染的小麦叶片, 并且可以识别不同潜育期天数的叶片。 因此, 利用近红外光谱技术对条锈病菌潜伏侵染检测是可行的, 为该病早期诊断提供了一种新途径。