葡萄霜霉病对葡萄生产构成严重威胁, 尽早防治是治理霜霉病的关键。 为了对该病进行早期检测, 以PCR检测获取的霜霉病相对生物量作为霜霉病侵染的依据, 从暗适应-光适应-暗弛豫3个光合生理状态连续变化过程中, 采集80个人工接种霜霉菌叶片和80个健康对照叶片连续6 d的叶绿素荧光图像。 对比健康和接种叶片叶绿素荧光动力学曲线、 参数图像和参数值的差异, 使用单因素方差分析评估叶绿素荧光参数对霜霉病侵染的敏感性, 筛选叶绿素荧光参数最优特征子集, 使用机器学习分类器构建霜霉病早期检测模型。 结果表明, 随着接种后天数(day post inoculation, DPI)的增加, 霜霉病侵染程度不断加深, 健康和接种叶片叶绿素荧光动力学曲线、 参数图像和参数值从2DPI开始有显著差异(p<0.05), 霜霉病侵染导致叶片光化学猝灭速率减小(Rfd变小), 光合效率降低(Fv/Fm变小), 叶片活力和光保护能力衰退(NPQ和qN变小), 叶片吸收的光能更多以荧光的形式释放出来(Ft和Fm变大)。 基于序列前向浮动算法优选的叶绿素荧光参数特征子集(qN-L3, Rfd-L2, NPQ-L1和Fv/Fm-D1)和BP神经网络分类器的SFFS-BP模型对3DPI健康和接种叶片识别准确率为83.75%, 全实验周期连续6 d平均准确率达到85.94%。 可为葡萄霜霉病光合表型分析和早期检测提供一种快速、 准确的手段。
叶绿素荧光成像 葡萄霜霉病 病害检测 特征选择 Chlorophyll fluorescence imaging Plasmopara Viticola infection Disease detection Feature selection 光谱学与光谱分析
2022, 42(4): 1028
沈阳农业大学信息与电气工程学院, 辽宁 沈阳 110161
纹枯病是水稻的主要病害之一, 其防治对于保证水稻产量、 质量具有重要意义, 以高光谱检测水稻病害得到了广泛应用, 并且高光谱降维是光谱分析的重要环节。 该研究在2019年沈农水稻试验基地获取水稻低空遥感冠层与地面冠层高光谱, 并对其进行以窗口宽度为15和阶数为3的Savitzky-Golay平滑处理和光谱变换(得到原始光谱、 一阶微分光谱和倒数之对数光谱), 分窗口对这3种光谱分别进行Gram-Schmidt变换, 找到投影空间并映射出主基底, 实现高光谱数据降维, 绘制具有显著性概率的主基底, 其极大极小值为特征波段。 此外3种光谱还采用了主成分分析和连续投影法降维。 以降维后的数据与水稻纹枯病病情指数进行支持向量机回归建模, 其中支持向量机回归进行粒子群优化, 并以径向基为核函数, 对比分析了3种降维方式的降维效果。 结果表明: 水稻地面冠层尺度建模效果高于低空遥感尺度建模; 在光谱处理方面, 低空冠层高光谱进行倒数之对数变换效果较好, 地面冠层所得高光谱数据进行一阶微分变换效果较好; 分窗Gram-Schmidt变换算法优于主成分分析和连续投影法; 粒子群算法可以优化支持向量机中的惩罚系数和核函数参数, 提高其反演精度; 无人机低空遥感尺度中, 高光谱进行倒数之对数处理, 以分窗Gram-Schmidt变换降维, 敏感波段为427.3, 539.6, 749.5和825.4 nm, PSO-SVR建模决定系数R2为0.731, 均方根误差RMSE为0.151; 地面冠层尺度中, 高光谱进行一阶微分处理, 以分窗Gram-Schmidt变换降维, 敏感波段为552, 607, 702和730 nm, PSO-SVR模型决定系数R2为0.778, 均方根误差RMSE为0.147。 因此, 高光谱技术可以有效地检测水稻纹枯病, 并且其病情指数可用冠层高光谱进行反演, 分窗Gram-Schmidt变换对于高光谱数据降维有较好的效果, PSO-SVR建模对于水稻纹枯病病情指数的反演有明显提高, 结果可为冠层尺度检测水稻纹枯病与病害发生情况提供一定的理论基础和技术支撑。
水稻纹枯病 病害检测 高光谱降维 Gram-Schmidt变换 粒子群优化 支持向量机回归 Rice sheath blight Disease detection Hyperspectral dimensionality reduction Gram-Schmidt transform Particle swarm optimization Support vector machine regression 光谱学与光谱分析
2021, 41(7): 2181
1 西北农林科技大学机械与电子工程学院, 陕西 杨凌 712100
2 宝鸡文理学院电子电气工程学院, 陕西 宝鸡 721016
3 农业农村部农业物联网重点实验室, 陕西 杨凌 712100
4 陕西省农业信息感知与智能服务重点实验室, 陕西 杨凌 712100
5 西北农林科技大学园艺学院, 陕西 杨凌 712100
6 旱区作物逆境生物学国家重点实验室, 陕西 杨凌 712100
葡萄霜霉病是全球危害最严重的葡萄病害, 对该病进行早期检测和防治, 可提高葡萄品质和产量, 提出一种基于多光谱荧光成像技术(MFI)和支持向量机模型(SVM)的霜霉病早期检测方法。 对人工接种霜霉病的葡萄叶片(145个)和健康对照叶片(145个)从叶背面连续6天进行多光谱荧光成像, 获得试验叶片16个荧光参数(4个单独波段F440, F520, F690, F740及其相互比值)的图像。 在分析不同荧光波段图像随接种天数(DPI)变化规律基础上, 通过单因素方差分析和相关性分析, 优选出进行霜霉病早期检测的4个波段特征F520, F690, F440/F740, F690/740, 利用这4个特征构建基于SVM的霜霉病检测模型。 试验发现, 16个荧光参数都有早期检测霜霉病的潜力, 四个单独波段中F440和F520比F690和F740对霜霉病的侵染更敏感, 6DPI才显症的病斑能在F440和F520波段2DPI(接种后第二天)的荧光图像中凸显, 接种叶片F440和F520波段荧光强度均随着DPI增加快速升高, 在2DPI显著高于健康叶片(p<0.01), 并随着DPI增加更加显著(p<0.0001); 接种叶片F690和F740波段荧光强度均随着DPI增加逐渐减小, 1DPI—3DPI与健康叶片无显著差异, 从4DPI开始显著低于健康叶片(p<0.05), 并在5DPI—6DPI更加显著(p<0.01); 健康叶片荧光参数变化很小。 F440极易受干扰, 变异系数最大, F520最稳定。 随着DPI增加, 叶片被侵染程度加深, 4个特征融合的SVM模型对健康和接种叶片检测准确率逐渐提高, 1DPI的准确率为65.6%, 3DPI检测准确率为82.2%, 整个试验周期(1DPI—6DPI)的平均检测准确率达84.6%, 高于单一特征中最优波段F520的阈值检测结果(1DPI的准确率为61.1%, 3DPI检测准确率为78.9%, 整个试验周期为80.0%)。 结果表明利用MFI技术和SVM模型能实现霜霉病显症前的早期检测, 为便携式葡萄霜霉病早期诊断设备的开发提供了理论依据。
多光谱荧光成像 葡萄霜霉病 病害检测 支持向量机 特征选择 Multicolor fluorescence imaging Grapevine downy mildew Disease detection Support vector machine Feature selection
中国农业大学信息与电气工程学院食品质量与安全北京实验室, 北京 100083
病害作为影响农作物生长的主要因素之一, 平均每年造成农作物产量损失高达12%以上。 病害不仅直接导致农作物产量减少, 而且也严重降低了农产品的品质, 甚至引发食品安全事故。 光谱成像作为一种融合图像处理和光谱学的信息获取技术, 能同时获取目标的图像信息和光谱信息, 从而更直观表达目标的特征。 光谱成像技术可以获得图像上每个点的光谱数据, 从而实现对作物病害的颜色、 形状和纹理特征及光谱特征的分析, 具有快速、 直观和无损等特点, 近些年在作物病害检测领域的应用取得了较大研究进展。 综述了近六年来国内外关于光谱成像技术在作物病害检测领域应用的相关文献, 分析了光谱成像技术的优势和局限性, 重点阐述了光谱成像作物病害检测中关键的第三个技术： (1）光谱图像分割技术, 重点分析了四种常见分割算法的优点和适用范围； (2）光谱特征和空间特征提取技术, 重点对比了空间特征、 光谱特征和二者加权组合对病害信息表达的准确性； (3）检测模型, 重点介绍了光谱植被指数和机器学习模型在作物病害检测中的稳定性和前景。 最后, 根据上述分析展望了光谱成像技术在作物病害检测领域中应用的研究趋势, 为相关研究提供全面且系统的参考。
光谱成像技术 作物病害检测 光谱特征分析 模式识别 Spectral imaging technology Crop diseases detection Spectral characteristic analysis Pattern recognition
西北工业大学 自动化学院，陕西 西安 710072
为了提高路面病害检测系统的精度和自适应能力，研究了自动路面裂缝图像增强技术。针对图像每个像素建立由邻域一致性模糊熵测度、邻域模糊方差以及全局模糊隶属度组成的模糊特征模式对所有像素进行分类，实现对像素灰度渡越点位置的准确估计；在模糊隶属度函数设计上，利用修改控制顶点和权因子可局部地修改曲线形状的功能，通过非均匀有理B样条函数设计出一种双“S”形模糊隶属度函数作为灰度变换函数。提出的路面裂缝图像增强技术中的灰度变换函数不仅能和渡越点的位置很好地结合，而且其形状调节因子具备良好的灰度集中能力，仅需很少次数迭代增强就能达到突出路面裂纹的效果。实验结果显示，利用提出的图像增强技术可使路面裂缝病害像素正确检测率达到95%，该技术很大程度地提高了路面裂缝自动检测系统的可靠性和检测精度。
路面病害检测 CCD摄像机 图像增强 模糊测度 灰度变换 detection of road defect CCD camera image enhancement fuzzy measurement gray transform
