基于高光谱成像的茄子灰霉病诊断及生理信息检测研究

摘要：茄子作为我国温室蔬菜种植的代表性作物，常受到灰霉病等多种病害侵扰。目前，获取病害胁迫下茄子的生理信 息是关键问题之一。传统方法获取作物生理信息缺乏敏锐性，不能实现实时动态监测，而快速无损检测技术能够实现对 茄子生理信息实时监测和诊断，为茄子生产管理提供基础信息，提高茄子种植管理决策的科学性和预见性，本研究基于 高光谱成像技术对茄子灰霉病和生理信息进行检测研究，通过融合光谱特征和图像特征，结合化学计量学方法，实现了 对茄子叶片灰霉病早期诊断和灰霉病胁迫下茄子叶片生理信息（叶绿素含量、抗氧化酶）快速测定与可视化，旨在为了 发展绿色农业，实现农药减施，提高茄子产业发展提供了新手段和新途径。主要研究内容如下： （（1）基于高光谱成像的茄子叶片灰霉病早期诊断与可视化。为实现茄子灰霉病早期快速识别与病情可视化监测，采 集接种不同天数的茄子叶片高光谱图像，获取茄子灰霉病高光谱时序响应特征，分析了不同阶段样本的散点图和主成分 特征图像。通过连续投影法筛选出15个具有显著特征的波长，同时提取茄子叶片图像纹理特征。进一步建立光谱特征数 据、图像纹理特征数据和融合特征数据的PLS、BP和LSSVM三种模型。结果发现，融合特征模型比单一特征模型有着 更好的识别率，其中基于融合特征的BP模型预测准确率最好，对茄子接种不同阶段的识别准确率为93.3%。此外，使用 光谱映射方法结合端元，实现灰霉病病斑可视化监测，为病害防控与监测提供理论依据和技术支撑。 （（2）针对灰霉病胁迫下茄子叶片 SPAD 值的高光谱检测研究。采集茄子叶片的光谱信息和 SPAD 值，采用不同的预 处理方法，建立全光谱预测模型和光谱指数组合预测模型，基于光谱指数组合的预测模型效果更好，R2 为0.8874，RMSEC C 为0.672，R2 为0.8507，RMSEV为0.938，RPD为3.33。为了进一步简化模型，在不同的预处理光谱曲线中构建最优的 V 归一化指数，使用SPSS建立的光谱指数茄子叶片SPAD值预测模型，其中基于倒数光谱挑选的555nm和702nm计算的 光谱指数值估测模型效果最佳，R2 为0.803，RMSEV为1.31，RPD为2.38。最后通过逐像素映射，实现叶绿素含量在 V 茄子叶片分布的可视化。 （（3）针对灰霉病胁迫下茄子叶片抗氧化酶活性值的高光谱检测研究。采集样本光谱数据和抗氧化酶活性值，通过 5 种光谱预处理方法（（ SG，MSC，SNV，1-Der和2-Der）建立PLSR模型，选择最优的预处理方式，使用SPA和CARS两 种挑选光谱信息的方法，建立PLSR，PCR，MLR，BP和LSSVM五种模型，对茄子叶片SOD活性的检测，基于RAW- CARS-MLR模型预测效果最优，R2 为0.9027，R2 为0.8387，RMSEV为24.239，RPD为2.91；对茄子叶片POD活性 C V 的检测，基于SG-CARSBPANN模型预测效果最优，R2 为0.8946，R2 为0.8873，RMSEV为44.2816，RPD为3.20；对 C V 茄子叶片CAT活性的检测，基于SNV-CARS-PLSR模型预测效果更优，R2 为0.8211，RMSEV为16.0467，RPD为2.60， V 最后通过逐像素映射，实现对茄子叶片抗氧化酶活性的可视化，为灰霉病胁迫下茄子叶片生理指标定位定量分析提供了 一种新的手段。

关键词：高光谱成像；茄子灰霉病；可视化；SPAD 值估测；抗氧化酶

期刊：山东农业大学

设备：GaiaField