您好,欢迎进江苏双利合谱科技有限公司网站!
您现在的位置:首页 >> 解决方案 >> 小麦白粉病的高光谱成像早期诊断和发病机制监测
小麦白粉病的高光谱成像早期诊断和发病机制监测
浏览次数:407发布日期:2022-10-27

白粉病是一种世界性的小麦真菌病害,是造成小麦产量损失和品质下降的主要原因。小麦白粉病在侵染初期是无症状的,通常根据侵染后期出现的一些可见症状由人工检测方式鉴定,所以不仅费时、费力、易出错,且因感染时间滞后而不能有效控制疫情。小麦白粉病的早期诊断成为进一步预防病害蔓延的重大要求,也有助于减少杀菌剂的应用。然而高光谱成像作为一种无损检测技术,在小麦白粉病的早期诊断和发病机制监测方面具有潜力。

山东农业大学邵园园副教授团队利用我司高光谱设备,以白粉病胁迫下小麦叶片为研究对象,首先在接种前、后分别采集健康0天和2~5天染病样本的高光谱图像。选择800nm左右的高光谱图像作为掩膜对象,设置阈值为0.12创建二值图像。选取剔除两端的每片叶片作为感兴趣区域(ROI),如图1所示。

图1高光谱图像的采集与处理

图2 小麦白粉病高光谱时序响应特征曲线

获取小麦白粉病高光谱时序响应特征(图2)。随后利用主成分分析(PCA)观察不同感染阶段样本间的区分能力,观测分析了不同染病阶段样本的分类散点图(图3)、主成分特征图像与载荷曲线(图4)

图3 不同染病阶段样本的分类散点图

图4 PC特征图像(a)和载荷曲线(b)

图5特征波段提取

图5显示利用连续投影算法(SPA)进行特征波长选择的过程。当RMSE达到*值0.31时,确定了12个特征波长,分别是457,491,540,634,677,790,831,857,888,933,952,967nm*终以光谱数据建立PLS-DA模型得到校正和交叉验证的总分类准确率分别为93.8%和89.2%,在验证集的预测中,总分类准确率为88.6%。利用灰度共生矩阵(GLCM)从前3张PC得分图像中提取3种纹理特征(能量、熵和对比度),生成9个纹理变量。由纹理特征建立PLS-DA模型,*终得到校准、交叉验证和验证中总分类准确率分别为74.6%、73.8%和70.0%。

图6 纹理特征箱线图

将高光谱图像的光谱和纹理特征融合,建立PLS-DA模型。融合数据每个样本产生21个变量,包括12个特征波长和9个纹理特征。校正和交叉验证的总分类精度分别为97.7%和93.8%,在验证集的预测中,总分类准确率高达91.4%。此外,借助光谱角映射(SAM)方法进行不同染病阶段的病斑识别,实现了小麦白粉病发病过程可视化监测(图7)。

图7 SAM病斑识别与发病过程可视化监测

本文采用的高光谱设备具体参数如图8所示。

图8 Gaiafiled-Pro-V10E相机及参数

通讯作者简介:

邵园园,工学博士,山东农业大学副教授,硕士生导师。

主要研究方向:1、农业机械设计,包括播种育苗移栽机械、免耕播种机械、秸秆后处理机械及苹果、花生、甘薯收获机械等。

2、机构运动与动力学优化仿真;精准农业、农产品检测、图像识别、高光谱图像处理等。

参考文献:Xuan G , Li Q, Shao Y , et al. Early diagnosis and pathogenesis monitoring of wheat powdery mildew caused by blumeria graminis using hyperspectral imaging[J]. Computers and Electronics in Agriculture, 197(2022): 106921.


在线客服
电话
028-86513885
手机
13810146393