黃瓜霜霉病和斑潛蠅是制約黃瓜產(chǎn)業(yè)發(fā)展的嚴(yán)重病蟲(chóng)害。傳統(tǒng)黃瓜生產(chǎn)過(guò)程中，病蟲(chóng)害識(shí)別主要依賴于人工識(shí)別，通過(guò)種植人員和專業(yè)人員的經(jīng)驗(yàn)來(lái)判斷病蟲(chóng)害種類。這種方式主觀性強(qiáng)，易混淆病情，可能導(dǎo)致防治不及時(shí)和錯(cuò)誤用藥。因此，準(zhǔn)確識(shí)別病蟲(chóng)害對(duì)黃瓜生產(chǎn)和環(huán)境安全有著重要意義，高光譜成像技術(shù)能同時(shí)獲得作物的圖像信息和光譜信息，目前已廣泛用于作物病蟲(chóng)害檢測(cè)的研究。

01高光譜數(shù)據(jù)

高光譜成像系統(tǒng)如圖1（a）所示，主要由計(jì)算機(jī)、高光譜相機(jī)、光源等組成。圖2為三類黃瓜葉片RGB顯示下的高光譜圖像，圖2（a）為無(wú)癥狀葉片、圖2（b）為霜霉病葉片、圖2（c）為斑潛蠅蟲(chóng)害葉片。

圖1 高光譜成像系統(tǒng)

圖2（a）無(wú)癥狀葉片

圖2（b）霜霉病葉片

圖2（c）斑潛蠅葉片

1.1高光譜數(shù)據(jù)提取

使用軟件對(duì)高光譜圖像進(jìn)行數(shù)據(jù)提取后將數(shù)據(jù)導(dǎo)入文件，顯示464、513和660nm三個(gè)波段圖像合成的RGB圖像，如圖3所示，根據(jù)病斑區(qū)域大小選擇若干個(gè)10X10的感興趣區(qū)域(ROI)，提取每個(gè)ROI的平均反射率數(shù)據(jù)作為葉片的原始光譜數(shù)據(jù)，共提取2656組數(shù)據(jù)。由于光譜曲線的兩邊緣區(qū)噪聲較大，故去除保留450~850nm的159個(gè)波段作為有效光譜范圍，圖4為所有葉片原始光譜曲線圖，圖5為三類葉片的平均光譜曲線。

圖3 ENVI中葉片ROI提取

圖4樣本原始光譜曲線

可知三類葉片的平均光譜曲線整體走勢(shì)相似。病蟲(chóng)害葉片在400~700nm波段反射率高于無(wú)癥狀葉片，在720~850nm波段反射率低于無(wú)癥狀葉片，分析原因是病蟲(chóng)害導(dǎo)致葉片葉綠素和細(xì)胞結(jié)構(gòu)受損。由于斑潛蠅侵害葉片后會(huì)留下白色蟲(chóng)道，所以斑潛蠅葉片在400~700nm波段反射率更高。

圖5三類葉片平均光譜曲線

02特征波長(zhǎng)提取

高光譜圖像的光譜數(shù)據(jù)量大，存在冗余信息，會(huì)增加判別模型的計(jì)算量，降低模型的計(jì)算效率和精度，所以需要對(duì)光譜數(shù)據(jù)進(jìn)行降維處理，提取其中和樣品類型相關(guān)性強(qiáng)的波長(zhǎng)數(shù)據(jù)。

2.1基于VISSA的特征波長(zhǎng)提取

VISSA基于模型集群分析的思想，利用加權(quán)二進(jìn)制采樣法構(gòu)造變量子空間，每一次迭代過(guò)程滿足變量空間逐漸收縮和變量空間逐漸優(yōu)化兩個(gè)準(zhǔn)則。設(shè)定VISSA的加權(quán)二進(jìn)制矩陣采樣數(shù)為5000,選擇子模型比率為0.05，交叉驗(yàn)證次數(shù)為5，最終選擇出53個(gè)特征波長(zhǎng)，如圖6(a)所示，VISSA提取出的特征波長(zhǎng)主要分布于450~700和725~850nm。

圖6(a)VISSA提取特征波長(zhǎng)

2.2基于CARS的特征波長(zhǎng)提取

根據(jù)PLS模型交叉驗(yàn)證均方根誤差大小選擇最優(yōu)特征變量組合。設(shè)定CARS的蒙特卡洛采樣次數(shù)為50，交叉驗(yàn)證次數(shù)為5，最終選擇出20個(gè)特征波長(zhǎng)，如圖6(b)所示，CARS提取出的特征波長(zhǎng)主要分布于450~500和530~580nm。

圖6(b)CARS提取特征波長(zhǎng)

2.3基于IRIV的特征波長(zhǎng)提取

IRIV將變量進(jìn)行多次隨機(jī)組合并建立PLS模型，觀察每個(gè)變量是否存在于模型中時(shí)交互驗(yàn)證預(yù)測(cè)誤差的變化，根據(jù)MPA的思想將變量分為強(qiáng)信息變量、信息變量、無(wú)信息變量和干擾變量，逐個(gè)分析每個(gè)變量后去除無(wú)信息變量和干擾變量，進(jìn)行多次迭代分析，直到剩下的變量均為強(qiáng)信息變量和弱信息變量，最終保留的變量即為所需的特征變量設(shè)定交叉驗(yàn)證次數(shù)為5，最終選擇出26個(gè)特征波長(zhǎng)，如圖6(c)所示，IRIV提取出的特征波長(zhǎng)主要分布于450~555nm。

圖6(c)IRIV提取特征波長(zhǎng)

03總結(jié)

對(duì) VISSA、CARS、IRIV、SFLA 所選的特征波長(zhǎng)數(shù)據(jù)進(jìn)行 SVM、Elman 神經(jīng)網(wǎng)絡(luò)、RF 建模，表1為所建模型測(cè)試集的識(shí)別結(jié)果。

表1 一次降維光譜數(shù)據(jù)建模結(jié)果

由于 VISSA、CARS、IRIV、SFLA 提取出的特征波長(zhǎng)仍然較多，使用 SPA對(duì)數(shù)據(jù)進(jìn)行二次降維SPA是一種可以使矢量空間共線性最小化的前向變量選擇算法。

表2 二次降維光譜數(shù)據(jù)建模結(jié)果

由特征波長(zhǎng)數(shù)據(jù)所建模型的識(shí)別效果如表3所示。

表3 特征波長(zhǎng)光譜數(shù)據(jù)建模結(jié)果

使用 VISSA-SPA 和 IRIV-SPA 提取的特征波長(zhǎng)建立的SVM 模型實(shí)現(xiàn)了對(duì)黃瓜霜霉病和斑潛蠅蟲(chóng)害94%以上的識(shí)別率，說(shuō)明通過(guò) VISSA-SPA和IRIV-SPA方法提取特征波長(zhǎng)具有良好的效果，但總體來(lái)看，模型對(duì)霜霉病葉片和斑潛蠅蟲(chóng)害葉片的識(shí)別率要明顯低于無(wú)癥狀葉片，為了提高模型的魯棒性和準(zhǔn)確性，未來(lái)可以使用光譜特征結(jié)合病斑的形態(tài)特征等建立識(shí)別模型。在實(shí)際生產(chǎn)中，還可以結(jié)合黃瓜的發(fā)病時(shí)間、發(fā)病葉片的位置等進(jìn)行病蟲(chóng)害種類的判斷，提高對(duì)病蟲(chóng)害識(shí)別的準(zhǔn)確率。

推薦：

便攜式高光譜成像系統(tǒng)iSpecHyper-VS1000

專門用于公安刑偵、物證鑒定、醫(yī)學(xué)醫(yī)療、精準(zhǔn)農(nóng)業(yè)、礦物地質(zhì)勘探等領(lǐng)域的最新產(chǎn)品，主要優(yōu)勢(shì)具有體積小、幀率高、高光譜分辨率高、高像質(zhì)等性價(jià)比特點(diǎn)采用了透射光柵內(nèi)推掃原理高光譜成像，系統(tǒng)集成高性能數(shù)據(jù)采集與分析處理系統(tǒng)，高速USB3.0接口傳輸，全靶面高成像質(zhì)量光學(xué)設(shè)計(jì)，物鏡接口為標(biāo)準(zhǔn)C-Mount，可根據(jù)用戶需求更換物鏡。

審核編輯 黃宇