论文部分内容阅读
大麦(Hordeum vulgare L.)是主要的禾谷类作物之一,在全球粮食生产中扮演了至关重要的角色。大麦种植分布广泛,使其会受到大量不同种类的病害侵染,进而造成大麦减产和农业生产经济损失。因此,进行多种大麦病害的快速检测研究,将有助于病害的早期精准防治,具有重要意义。本研究主要采用了高光谱成像技术,同时结合拉曼光谱技术,对三种真菌性病害胁迫下的大麦样本开展早期检测研究。研究基于高光谱成像技术,实现了对稻瘟菌侵染下大麦的染病阶段的诊断,提出一种能够先于可视化病斑的病症识别方法;实现了对白粉病侵染程度的快速预测,并结合光谱和病斑纹理信息对未来的病害发展进行预测;实现了对于白粉菌侵染下的大麦冠层病斑的识别分析;实现了对于叶斑病侵染下,大麦叶片色素和抗氧化物成分等多种指标的定量检测。研究基于拉曼光谱技术,结合位移台,实现了宏观尺度的拉曼扫描成像研究,依据拉曼“指纹”峰峰强,建立了色素含量线性预测模型,进而实现了白粉病胁迫下的叶片色素可视化。具体研究结论如下:
(1)为实现稻瘟病菌侵染下大麦叶片的症状识别和病害发展进程检测,研究运用高光谱成像技术采集侵染后不同时间段的样本数据,采用CARS算法分析叶片平均光谱,从中挑选出30个与色素和组织结构有关的特征波长,再结合LDA的方法得到较好的分类模型,建模集和预测集的分类准确度分别为100和98.1%,实现了对染病阶段的早期检测。研究发现,在高光谱图像上应用基于全谱分析的光谱解混方法,可以更为准确地识别早期病变区域。通过VCA提取光谱特征,再运用光谱解混分析得到的丰度图,即使在侵染后24小时,也能明确地显示出病害区域,甚至早于RGB图像中的肉眼识别。同时该方法还清楚地展示了侵染后期,叶片上复杂的病斑分布。
(2)针对白粉病侵染特点,以白粉病病斑占比来量化大麦叶片受胁迫程度。研究分析了白粉菌侵染下的大麦叶片高光谱成像数据,建立了样本平均光谱和侵染占比间的线性模型,得到建模集R2为0.858,预测集的R2为0.821的效果。结果表明,平均光谱能够较好地反映出白粉病的侵染占比。更进一步,通过融合当前样本的平均光谱信息及病斑分布的纹理信息,对未来24小时的样本白粉病侵染占比进行了预测,选取了7个变量可以得到最优的预测集效果,建模集得到R2为0.87,预测集R2为0.80,实现了对未来病害发展的预测。这7个变量分别为:来自灰度共生矩阵统计值的平方和、最大概率、对比度、同质性、逆差矩,679.4nm处反射率值和最后一类LBP统计值。
(3)基于高光谱成像技术从冠层尺度研究大麦白粉病胁迫早期侵染位点可视化。研究发现,由于冠层深度不一,选择某一位置的白板信息进行黑白板校正将对冠层数据带来较大影响,而相机聚焦不准带来的影响则比较有限,此外入射光角度越大采集的信息离散程度越小。采用0-1标准化的预处理后,先用K-means划分出表示衰老褪绿的叶片的区域,再用VCA挑选特征,结合FCLS计算分解,可进一步区分染病区域和健康区域。通过与人工判别结果比较,该病斑识别方法在胁迫后期误差小于10%。
(4)运用高光谱成像技术跟踪分析了受叶斑病胁迫下,大麦叶绿素a、叶绿素b、类胡萝卜素三种色素含量,抗坏血酸、谷胱甘肽、丙二醛三种与抵抗活性氧胁迫有关的化学指标的变化情况。分别基于平均光谱建立各个指标的定量模型,并挑选各自的特征波长。所有指标的预测模型得到的建模集R2均高于0.91,预测集R2均高于0.84。该模型可以很好用于样本化学值的预测,但在成分分布可视化上,由于平均光谱实际掩盖了病斑区域像素、褪绿区域像素以及健康区域像素间巨大的光谱反射率差异,因此难以有效预测所有像素的含量。
(5)将便携式拉曼光谱仪与高精度位移台结合,实现了宏观尺度叶片空间拉曼信息的获取。研究对白粉病侵染下叶片色素含量进行研究,采用SWiMA去除基线后,选取拉曼光谱中反映色素的“指纹”峰峰值,建立色素含量的线性定量模型。结合位移台面扫描,实现大麦叶片三种色素分布的可视化,且像素预测值的均值与叶片样本实际色素值偏差小于8%。此外,针对叶斑病侵染下的大麦样本,三种色素的预测R2都达到了0.84以上,散点分布拟合直线的斜率在1±0.13范围内,说明真实值与预测值之间偏差很小,同样证明了基于拉曼光谱“指纹”峰的色素定量模型的有效性。
(1)为实现稻瘟病菌侵染下大麦叶片的症状识别和病害发展进程检测,研究运用高光谱成像技术采集侵染后不同时间段的样本数据,采用CARS算法分析叶片平均光谱,从中挑选出30个与色素和组织结构有关的特征波长,再结合LDA的方法得到较好的分类模型,建模集和预测集的分类准确度分别为100和98.1%,实现了对染病阶段的早期检测。研究发现,在高光谱图像上应用基于全谱分析的光谱解混方法,可以更为准确地识别早期病变区域。通过VCA提取光谱特征,再运用光谱解混分析得到的丰度图,即使在侵染后24小时,也能明确地显示出病害区域,甚至早于RGB图像中的肉眼识别。同时该方法还清楚地展示了侵染后期,叶片上复杂的病斑分布。
(2)针对白粉病侵染特点,以白粉病病斑占比来量化大麦叶片受胁迫程度。研究分析了白粉菌侵染下的大麦叶片高光谱成像数据,建立了样本平均光谱和侵染占比间的线性模型,得到建模集R2为0.858,预测集的R2为0.821的效果。结果表明,平均光谱能够较好地反映出白粉病的侵染占比。更进一步,通过融合当前样本的平均光谱信息及病斑分布的纹理信息,对未来24小时的样本白粉病侵染占比进行了预测,选取了7个变量可以得到最优的预测集效果,建模集得到R2为0.87,预测集R2为0.80,实现了对未来病害发展的预测。这7个变量分别为:来自灰度共生矩阵统计值的平方和、最大概率、对比度、同质性、逆差矩,679.4nm处反射率值和最后一类LBP统计值。
(3)基于高光谱成像技术从冠层尺度研究大麦白粉病胁迫早期侵染位点可视化。研究发现,由于冠层深度不一,选择某一位置的白板信息进行黑白板校正将对冠层数据带来较大影响,而相机聚焦不准带来的影响则比较有限,此外入射光角度越大采集的信息离散程度越小。采用0-1标准化的预处理后,先用K-means划分出表示衰老褪绿的叶片的区域,再用VCA挑选特征,结合FCLS计算分解,可进一步区分染病区域和健康区域。通过与人工判别结果比较,该病斑识别方法在胁迫后期误差小于10%。
(4)运用高光谱成像技术跟踪分析了受叶斑病胁迫下,大麦叶绿素a、叶绿素b、类胡萝卜素三种色素含量,抗坏血酸、谷胱甘肽、丙二醛三种与抵抗活性氧胁迫有关的化学指标的变化情况。分别基于平均光谱建立各个指标的定量模型,并挑选各自的特征波长。所有指标的预测模型得到的建模集R2均高于0.91,预测集R2均高于0.84。该模型可以很好用于样本化学值的预测,但在成分分布可视化上,由于平均光谱实际掩盖了病斑区域像素、褪绿区域像素以及健康区域像素间巨大的光谱反射率差异,因此难以有效预测所有像素的含量。
(5)将便携式拉曼光谱仪与高精度位移台结合,实现了宏观尺度叶片空间拉曼信息的获取。研究对白粉病侵染下叶片色素含量进行研究,采用SWiMA去除基线后,选取拉曼光谱中反映色素的“指纹”峰峰值,建立色素含量的线性定量模型。结合位移台面扫描,实现大麦叶片三种色素分布的可视化,且像素预测值的均值与叶片样本实际色素值偏差小于8%。此外,针对叶斑病侵染下的大麦样本,三种色素的预测R2都达到了0.84以上,散点分布拟合直线的斜率在1±0.13范围内,说明真实值与预测值之间偏差很小,同样证明了基于拉曼光谱“指纹”峰的色素定量模型的有效性。