基于光谱成像分析的马铃薯晚疫病诊断方法研究

The potato (Solanum tuberosum L.) is a third largest consumed crop in the world. However, the production of potatoes has been hampered by late blight disease. Therefore, it is necessary that establish a rapid detection method to reduce the loss. We study anti-oxidant enzyme activity, chlorophyll of leaf tissue by hyperspectral imaging technology during incubation stage；and study the surface information of leaf tissue by hyperspectral imaging technology during morbidity stage. The project aims to explore The performance will be confirmed in potato disease diagnosis. Through this non-destructive approach, we plan to establish rapid and sensitive detection techniques of potato late blight that can be easily applied in the field with low costs. Furthermore, the in situ detection methods will be developed for chemical constituents and physiological activity changes during penetration process, which would be helpful for the early, fast and accurate diagnosis of late blight disease. The project would be meaningful for uncover the defense mechanism of late blight. Moreover, the method will provide theoretical and methodological basis for the development of potato late blight spectra and hyperspectral imaging detection equipment, which has important theoretical and practical value.

铃薯是世界上第三大消费作物，而晚疫病是一种其极易发生的毁灭性病害，防治晚疫病对保障其产量与品质安全意义重大,因此有必要建立一种快速的诊断晚疫病的方法以便及时预警减少损失。本课题将结合高光谱等诸多领域的理论进行研究，通过光谱技术获取病害信息，探究致病疫霉在发病前的叶片抗氧化酶活性、叶绿素等信息的动态变化规律，建立其高光谱的诊断模型；探究致病霉菌在发病期的叶片表面的光谱和图像等信息的动态变化规律，建立其在病害发生时期的检测方法和诊断模型，建立基于高光谱的晚疫病的定性、定量和特异性诊断模型。建立一种从马铃薯晚疫病光谱及光谱图像信息获取、模式识别、理化-感官特征参数同步提取，快速无损准确检测的新方法，以实现马铃薯晚疫病的早期快速诊断，具有重要的理论意义和实际应用价值。

通过探索马铃薯叶片中多种理化指标的预测模型及变化趋向，实现叶部晚疫病理化指标的快速测定。同时，探究早期诊断马铃薯种薯晚疫病的预测识别模型，对病害的早期防治具有重要意义。本研究的主要研究内容及结论有：.(1) 构建出马铃薯晚疫病叶片中SPAD值的高光谱预测模型。比较了全波段区域下不同预处理方法对偏最小二乘（PLS）和最小二乘支持向量机（LS-SVM）模型估测性能的影响，其中基于归一化的PLS模型预测成效最好；同时选用连续投影算法（SPA）、载荷系数法（X-LW）择取特性波长并构建估测模型；其中，在SPA选用特征波长的基础上所建的LS-SVM具有最优估测成果。进一步地，选取了几种与SPAD值相关性较高的植被指数建立预测模型，其中基于VOG1的二次多项式模型估测效果最好。.(2) 构建出马铃薯晚疫病叶片中CAT、SOD、POD活性值的高光谱估测模型。对于每一种酶，比较初始光谱和7种不同前处理后的PLS和LS-SVM模型；并且在SPA、X-LW 选用特性波长的基础上构建线性模型PLS、MLR和非线性模型LS-SVM。探索了晚疫病胁迫下，马铃薯叶片中CAT、SOD、POD酶活性与累积染病时间的动力学模型，均达到较高的预测精度。.（3）利用高光谱图像马铃薯晚疫病的识别以及感染比例的计算及病害等级的划分。通过经ENVI处理后的基于RGB空间的自然真彩色图像，和转化到Lab空间和HSI空间的叶片图像识别病害。采用灰度值分割法对图像进行发病面积比例的计算或采用Canny边缘检测和灰度阈值分割相结合的算法对发病面积等参数进行提取和计算。 .（4）根据采集到的叶片图像的特点，确定了一套适合用于本采集系统下的马铃薯叶部病害图像的预处理和分割算法。根据马铃薯叶片上晚疫病斑的颜色、纹理、形状等特征参数的不同，提取叶片表面的特征参数，并建立相关的数学模型对病害做出评价。在RGB、HSV和LAB颜色空间中，利用颜色特征的不同，建立马铃薯疫病的无病和患病模型。利用灰度共生矩阵，采用纹理统计参数进行病害等级的评价。利用形状特征的相对特征，提出相对周长和相对面积标准实现晚疫病的诊断。