《COMPUT ELECTRON AGR》--基于Cubert框幅式高光谱成像仪实现茶树病虫害胁迫识别

点击上方蓝字关注我们

摘要

与传统视觉检测方法相比，高光谱成像能高效、无损地对植物进行监测。此外，它在植物表型监测方面具有巨大的潜力，特别是在应对病害和昆虫感染方面。然而，以往大多数关于高光谱成像的研究都集中在检测单一病害上，很少能区分同时发生的多种病害和昆虫。该研究评估了三种具有相似症状的茶树胁迫，包括茶小绿叶蝉（GL）、炭疽病（AH）和叶片日灼伤（SB）。提出了一种基于高光谱成像和连续小波分析（CWA）的多步骤方法来区分这些植物胁迫。该过程包括：(1) 基于CWA的特征提取，用于检测和区分茶树胁迫；(2) 通过k-means聚类和支持向量机算法检测茶叶上的异常区域；(3) 通过随机森林算法构建模型，以识别和区分三种茶树胁迫。结果显示，CWA能有效识别出区分这三种胁迫的光谱特征。所提出方法的整体准确率（OA）达到90.26%-90.69%，其中炭疽病的OA最高（94.12%-94.28%），其次是茶小绿叶蝉（93.99%-94.20%），而日灼伤的准确率最低（82.50%-83.91%）。由此可知，高光谱成像技术是病害和昆虫胁迫后进行植物表型识别的可靠而有效的工具。

高光谱数据：高光谱数据由Cubert S185机载高速高光谱成像仪获取。该成像仪采用框幅式高光谱成像技术，能以更快的速度进行所有光谱通道同步成像，在1/1000秒内获得整个高光谱立方体数据，配套功能强大的测量及处理软件，快速获取大面积高光谱图像，影像具有厘米级地理坐标信息。

研究过程

图2 高光谱成像系统示意图

图4 基于高光谱数据的茶树胁迫检测与判别流程

图7 基于t检验尺度图的小波特征选择用于胁迫识别

图8 叶片异常区域检测过程演示

图9 茶树鉴别的混淆矩阵