‘玉华早富’苹果霉心病防治药剂效果评价

为寻找能有效防治苹果霉心病的高效低毒杀菌剂,为苹果霉心病的防治提供理论依据,以易感苹果霉心病的品种‘玉华早富’为试材,评价不同药剂对苹果霉心病的田间防治效果。结果表明,引起‘玉华早富’霉心病的病原以粉红聚端孢为主。经不同药剂处理后,疏果期幼果贮藏76 d,不同处理对苹果霉心病的防治效果具有显著差异,75%戊唑·肟菌酯水分散粒剂的防效(74.56%)明显优于其他处理,25%吡唑醚菌酯乳油+80%代森锰锌可湿性粉剂处理的防效(64.75%)次之,10%多抗霉素可湿性粉剂作为目前生产上常用防治苹果霉心病的药剂,对‘玉华早富’的防效(54.31%)一般,3%赤霉素水剂处理效果最差,防效仅23.76%,说明开花前后喷洒赤霉素对阻止霉心病的侵染基本不起作用。对成熟果贮藏调查,贮藏30 d后,75%戊唑·肟菌酯水分散粒剂和25%吡唑醚菌酯乳油+80%代森锰锌可湿性粉剂处理的防效仍较好,分别为70.81%、69.41%,与其他3个处理的防效差异达到极显著水平,且这2个处理对粉红聚端孢的抑制效果好于对链格孢、镰刀菌的抑制效果。综上,75%戊唑·肟菌酯水分散粒剂和25%吡唑醚菌酯乳油+80%代森锰锌可湿性粉剂对苹果霉心病具有良好的防治效果,在生产上建议花序分离期和落花后交替使用防治苹果霉心病。

苹果霉心病不同光谱检测方式对比研究

苹果霉心病是一种对消费者健康产生威胁的水果内部病害,在苹果进入消费市场前实现霉心病的快速无损检测有助于提升苹果品质和保障消费者安全。近年来,可见/近红外光谱技术凭借其快速无损、操作简单、成本低和批量在线检测等优势,被广泛用于水果品质无损检测研究中,而根据实际检测需求进行光谱检测方式选择是开展水果光谱无损检测的关键步骤,为探寻苹果霉心病光谱无损检测中最佳的检测方式,首先基于实验室自主搭建的苹果漫反射、漫透射和透射光谱采集系统分别获取了243个苹果样本的三种光谱数据,然后采用一阶导数(FD)、归一化(NOR)、 S-G平滑(S-G)、多元散射校正(MSC)和标准正态变量变化(SNV)五种方法对光谱数据进行预处理,其次将局部线性嵌入(LLE)、多尺度分析(MDS)、分布邻域嵌入(SNE)和t分布邻域嵌入(t-SNE)四种流形学习方法用于光谱数据降维,并与传统的主成分分析(PCA)降维方法比较,最后基于降维后数据建立了最小二乘支持向量机(LS-SVM)算法的苹果霉心病分类模型。结果表明:在三种不同的光谱检测方式中,透射检测方式优于漫透射检测方式,漫透射检测优于漫反射检测方式。在五种不同的光谱降维方法中,基于SNE的降维方法在三种不同的光谱数据中都优于其他降维方法,最终以透射检测方式结合SNE降维方法构建了最优的苹果霉心病判别模型,其校正集和测试集的准确率分别为99.52%和97.14%。该研究对苹果霉心病光谱无损检测研究中的实验平台搭建和检测装备研发提供了指导。

不同光照模式信息融合的苹果霉心病近红外快速识别

苹果清脆甘甜,物美价廉,在我国具有极高的经济价值,是苹果产区乡村振兴的特色支柱产业。霉心病是苹果主要的内部缺陷之一,极大影响苹果的品质,若未能及时剔除将不利于苹果品牌建设,严重影响苹果产业发展。利用近红外光谱技术获取苹果在不同摆放姿态和光照模式下的光谱,去趋势(Detrend)、基线校正(Baseline)、二阶导数(SD)方法对原始光谱进行预处理,应用支持向量机(SVM)方法建立苹果霉心病判别模型,分析不同摆放姿态下光照模式对霉心病检测影响,并探索不同光照模式光谱信息融合的苹果霉心病检测方法。结果表明,在单光照模式下,180°光照模式对正常苹果有较高的判别正确率,而135°光照模式对霉心病苹果有较好的识别正确率;对于单光照模式,在果梗向右姿态和135°光照模式下获得最优的SVM模型,其模型校正集的敏感性、特异性及正确率分别为1、0.9782和0.9863,预测集的敏感性、特异性及正确率分别为0.8888、0.9565和0.9375。对于不同光照模式的信息融合,大部分光照模式的信息融合能一定程度上提高苹果霉心病判别模型的性能;在果梗向右姿态下180°与135°光照模式信息融合中获得最优的SVM模型,其模型校正集的敏感性、特异性及正确率均为1,预测集的敏感性、特异性及正确率分别为0.8888、1和0.9687,与单光照模式的最优模型相比,模型性能有所提高。该研究提供了一种基于近红外光谱和不同光照模式信息融合的苹果霉心病无损识别的新思路,也可为其他水果的内部品质无损检测提供参考。

融合光谱形态特征的苹果霉心病检测方法

针对轻微霉心病和健康苹果光谱差异较小,致使基于可见/近红外特征光谱的检测方法对轻微霉心病检测准确率较低的问题。该研究将光谱形态特征与光谱特征融合的方法引入霉心病模型构建,建立了融合光谱形态特征的判别模型。以215个苹果可见/近红外光谱为样本,分析了不同预处理和特征提取组合对建模效果的影响,并完成了光谱特征的提取;分析健康果和霉心病苹果平均光谱的差异性,提取波峰、波谷等差异明显的光谱形态特征点,对比波段比、波段差和归一化强度差三类形态特征获取方法;最终建立光谱形态特征参数和光谱特征融合的苹果霉心病模型。试验结果表明,归一化预处理后提取的特征光谱和归一化强度差形态特征融合后模型判别准确率最高,在支持向量机模型中训练集、测试集判别准确率分别为98.6%和96.3%。特别是当发病程度小于10%时,该研究的判别模型准确率高于95%,表明通过融合光谱形态特征可以提升轻微病变霉心苹果的判别准确率。

光源光斑直径对苹果霉心病近红外检测的影响

为实现中早期霉心病苹果的有效剔除以提高苹果的整体品质,该研究利用近红外光谱技术对苹果霉心病进行快速无损检测,从光谱和分类模型两方面探究光源光斑直径对苹果霉心病检测的影响。在30、50及70 mm光源光斑直径条件下采集了苹果样本的透射光谱,分析不同光源光斑直径下健康苹果和霉心病苹果的光谱差异,然后应用支持向量机(support vector machines,SVM)和粒子群算法优化-最小二乘支持向量机(particle swarm optimization-least squares support vector machine,PSO-LSSVM)方法建立苹果霉心病的分类模型,并对不同光源光斑直径下的分类模型性能进行对比。在此基础上,采用竞争自适应重加权采样(competitive adaptive reweighted sampling,CARS)方法筛选特征波长变量并建立分类模型。结果表明,30 mm光源光斑直径对苹果霉心病的检测效果最好,建立的SVM和PSO-LSSVM分类模型性能均最优。30 mm光源光斑直径下,最优PSO-LSSVM模型的预测集的灵敏度、特异度和正确率分别为89.5%、95.5%和92.7%。CARS-PSO-LSSVM分类模型性能比全波段的分类模型性能略有下降,预测集的灵敏度、特异度和正确率分别为89.5%、90.9%和90.2%,但建模变量数仅占原波长变量数的4.2%,有效地简化了分类模型。该研究为苹果霉心病的快速无损高精度检测提供技术支撑。

快速无损检测技术在苹果霉心病检测中的应用研究进展

苹果具有丰富的维生素与膳食纤维,是人们日常饮食中必不可少的果蔬之一。中国是苹果消费大国,且随着人们对生活品质追求的提升与对营养健康要求的提高,优质苹果的需求量逐年增加。苹果霉心病是影响苹果品质的主要病害之一,此种病害从外部无法识别,因此检测十分困难,而光谱技术、电磁技术等无损检测技术具有准确、高效、便捷、无损等优势,能够大大降低霉心病的检测难度。本文重点分析包括近红外光谱、高光谱、拉曼光谱、电子鼻、声学、电学及磁学技术在内的7种无损检测技术在苹果霉心病检测方面的应用,并对各技术的优劣势进行分析,结合当前发展迅速的人工智能(artificial intelligence,AI)技术进行探讨,对各技术在苹果霉心病快速检测领域的未来发展方向进行展望,期望为苹果霉心病的快速、无损、智能化检测方法的推广和改进提供参考。

苹果霉心病的发生及防治

苹果霉心病是一种果实表面无明显症状的真菌性病害。该病在生长期没有明显病征表现,甚至在采摘、贮存、销售期苹果果实外表大多正常,直至食用时才发现果实表皮内的病变。沂蒙山区作为苹果生产主产区之一,常年产量约72万吨。苹果霉心病也是该产区的主要病害之一,对当地苹果产业造成一定困扰。1危害症状果实内部是苹果霉心病的主要发病部位。发病初期的果实心室有零散褐色点状或条形小斑,随着病情的蔓延,橘红色的霉状物逐渐显现,贴近心室的果肉变苦;病情逐渐加重,导致果肉腐烂。病果外部病症表现不明显,储藏期病情还可继续加重,症状从果实内部蔓延到外部,果实外部表现水渍状病斑。

基于体积修正的苹果霉心病近红外快速识别

【目的】霉心病是苹果主要的内部缺陷之一,极大影响苹果的品质,未能及时剔除将不利于苹果品牌建设,严重影响苹果产业发展。为实现霉心病精准快速识别,提高霉心病果识别正确率,笔者探索不同摆放姿态下经苹果体积修正后对苹果霉心病检测的影响,探索不同体积修正方法对苹果霉心病检测的影响。【方法】利用近红外光谱技术获取苹果在不同摆放姿态和90°模式下的光谱,利用β系数圆球体积法、纵径横径体积法对三种不同摆放姿态的苹果样品光谱进行体积修正,采用去趋势(Detrend)、基线校正(Baseline)、二阶导数(Second Derivative,SD)、标准正态变量变换(Standard Normal Variate,SNV)方法对原始光谱进行预处理,应用支持向量机(Support Vector Machine,SVM)方法建立苹果霉心病判别模型。【结果】在果梗向上姿态下,与未进行体积修正模型精度较好的光谱相比,经β系数体积法和纵径横径体积法进行体积修正的光谱其敏感性和特异性提升效果不佳,可能是在体积修正时部分光谱的重要信息丢失;在果梗向前姿态下,采用纵径横径体积法和SD预处理的模型有最佳的性能,其校正集敏感性为0.9784、特异性为0.9626、正确率为0.9694,预测集敏感性为0.8510、特异性为1、正确率为0.9306,与未经体积修正和β系数体积修正相比,采用纵径横径体积法进行体积修正的效果最好,其模型的敏感性和正确率均有所提高;在果梗向右姿态下,经纵径横径体积法和基线校正预处理的模型有最优的性能,其校正集敏感性为0.9139、特异性为0.9252、正确率为0.9082,预测集敏感性为0.8297、特异性为1、正确率为0.9207,采用纵径横径体积法进行体积修正的光谱所建立的SVM模型效果最好,其敏感性和正确率提升显著。【结论】在三种摆放姿态下,纵径横径体积法对霉心病检测的提升效果比β系数圆球体积法效果好。本研究提供了一种基于近红外光谱和不同光照模式信息融合的苹果霉心病快速无损识别的新思路,该方法也可为其他水果的内部品质无损检测提供参考。

中华寿桃霉心病的综合防治技术

中华寿桃是河北省平山县的特色晚熟桃品种之一,2003年从我省保定市满城区引进我县,至今已有近20年栽培历史。中华寿桃生长期长,果实品质好,经济价值较高,在平山县发展面积近万亩,成为中华寿桃生产基地。霉心病作为晚熟桃主要病害,由于对该病认知不足,病果率在20%左右,危害严重的可达40%以上,损失较大。调查发现,早熟桃没有霉心病危害,晚熟桃映霜红基本没有霉心病危害,而中华寿桃桃霉心病危害严重。

基于主成分分析的苹果霉心病近红外漫反射光谱判别

为了探讨利用近红外漫反射光谱技术判别苹果霉心病的可行性,将健康苹果和霉心病苹果的近红外光谱经不同光谱预处理方法处理,将主成分分析提取的主成分作为自变量,对苹果霉心病进行了判别研究。结果表明,光谱经矢量归一化处理后提取到的20个主成分建立的Fisher判别函数判别率最高,性能稳定,建模集正确判别率为89.9%,对检验集正确判别率为87.8%。

基于特征光谱的苹果霉心病无损检测设备设计

针对现有农产品内部品质无损检测多采用宽波段光谱技术,集成应用光谱仪与计算机完成品质分析,存在成本高、能耗大、分析过程复杂以及光谱信息冗余等问题。该文结合苹果霉心病在果心发病的特征,采用透射光谱检测方式,设计实现了基于窄带LED光源与光敏二极管的苹果霉心病无损检测设备。通过霉心病发病特征的分析可得果径和特征光谱波段的透射强度是进行霉心病检测的关键影响因素,设计光谱特性试验,对多组宽波段光谱数据采用相关性分析法得到特征光谱波段为690～730 nm。设计果径与透射光谱信息采集的基础平台,该平台包括LED光源及其驱动模块、光电转换与检测模块以及基于丝杠滑台组件与限位传感器的果径在线测量模块;采用基础平台对样品进行数据获取,以果径与透射光谱强度值为输入,建立基于误差反向传播网络的霉心病判别模型。结果表明,采用该文所述测试试验样本进行验证,设备判别准确率达到95.83%。该研究结果表明,基于特征光谱采用LED光源的霉心病无损检测方法是可行的,可为其他果品内部病害的检测提供借鉴思路。

苹果霉心病可见/近红外透射能量光谱识别方法

针对苹果霉心病从外表无法识别的难题,提出基于可见/近红外透射能量光谱进行快速无损识别的模型和方法。在200-1 100 nm波段内采集了200个苹果的透射能量光谱数据,随机选取140个样品作为训练集,剩余60个样品作为测试集。用平滑法和多元散射校正对光谱数据进行预处理。基于全光谱、连续投影算法（SPA）提取的12个特征波长、主成分分析（PCA）提取的9个主成分,分别建立了偏最小二乘判别法、误差反向传播人工神经网络和支持向量机（SVM）识别模型。实验结果说明,应用PCA-SVM建立的模型识别性能最优,该模型对测试集和训练集中霉心病果和健康果的识别正确率分别为99.3%和96.7%。基于SPA和PCA所建模型的输入变量数仅相当于基于全光谱所建模型输入变量数的0.99%和0.74%,极大降低了模型的复杂度。研究结果表明,该方法是可行的且具有较高识别准确度,为苹果在线内部品质分级和便携式苹果霉心病检测仪的研究提供了技术依据。

基于生物阻抗特性分析的苹果霉心病无损检测

为建立一种苹果霉心病的无损检测方法,运用LCR测试仪在100Hz^3.98MHz频率、1V电压、(20±1)℃恒温条件下测定和比较富士苹果霉心病果和好果的7个阻抗参数变化规律及3个理化品质指标。结果表明:随着频率的增加,果实的复阻抗Z和并联电阻R p下降,电纳B和电导G增加,lgZ、lgB分别与lgf呈极显著(R2>0.99)线性关系,果实的复阻抗相角θ、并联电容C p的对数值和损耗系数D的对数值均呈起伏式变化,并依次有1、2、3个转折点。霉心病未改变果实各阻抗参数随频率的变化趋势,却使果实复阻抗Z减少,B和C p增大。采用稀疏主元分析(SPCA)筛选出组成14个有效主元的27个非零加载系数的阻抗参数,分别选取支持向量机(SVM)和人工神经网络(ANN)作为分类器,以SVM对霉心病的识别效果更稳健,经过10轮交叉验证的分类实验对霉心病果和好果的正确识别率达到94%,确定了所筛选特征阻抗参数的有效性和SPCA-SVM信息分析软件用于霉心病识别的可行性。同步理化品质测定表明,霉心病果的密度和可溶性固形物含量较好果下降,这是霉心病果阻抗特性改变的理化基础。

基于深度信念网络的苹果霉心病病害程度无损检测

针对现有霉心病无损检测只能检测出有无病害,无法对病害程度进行判断的问题,研究并提出一种基于深度信念网络(deep belief net,DBN)的无监督检测模型。该模型由多层限制玻尔兹曼机(restricted Boltzmann machine,RBM)网络和1层反向传播(back propagation,BP)神经网络组成,RBM网络实现最优特征向量映射,输出的特征向量由BP神经网络对霉心病病害程度分类。对225个苹果样本在波长200~1 025 nm获取其透射光谱后,根据腐烂面积占横截面比例将霉心病害程度分为健康、轻度、中度和重度4种,分别用150个和75个样本作为训练集和测试集,以全光谱数据和基于连续投影算法提取的特征波长数据为输入构建病害程度判别模型,并比较DBN模型与偏最小二乘判别分析、BP神经网络和支持向量机模型的识别效果,实验结果表明,DBN模型病害判别准确率达到88.00%,具有较好的识别效果。

苹果霉心病菌的侵染过程

苹果霉心病致病菌链格孢(Alternaria alternata)经花柱侵入,自花朵开放时开始侵染。自初花至落花期,70％花柱被链格孢定殖。元帅系品种,从落花后3周至果实采收,定殖于花柱的病菌通过萼筒心室间组织陆续进入心室。采收以后,在常温贮藏条件下,继续向心室蔓延。

基于透射光谱的苹果霉心病多因子无损检测

针对目前苹果霉心病难以检测的问题,提出一种基于透射光谱的苹果霉心病多因子无损检测方法,通过融合多波段透射光谱与苹果直径,构建苹果霉心病判别模型,实现了苹果霉心病无损检测。搭建光谱测试范围在200~1？025？nm的透射光谱采集平台,实验获取232个苹果样本的透射光谱数据,采用游标卡尺获得苹果直径数据。采用杂散光校正,非线性校正对苹果透射原始光谱进行预处理,选取与霉心病发病相关的12个波段透射光强值,结合苹果的直径进行主成分分析,将分析的结果作为自变量,建立苹果霉心病Fisher判别模型。经过异校验验证,模型总体识别率为93.1%,而仅采用透射光谱构建的模型识别率为91.37%。结果表明,基于透射光谱与直径结合的多因子检测方法可实现苹果霉心病的准确判定,为苹果霉心病的快速、无损检测提供可行思路。

苹果霉心病病原研究

１９８９－１９９３年，在甘肃苹果产区采集红星或元帅品种病果和无症状果实，逐果取果心组织分离，获得３０余个真菌分离物，以链格抱（Ａｌｔｅｒｎａｒｉａａｌｔｅｒｎａｔａ）出现率最高，占５１．３％；其次为粉红单端孢（Ｔｒｉｃｈｏｔｈｅｃｉｕｍｒｏｓｅｕｍ）、棒盘孢（Ｃｏｒｙｍｅｕｍｓｐ．）、节孢状镰刀菌（Ｆｕｓａｒｉｕｍａｒｔｈｒｏｓｐｏｒｉｏｉｄｅｓ）、狭截盘多毛孢（Ｔｒｕｎｃａｔｅｌｌａａｎｇｕｓｔａｔａ）等，依次占１１．８％、１２．０％、８．９％、７．９％。每个单果大多是只能分离出一种菌，少数出现２一３种菌。不同症状的果实，出现的真菌种类不同，霉心果以链格孢出现率最高，占６０％－８０％；心腐果中链格孢出现率显著较少，占１０％－３０％；而粉红单端孢、节孢状镰刀菌、棒盘孢、狭截盘多毛孢等５种菌的出现率较高，占７．８％－２５．５％。用果心不带菌的果实人工接种，对１２种分离物进行致病性测定看出，不同菌株之间致病力有明显差异，致心腐的病菌主要有５种，分别是粉红单端孢、棒盘孢、节孢状镰刀菌、狭截盘多毛孢和一种不产孢的浅色丝状菌。链格孢主要致霉心症状。混合接种试验表明，如有几种真菌进入果心，则致病性强的一种首先占据优势，?

枯草芽孢杆菌XM16菌株制剂对苹果霉心病的防治及病原的抑制作用

从苹果树体上分离得到枯草芽孢杆菌 [Bacillussubtilis(Ehrenberg) Cohn]XM16颉颃菌株。室内测定其带菌培养液对 Alternaria alternata、Trichothecium roseum和 Fusarium sp.3种苹果霉心病主要病原的抑制作用均为 10 0 % ,而 XM16菌株 50倍的灭菌制剂 ,对上述 3种病菌的抑制效果分别为 92 .5%、86 .5%和 92 .2 %。其抑菌机理主要是使病菌孢子和菌丝畸变 ,细胞壁溶解 ,原生质泄漏。1997年和 1998年连续两年对苹果霉心病进行小区防治试验 ,北斗和红星品种霉心病的病果率分别为 6 .8%、6 .5%和 6 .0 %、5.4 % ,而对照的发病率分别为 4 8.0 %、4 5.5%和 50 .6 %、4 3.0 % ;XM16制剂处理的防治效果分别为 85.8%、85.7%和 88.1%、87.4 % ,明显高于化学药剂处理的 2 1.9%、30 .1%和 2 6 .9%、2 0 .9%的效果 ;两年的试验结果基本一致。

不同品种苹果对苹果霉心病的抗性差异及生理生化机制研究

为明确不同品种苹果对苹果霉心病的抗性差异以及不同防御酶在苹果防御霉心病过程中的作用,田间调查研究不同苹果品种的霉心病发病率,同时室内创伤接种测定不同苹果品种接种霉心病2种致病菌链格孢菌(Alternaria alternata)和粉红单端孢菌(Trichothecium roseum)后的发病面积以及果实防御酶活性的变化。结果表明:田间自然条件下不同苹果品种霉心病发病率不同,顺序为‘嘎啦’、不套袋‘金冠’<套袋‘金冠’<套袋‘红富士’<不套袋‘红星’。套袋后‘金冠’苹果的萼筒开张率升高,霉心病的发病率与苹果萼筒开张率呈显著正相关。室内接种链格孢菌后‘嘎啦’的发病面积最小,‘红星’次之,‘金冠’再次,而‘红富士’最易感病,发病面积最大;接种粉红单端孢菌后‘金冠’最为抗病,发病面积最小,‘嘎啦’和‘红星’次之,而‘红富士’发病面积最大。接种链格孢菌后不同品种的罹病组织中,‘嘎啦’的过氧化物酶(POD)活性最高,其次为‘金冠’,然后为‘红星’,最低的是‘红富士’。接种粉红单端孢菌后,不同品种的病健交界部的POD活性‘嘎啦’>‘金冠’>‘红富士’和‘红星’。不同苹果品种接种粉红单端孢菌和链格孢菌后果实不同部位多酚氧化酶(PPO)活性相对于各自对照均明显升高,但是不同品种增加幅度的顺序为‘嘎啦’>‘金冠’>‘红星’>‘红富士’。‘嘎啦’、‘金冠’以及‘红星’苹果接种粉红单端孢菌和链格孢菌后过氧化氢酶(CAT)活性相对于对照显著降低,而‘红富士’果实接种2种致病菌后CAT活性升高。上述结果表明,苹果霉心病的发病率与萼筒开张率呈显著正相关,套袋会导致果实萼筒开张率增大。‘嘎啦’对链格孢菌抗性最强,‘金冠’对粉红单端孢菌抗性最强,‘红富士’对2种病原菌的均表现为最易感病。POD、PPO以及CAT在苹果防御霉心病过程中起着重要的作用。

考虑直径影响的苹果霉心病透射光谱修正及检测

针对苹果霉心病近红外透射光谱信息受果实直径影响的难题,提出了一种能够修正果实直径对透射光谱影响的方法。基于透射光谱采集平台获取327个红富士苹果的可见/近红外光谱(350～1 100 nm)信息,采用电子游标卡尺获取其直径(光程)信息。以直径为80 mm健康苹果的平均光谱作为参考光谱,将327个苹果的光谱与参考光谱进行比较,结合直径信息利用公式求得透射光在果实内的衰减系数P,用衰减系数P进行透射光谱的修正。修正后光谱建立支持向量机(SVM)模型、误差反向传播神经网络(BP-ANN)模型,并与修正前原始光谱建立模型进行对比。实验结果表明,应用此光谱修正方法能够显著提高模型判别精度,其中应用SVM算法对修正后的光谱建立模型效果最好,对训练集和测试集的判别准确率分别为99. 34%和90. 20%,相对于原始光谱建立的模型判别准确率分别提高了7. 84和5. 89个百分点。基于此方法修正果实直径对于透射光谱的影响是可行的,构建的模型能够实现苹果霉心病的准确判别。