基于光谱-纹理特征的辣椒早疫病潜育期高光谱图像检测识别

目的早疫病是茄科作物生长过程中的一种常见破坏性病害,严重时会导致作物欠收而损失严重,传统的作物病害检测方法难以在病害潜育期及时发现病害特征从而采取科学有效的防治措施。本文通过高光谱成像仪连续监测从而获得不同感染期辣椒早疫病的高光谱图像,利用光谱角余弦-相关系数和切比雪夫距离确定了辣椒早疫病潜育期最早可识别时间(本实验潜育期最早可识别时间为接种后24h)。方法以辣椒早疫病潜育期病状作为研究对象,采用遗传算法筛选出13个特征波长,经特征波长优化组合并结合逻辑回归模型建立基于光谱特征的作物病害潜育期病状识别模型。同时,利用局部二值模式建立基于图像纹理特征的辣椒早疫病潜育期识别模型。结果实验以120个样本进行测试,基于光谱特征的作物病害潜育期病状检测识别模型在训练集和测试集的准确率均达到93%以上,基于纹理特征的作物病害潜育期病状检测识别模型在训练集和测试集的准确率分别达到了98.96%和100%。结论利用光谱特征或者纹理特征均可实现作物病害潜育期病状的检测识别,纹理特征相比光谱特征更显著地揭示了病害潜育期特征,有效提升了模型检测性能。本文研究成果可为其他作物病害潜育期病状的监测识别提供理论参考。

高光谱图像结合卷积神经网络的马铃薯干腐病潜育期识别

马铃薯是世界第四大粮食作物,具有丰富的营养价值。但其在贮藏和运输过程中易被镰刀真菌侵染而产生干腐病,最终造成巨大资源浪费和经济损失,因此实现马铃薯干腐病的早期快速无损检测是必要的。在样品被病原菌侵染时,经历了健康—潜育期—轻度病害—重度病害的阶段,其中潜育期的样品难以识别,主要源于病害发生时间较短,表面未形成肉眼可见的病斑,与健康样品相似。为了实现马铃薯干腐病潜育期的识别,结合高光谱成像和深度学习展开马铃薯干腐病早期诊断研究。以健康和不同腐败程度马铃薯为实验对象,获取健康和不同病害等级的马铃薯高光谱图像。然后基于ENVI人工选取健康部位和不同腐败程度样品的病斑部位为感兴趣区域(ROI),并计算ROI的平均光谱值作为该样品的最终光谱信息。以光谱数据作为输入变量,病害等级作为输出变量,建立卷积神经网络(CNN)模型,并对其网络结构进行优化,对比分析不同模型的预测结果,筛选出最优网络层模型为Model_3_3。并基于此结构进行学习率的优化,得到Model_0.0001识别效果最好,其总体准确率、精度、灵敏度和特异性分别为99.68%、99.76%、98.82%、99.54%。为了进一步突显CNN应用于马铃薯干腐病潜育期识别的优势,建立了最小二乘支持向量机(LS-SVM)、随机森林(RF)、K-近邻法(KNN)和线性判别分析(LDA)模型。结果显示,四种常规算法模型的识别准确率分别为90.77%、92.30%、93.10%和92.34%,其中对潜育期样品识别率分别为91.00%、85.58%、94.18%和90.33%。对于总体准确率,CNN模型较几种常规方法提高了6.58%~8.91%;对于潜育期样品的识别,CNN模型较常规方法提高了5.55%~14.15%。研究表明,高光谱成像技术结合CNN可以有效实现马铃薯干腐病潜育期识别,为提高马铃薯病害早期诊断的智能化水平提供了参考方法。

辣椒早疫病潜育期的光谱特性判别方法

辣椒早疫病是影响辣椒安全生长的常见生物灾害,具有突发性和易感性等特点,容易引发大的经济损失。在辣椒生长过程中,针对病害潜育期侵染情况进行科学监测预警是保证作物健康生长的重要前提。利用400~1000 nm波段的高光谱图像结合光谱相似性测度方法建立作物病害潜育期的光谱特性判别方法。针对接种早疫病病菌的辣椒叶片和健康叶片,用高光谱成像仪连续动态监测其不同感染期的高光谱图像。对试验采集的一系列高光谱图像提取感兴趣区的平均光谱,通过卷积平滑、多元散射校正以及最大最小归一化方法(SG-MSC-MMN)预处理,进而提出以光谱角余弦-相关系数和切比雪夫距离两种测度作为早疫病潜育期的光谱特性评价参数。最后利用主成分分析(PCA)验证潜育期的光谱特性判别方法效果,实现样本潜育期的可视化分布。试验结果显示:利用光谱角余弦-相关系数与切比雪夫距离作为辣椒早疫病潜育期的光谱特性评价参数并分别建立相应的判别方法是可行的,且根据这两种判别方法得到的辣椒早疫病潜育期最早可识别时间均为接种后24 h。根据PCA绘制得到接种24 h时的健康-接种样本空间分布情况,分别验证所提出的两种基于光谱特性的潜育期最早可识别时间判别方法。建立的辣椒早疫病潜育期最早可识别时间判别方法可推广应用于其他作物病害潜育期的监测识别,为作物病害潜育期的科学防治提供理论参考与方法借鉴。

温度和品种抗性对烟草青枯病潜育期的影响

为揭示烟草青枯病的发生流行规律,采用稀释涂布平板法确定菌悬液浓度,以K326、红花大金元、云烟85和云烟87为试验材料,利用盆栽试验筛选最佳接种方法,进而确定影响烟草青枯病侵染阈值和潜育期的关键因子。结果表明,采用菌悬液蘸根是烟草青枯病菌的最佳接种方法,与灌根法比较,蘸根法的发病时间可提早8 d;通过系列浓度梯度的菌悬液接种试验,明确了烟草青枯病的侵染阈值为3×102cfu/mL;人工气候箱盆栽试验结果显示,4个烟草品种表现出相似的发病规律,即烟草青枯病潜育期受温度影响较大,表现出潜育期随温度的升高而缩短。在最适发病期内,因品种抗性的差异,烟草青枯病潜育期为20~28 d,平均24 d,抗病性越高,潜育期越长;反之则越短。

苹果黑星病潜育期及其病原菌产孢量研究

2002至2004年间,对苹果黑星病潜育期及其病原菌产孢量研究结果表明,苹果黑星病在嘎啦、富士、秦冠3个品种上的潜育期分别为11.1 d、13.2 d、15.7 d;温度对潜育期有很大影响,日平均温度为18℃时,最适宜发病;病菌在3个品种叶片上的产孢量存在显著差异,其产孢量分别为2.8263×104、7.4168×103和1.1465×103孢子/mm2。

花生褐斑病菌和网斑病菌混合侵染对侵染概率和潜育期的影响

[目的]花生褐斑病和网斑病是花生生产上主要病害,两种病害田间混发现象普遍,造成了严重的产量损失。论文旨在研究花生褐斑病菌(Cercospora arachidicola)和网斑病菌(Phoma arachidicola)混合侵染过程中,不同因子对侵染概率和潜育期的影响,探讨病害间的相互关系,为制定多病虫害综合治理体系方案提供理论依据。[方法]在不同生育期、接种浓度和叶面保湿时间处理下,对白沙1016混合接种褐斑病菌和网斑病菌,分析不同因子对花生褐斑病菌和网斑病菌侵染概率的影响,探索病菌混合侵染与其侵染概率和潜育期的关系。[结果]单独接种2种病菌,其侵染概率均随花生生育期的延长而增加,即始花期<盛花期<开花末期。在同一生育期接种,随着保湿时间延长,接菌量增加,侵染概率逐渐增大。2种病菌混合接种其侵染概率有显著差异,混合接种较单独接种侵染概率均相应降低,并随着接种量的增加、生育期和保湿时间的延长,混合侵染概率较单一接种下降明显。不同生育期单一病菌接种,2种病菌的潜育期存在差异,在始花期和开花末期,褐斑病潜育期均为20 d,而在盛花期为16 d;网斑病在始花期潜育期较长为10 d,而在盛花期和开花末期均为7 d。潜育期的长短可能受叶片龄期和衰老程度的影响,病害潜育期在生育前期较长,后期相对较短,而受冠层温湿度的影响不大。混合侵染在一定程度上延长了病菌的潜育期。在始花期,混合接种褐斑病菌和网斑病菌的潜育期分别较单独接种长2 d和5 d;而在盛花期和开花末期,混合接种褐斑病菌潜育期比单独接种分别延长了4 d和2 d,网斑病潜育期没有发生明显改变,均为7 d。[结论]单独接种花生褐斑病菌和网斑病菌,侵染概率均随着生育期和保湿时间的延长和接种菌量的增加而增大,混合接种与单一接种相比,混合病菌侵染其侵染概率均较单独侵染有所降低,潜育期延长。花生褐斑病和网斑病潜育期的长短除受病菌与寄主互作影响外,可能受叶片龄期和衰老程度影响,而与冠层温湿度关系不大。

红外热成像与近红外光谱结合快速检测潜育期番茄花叶病

现有的番茄花叶病无损检测方法无法在潜育期内,即显症之前进行早期识别导致施药不及时或者盲目过度施药。设计与试制了红外热成像信息采集系统,主要包括:光箱、红外热成像仪、温度及升降控制器、加热板和升降载物台。该系统能够根据温度起止节点的要求,人为调节拍摄温度。在江苏大学现代农业装备与技术省部共建重点实验室Venlo型温室中进行非抗病性番茄品种辽宁农科院L-402的培育。采用叶面摩擦接种花叶病毒(Tobacccco mosaic virus,ToMV),分为轻度感染组(LI),重度感染组(SI);LI组为磷酸缓冲液稀释500倍后的病毒液接种,SI组为病毒原液接种。对照组(CG)喷施等量磷酸缓冲液。接种10d后叶片开始出现病斑,证明接种后9d为番茄花叶病的潜育期。使用红外热成像系统采集了三个组共计144个样本的红外热成像图,计算叶表最大温差(MTD)以表征潜育期内连续9d内的叶面温度变化情况。CG组叶片的MTD值差异极小,而接种后叶片MTD值随着病毒侵染时间的推进发生了显著的变化。接种6d后MTD值差异最大可达1.63℃,第7d开始差异逐步缩小,表明病毒的扩散范围增大导致病叶越来越多的区域被侵染使得整体叶温上升。光谱采集采用两种方法进行,一种是根据热像图的MTD值计算判别出温度突变区域后采集光谱,记为热像采集法(TCM);另一种是不考虑病灶位置,在叶尖、叶中、叶基三个区域分别随机选择一个点采集光谱后求平均值,记为随机采集法(RCM)。TCM确定三个光谱采集点的选择原则是:LI组接种后3,6和9d的温度突变区域平均MTD值比CG组温度分别高出0.3,0.7和0.5℃。SI组接种后3,6和9d的温度突变区域平均MTD值比CG组温度分别高出0.5,1.2,0.8℃。差值达到此标准的病灶位置才定为TCM的可选区域。对所有样本采用支持向量机(SVM)算法建立识别模型。采用主成分分析对2 151个波长点的光谱信息进行压缩,前6个主成分所对应的累积方差贡献率已到达99%。分别对感病3,6和9d的样本按照2∶1的比例划分校正集和预测集,对预测集样本的病害程度进行识别。两种方法所建立的模型的总识别率分别为92.59%和99.77%。采用TCM建立的光谱识别模型中仅有接种后3d的一个LI组样本未能识别出来,被误判成CG组样本外,其余组识别率均达到了100%。结果表明近红外光谱法识别番茄花叶病是可行的。采用红外热成像结合近红外光谱法能够建立识别率更高的番茄花叶病潜育期识别模型,克服点源采样随机性,对后续管控流程和突破作物早期精准用药的关键技术探索,建立更为精准的温室智能施药系统提供了新的思路。

基于高光谱和集成学习的库尔勒香梨黑斑病潜育期诊断

黑斑病是危害库尔勒香梨的真菌病害之一。若在黑斑病症状显证之前实现早期诊断,对于防止病害蔓延、减少经济损失具有重要的意义。结合高光谱成像技术和Stacking集成学习算法,构建了香梨黑斑病早期快速诊断模型。获取了健康、潜育期、轻度发病和重度发病的黑斑病库尔勒香梨的高光谱图像,提取感兴趣区域内的平均光谱,经标准正态变量变换、一阶导数、二阶导数及组合预处理后,利用主成分分析进行数据降维。然后,以K最近邻法(KNN)、最小二乘支持向量机(LSSVM)和随机森林(RF)算法为基学习器,以LSSVM为元学习器,构建了黑斑病病害程度的Stacking集成学习预测模型。结果表明,随着病害程度加深,光谱反射率整体呈下降趋势,且存在显著性差异,为分类模型的建立提供了理论依据。所建模型对健康和不同病害程度黑斑病库尔勒香梨的总体判别准确率为98.28%,对潜育期香梨的判别准确率为100%。与利用单一分类器建模结果相比,总体判别准确率和潜育期香梨判别准确率分别上升5.18、23.08个百分点。结果证明,Stacking集成学习具有较强的特征学习能力,将其与高光谱成像技术结合,能实现库尔勒香梨黑斑病潜育期的识别。该结果为库尔勒香梨黑斑病的早期快速诊断和发病过程的实时监测提供了一种新的方法。

大豆灰斑病潜育期的预测模型

通过人工接种试验证明,在品种和小种组合一定时,大豆灰斑病的潜育期主要是由温度决定的,利用有效积温可以预测潜育期的动态变化。本文供试3个品种的日显证率与有效积温的关系可以用Gompertz模型描述,并获得了3个品种的显症率预测式。

萝卜病毒病潜育期与抗病性的相关性研究

48份萝卜品种(包括自交系和品系)在室内援种TuMV试验结果表明:萝卜对病毒病的抗性与潜育期呈显著正相关。抗病性不同的萝卜潜育期长短有明显差异,最长的达25天,最短的只有11天。室内鉴定与田间鉴定结果一致。因此,潜育期长短也许可作为萝卜抗病毒病的一个指标。此外,萝卜的苗期抗性与成株期一致,室内鉴定结果可用来估价萝卜对病毒病的田间抗性。

光照对松材线虫病潜育期的影响

应用相关回归方法 ,分析了黑松接种松材线虫后 ,病害的潜育期与环境中的日平均温度、日平均日照时数的关系。结果显示 ,病害潜育期与日平均温度呈极显著负相关 ,与日平均日照时数呈显著负相关。

TLBO-ELM模型的番茄灰霉病高光谱潜育期诊断

番茄叶片在感染病害后首先发生的是内在生理反应,肉眼无法观察到。叶片从被感染到出现肉眼可见病斑期间,称为叶片病害潜育期。为了实现番茄叶片表面未见明显病斑的灰霉病潜育期诊断,对接种样本进行叶片编码、跟踪、采集所有编码叶片样本1~8 d连续高光谱图像数据,建立番茄叶片样本时序高光谱数据集。采用跟踪的叶片样本出现肉眼可见病斑前几天同一位置区域的高光谱数据作为潜育期感兴趣区域进行检测分析。为了建立番茄叶片灰霉病潜育期诊断和不同病斑等级分类模型,采用基于教学优化算法(TLBO)优化极限学习机(ELM)的分类模型进行建模。通过TLBO算法优化ELM的输入权值和隐藏层的偏差,提高模型分类性能。利用高光谱成像系统在近红外高光谱波段388~1006 nm波段获取五个等级的感兴趣区域进行数据建模,共采样213个高光谱数据,其中,健康类(56个)、潜育期类(42个)、小病斑类(43个)、大病斑类(39个)和严重类(33个)。通过对比不同的光谱预处理方法,采用效果最好的小波滤波变换(DWT)对样本数据中每类数据分别滤波。DWT滤波后,在610~840 nm波段间五个等级光谱曲线能区分明显,共包含91个波长,波长数量较多。因此,采用竞争性自适应重加权抽样法(CARS)对采用DWT预处理后的光谱数据在610~840 nm波段重复3次优选特征波长,合并去除重复项后得到9个特征波段:694,696,765,767,769,772,778,838和840 nm。最后分别选取全波段FC、610~840 nm波段、CARS提取的9个特征波段建立3个分类模型FC-TLBO-ELM,DWT-TLBO-ELM,DWT-CARS-TLBO-ELM进行对比,其中DWT-CARS-TLBO-ELM检测精确度最高达100%,潜育期召回率100%,利用时间最短为0.0689 s,表明该模型可以实现番茄灰霉病潜育期高精度诊断和灰霉病病害程度高精度分类,为番茄灰霉病早期防治、精准施药提供理论依据。

土传病原菌侵染期与潜育期的简易测定方法

土传病害的研究由于植物和病原菌之间有土壤和土壤微生物的存在面变得极其复杂和困难。另外,还受着大气环境等变化的影响,因此,至今也未能产生模式化的方法。土传病原菌的侵染特征和叶面微生物不同,对于叶斑等菌可以进行离体或活体叶片的人工接种,

甘肃省苹果树腐烂病菌ITS序列分析及潜育期研究

为了明确甘肃省苹果树腐烂病菌的种类及其优势种的潜育期,通过ITS序列比对和离体枝条接种法对采自甘肃省不同地区的苹果树腐烂病菌进行了ITS序列测定、分析及潜育期研究.结果表明:甘肃省苹果树腐烂病菌有2个种,分别为Valsa mali和Valsa malicola,其中Valsa mali有2个变种,分别为Valsa mali var.mali和Valsa mali var.pyri.甘肃省苹果树腐烂病菌优势种Valsa mali的潜育期随保湿时间增加而缩短,保湿时间为72h时潜育期为74.3h;温度30℃时潜育期最短,为64.3h;潜育期随枝龄的增加而增加,嫩梢的潜育期为46.3h;光暗交替下潜育期最短,为45.3h.

小麦条锈菌、叶锈菌和白粉菌混合侵染对侵染效率和潜育期的影响

田间以百农3217小麦品种为材料,在不同菌量和保湿时间条件下,单独和混合接种小麦条锈菌、叶锈菌和白粉菌。观察了各病菌的侵染效率和潜育期,其结果表明三种病菌同时混合侵染小麦叶片时。随着接种菌量的增加和侵染条件的趋于适宜,各病菌侵染效率的下降逐渐明显。下降的原因除病菌间重叠侵染作用外,还有更复杂的拮抗效应存在。然而不同病菌混合侵染对各病菌的潜育期没有明显的影响。

高光谱和集成学习的鸭梨黑斑病潜育期快速识别方法

鸭梨黑斑病在感染早期阶段引起感染区域外观的变化很微小,肉眼难以观察,因此对其早期识别仍然是困难的。结合高光谱成像技术和Stacking集成学习算法,实现了鸭梨黑斑病的潜育期识别检测。首先,获取健康和不同腐败程度黑斑病鸭梨样品的原始高光谱图像,基于图像选取感兴趣区域(ROI),然后对提取的平均光谱数据进行一阶导数(FD)、二阶导数(SD)、标准正态变量变换(SNVT)及组合SNV-FD和SNV-SD预处理后,采用竞争性自适应权重取样法(CARS)提取特征波长的光谱信息。最后基于筛选出的特征信息分别建立最小二乘支持向量机(LS-SVM)、 K最邻近法(KNN)、随机森林(RF)和线性判别分析(LDA)分类模型。其中,预测效果最好的组合为SNV-FD-LSSVM,SNV-KNN和SNV-FD-RF,准确率分别达到94%, 88%和88%。四种算法建立的模型中,测试集准确率不低于85.00%的个数分别为5、 3、 2和0,因此优选出LS-SVM、 KNN和RF三个分类器用于后续的集成学习。为提高模型准确率,以优选出的LS-SVM、 KNN和RF三种模型作为基分类器构建Stacking学习框架,并与单一分类器建模结果进行对比分析。结果表明,集成学习模型的总体识别正确率达到了98.68%,较单一分类器模型提高了4.64%,且对潜育期样品的识别率提高了11%。证实了高光谱成像结合集成学习方法识别潜育期黑斑病鸭梨样品可行;集成模型显著提高了单一模型的准确性;为鸭梨黑斑病早期检测和病害分级提供一种新的方法,同时为深入研究集成学习算法在光谱定性中的应用奠定了一定基础。

4个烟草品种的烟草黑胫病潜育期

试验探索云南4个主要栽培烟草品种的烟草黑胫病潜育期。结果显示,红花大金元潜育期最短,为9 d;其次是云烟87和云烟85;K326潜育期最长,为21 d,不同品种对烟草黑胫病的抗性不同,抗性越高,潜育期越长,反之亦然。

降维降噪处理对番茄早疫病潜育期高光谱识别效果的影响

番茄早疫病感染性强、破坏性大,潜育期症前特征的检测识别是番茄早疫病监测预警和科学防治的关键。在实验室以离体番茄叶片作为研究对象,利用高光谱图像监测番茄叶片早疫病的病程演变情况,结合可见光图像和光谱特征进行数据分析。实验发现,番茄叶片感染早疫病后其近红外光谱平均值和红边反射率随着时间不断降低,且在接种36 h时已出现潜育期病症信息。选择接种36 h的光谱数据作为番茄早疫病潜育期的建模数据,分别利用了主成分(PCA)变换、多元散射校正(MSC)对建模数据进行光谱降维或降噪处理,进而建立梯度提升决策树(GBDT)和支持向量机(SVM)识别模型,并导入数据进行训练识别。讨论了PCA和MSC的预处理方法对梯度提升决策树(GBDT)和支持向量机(SVM)模型识别效果的影响;进一步讨论常见核函数对SVM识别模型的影响,优选出预处理方法和识别模型的组合算法。结果发现,PCA-GBDT、PCA-SVM(高斯核)、PCA-SVM(线性核)、MSC-GBDT、MSC-SVM(多项式核)这几类组合算法准确率均为95%以上,能很好的实现番茄早疫病潜育期的光谱识别;其中MSC-GBDT的识别召回率和准确率最好,而PCA-SVM(高斯核)识别效率最高。研究表明,通过降噪处理后的番茄早疫病潜育期高光谱数据减少了噪声、更加符合真实的分布、具有较大的可信数据量,配合简单的识别模型会导致识别能力不足,而配合复杂的识别模型可达到一个较可靠的测试结果;通过降维算法能使番茄早疫病潜育期高光谱数据的维度降低、数据量减少;降维后的特征能够表达出病变信息,配合简单识别模型时识别效果好,而配合过于复杂的识别模型会导致识别模型的过拟合。

基于高光谱成像和卷积神经网络的‘库尔勒’香梨 黑斑病潜育期诊断研究

黑斑病是‘库尔勒’香梨贮藏期的易染病害之一,在潜育期外观无明显变化,很难直接通过肉眼进行准确识别。本研究结合高光谱成像和卷积神经网络(CNN),实现了‘库尔勒’香梨黑斑病潜育期的识别。获取健康和不同病害程度香梨样品的高光谱图像,提取感兴趣区域内光谱后,利用不同预处理方法对其进行处理,分别基于常规算法(最小二乘-支持向量机、K最邻近法、随机森林)和CNN建立病害识别模型。结果表明,与常规算法建模结果相比,CNN模型的识别效果最优。当卷积层数为3,全连接层数为3,学习率为0.0005时,CNN模型的识别效果最佳,对样品的总体识别准确率为99.70%,对潜育期样品的识别准确率为99.76%,分别较常规算法提高了12和14个百分点。该结果证实CNN模型能够显著提高对‘库尔勒’香梨黑斑病潜育期识别的准确率,为‘库尔勒’香梨黑斑病的早期诊断防治提供了1种新的方法。

猕猴桃软腐病潜育期的红外图像识别研究

猕猴桃软腐病是一种采后储藏性病害,可导致果实完全腐烂,对于猕猴桃的产量和品质影响很大。实现对受到软腐病病原侵染的猕猴桃果实进行早期检测,对于猕猴桃软腐病的监测预警和及早防治具有重要意义。为研究红外热成像技术早期检测猕猴桃病害的可行性,该研究以猕猴桃软腐病为例,在实验室环境下对猕猴桃进行软腐病病菌的接种。以健康猕猴桃果实和感染软腐病的猕猴桃果实为试验材料,利用红外热成像技术采集他们的热红外图像和果实温度,在潜育期内连续检测其热红外图像和果实温度随接种天数的变化。通过将图像导入IRSoft对比发现,接种后72 h,肉眼观察热红外图像可将受到侵染,但未显症的猕猴桃与健康的猕猴桃区分开来。经过方差分析发现健康猕猴桃和患软腐病猕猴桃的温度之间存在显著差异(P<0.05),运用数据分类判别可以通过温度数据判断猕猴桃是否患软腐病,测试集准确率为94.3%。可见,利用热红外成像技术可以在病害潜育期检测到猕猴桃受到早疫病侵染后的温度变化,热红外成像技术作为猕猴桃软腐病早期检测的方法是可行的。