基于Cubert框幅式高光谱成像仪实现茶树病虫害胁迫识别
基于高光谱遥感数据和小波分析方法实现茶树病虫害胁迫检测与识别
英文: Detection and discrimination of disease and insect stress of tea plants using hyperspectral imaging combined with wavelet analysis
研究单位
杭州电子科技大学
美国农业部
浙江水利水电学院
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，它在植物表型鉴定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%），其次是茶绿盲蝽（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侵害后进行植物表型识别的可靠而有效的工具。
研究数据
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。该成像仪采用革命性的画幅式高光谱成像技术，能够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技术及处理软件，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1 树冠和叶片层面的 GL、AH 和 SB 症状
图2 高光谱成像系统示意图
图3 基于连续小波分析的异常检测和应力判别的特征选择流程图（GL、AH、SB、NM分别表示茶小绿叶蝉、炭疽病、日灼和正常叶子）
图4 基于高光谱图像数据的茶树胁迫检测与判别技术流程
图5 三种茶树胁迫的平均反射率和标准差
图6 基于t检验尺度图的小波特征选择用于异常检测
图7 基于t检验尺度图的小波特征选择用于胁迫判别
图8 叶片异常区域检测过程的演示
图9 茶树鉴别的混淆矩阵
图10 茶叶胁迫识别结果
研究结论
该研究旨在检测和区分三种症状相似的茶树胁迫，包括茶绿盲蝽、炭疽病和日灼伤。随后，提出并验证了一种逐步检测和区分茶树胁迫的方法。研究的主要结论如下：(1) 在茶绿盲蝽、炭疽病和日灼伤胁迫下，茶叶异常区域显示出明显的光谱变化。然而，不同胁迫之间的光谱特征相对相似。(2) 通过连续小波分析和严格特征敏感性分析，获得了用于胁迫检测的最佳光谱特征集（WFA04、WFA05、YSV、RMV和Width）和用于区分的特征集（WFS01-07）。(3) 建立了一个逐步程序，结合已识别的最佳光谱特征、图像聚类和机器学习算法，整体识别精度超过90%。可见，高光谱成像技术成为了一种在病害和昆虫侵害后进行植物表型识别的可靠而有效的工具。
原文链接：https://doi.org/10.1016/j.compag.2022.106717
