基于高光譜成像的病蟲害識(shí)別研究*
——以“柑橘”為例

譚明 周潤苗 龐小寧 曾佳瑤 柳春波 張樹帆

(湖南應(yīng)用技術(shù)學(xué)院,湖南常德 415101)

0 引言

我國是農(nóng)業(yè)大國,農(nóng)業(yè)是經(jīng)濟(jì)發(fā)展的重頭戲,南方水果種植是產(chǎn)業(yè)發(fā)展重要項(xiàng)目之一,其中柑橘在我國南方水果種植產(chǎn)量中占有舉足輕重的地位。病蟲害是影響柑橘生長的主要因素之一,嚴(yán)重的病蟲害威脅到柑橘的產(chǎn)量,造成大額損失,所以解決病蟲害是提高柑橘產(chǎn)量最迫切需要解決的問題。病蟲害最顯著的特點(diǎn)是,種類多,影響大且長期發(fā)生。當(dāng)柑橘出現(xiàn)較嚴(yán)重病蟲害時(shí),容易造成減產(chǎn)甚至絕收從而影響農(nóng)民的收入并且對相應(yīng)地區(qū)的經(jīng)濟(jì)發(fā)展有一定的阻礙。

本實(shí)驗(yàn)通過高光譜成像技術(shù)能夠早期預(yù)測植物病蟲害的程度,將高光譜成像技術(shù)與小程序結(jié)合實(shí)現(xiàn)病蟲害識(shí)別的觸手可及。這樣能大大提高農(nóng)林工作者的工作效率,真正做到了植物病蟲害的早防早治,降低不必要的經(jīng)濟(jì)損失,甚至對于一些科研人員也是有很大幫助的。

1 材料與方法

1.1 實(shí)驗(yàn)材料

在湖南省常德市石門縣,選擇3～5年生的石門柑橘作為實(shí)驗(yàn)材料。采集有柑橘潰瘍病發(fā)病果實(shí)的葉片和沒有發(fā)病果實(shí)的葉片作為實(shí)驗(yàn)樣本。采集35株不同發(fā)病程度果樹上的葉片,每一株采集10片左右的葉片,一共采集350片。采集15株未發(fā)病果樹的葉片,每一株采集10片左右的葉片,共150片。采集后用去離子水清洗葉片并擦干,裝自封袋并標(biāo)號(hào),壓平整后采集高光譜圖像[1]。

1.2 高光譜成像系統(tǒng)

高光譜成像系統(tǒng)主要部件有高分辨率光柵光譜儀、CCD攝像機(jī)、一維電移臺(tái)、暗箱等。光柵分光技術(shù)與CCD影像技術(shù)結(jié)合能夠快速的獲取影像光譜,由于面陣探測器每幀圖像數(shù)據(jù)就是一個(gè)水平方向的光譜數(shù)據(jù),一維電移臺(tái)的運(yùn)動(dòng)以一定速率連續(xù)記錄光譜圖像,就可獲取二維光譜圖。

1.3 圖像采集

采集高光譜圖像數(shù)據(jù)之前要對參數(shù)進(jìn)行調(diào)整,以保證圖像清晰并避免失真。最終確定曝光時(shí)間為50ms,圖像采集速度為3.24mm/s,掃描距離200mm。將樣品放置在一維電移臺(tái)上,使得樣品與攝像機(jī)的垂直方向做縱向掃描,達(dá)到掃描距離后拿到樣品的光譜信息值。完成圖像采集。

1.4 黑白標(biāo)定

為避免光照不均勻和暗電流導(dǎo)致圖像的噪聲過大,為減少噪聲影響使用黑白標(biāo)定方法得到矯正后的圖像。蓋上攝像機(jī)鏡頭掃描全黑圖像得到全黑標(biāo)定數(shù)據(jù),掃描全白圖像獲得全白數(shù)據(jù)[2]。

根據(jù)以下公式得到矯正后的高光譜圖像:

R表示標(biāo)定后的數(shù)據(jù);R0表示原始數(shù)據(jù);R1表示全黑數(shù)據(jù);R2表示全白數(shù)據(jù)。

2 高光譜測試結(jié)果與分析

2.1 特征光譜提取與分析

將獲取到的光譜圖像通過固定閾值法進(jìn)行分割。特征波段內(nèi)包含680個(gè)波長,使用SPSS19軟件分析尋找特征波段。

觀察柑橘潰瘍病害區(qū)域每個(gè)像素點(diǎn)的不同波長下的光譜信息,為了使樣本感興趣區(qū)域(ROI)更具有代表性,每個(gè)ROI由80～100個(gè)像素點(diǎn)組成[3]。450～690nm光譜反射率逐漸升高,在690～720升高速度加快。這是由于距離病斑中心越近,葉綠素含量越來越少。反射率變高。720～850nm逐漸緩慢,850～1000nm趨于平穩(wěn)。

2.2 特征波段主成分分析

對有潰瘍病和正常的兩種葉片的光譜值進(jìn)行馬氏距離計(jì)算,馬氏距離值越大表示表示此波段兩種葉片區(qū)分度越高[4]。選取的特征波長點(diǎn)為:410.1nm、510.9nm、575.4nm、600.88nm、695.05nm、732.56nm、740.04nm、940.5nm、960.62nm、998.97nm。實(shí)驗(yàn)結(jié)果可知510.9nm、575.4nm、600.88nm、998.97nm波長點(diǎn)的兩種葉片區(qū)分程度高。

2.3 Fisher線性判別分析

Fisher線性判別的主要步驟是將各類葉片訓(xùn)練集光譜進(jìn)行歸一化處理,計(jì)算各類的類內(nèi)離散度以及各類總離散度。在葉片測試集光譜中進(jìn)行歸一化處理投影并根據(jù)門限判斷測試集類別。

Fisher判別的基本思路就是投影,針對N維空間中的某點(diǎn)x=(x1,x2,x3,…,xn)尋找線性函數(shù)y(x)使它降為一維數(shù)值[5]。

實(shí)驗(yàn)過程中使用Fisher判別分析,用來確定所選擇的特征波長光譜反射率是否可用于潰瘍病的識(shí)別。通過SPSS19軟件樣本進(jìn)行判別類別分析[6],得到判別系數(shù)如下表1所示。

表1 Fisher線性判別系數(shù)Tab.1 Fisher linear discriminant coefficient

潰瘍病對應(yīng)的判別方程:

圖1 判別分析散點(diǎn)圖(紅色區(qū)域?yàn)橛袧儾?綠色區(qū)域正常)Fig.1 Scatter diagram of discriminant analysis(red area is ulcerative disease, green area is normal)

Y=422.562X1-40.068X2-83.362X3-183.055X4+31.300X5-726.303X6-520.059X7-618.244X8-101.227X9+309.541X10

(X1、X2、X3、X4、X5、X6、X7、X8、X9、X10分別表示病斑在410.1nm、510.9nm、575.4nm、600.88nm、695.05nm、732.56nm、740.04nm、940.5nm、960.62nm、998.97nm處的光譜反射率)

判別分析散點(diǎn)圖如圖2所示:

將10個(gè)預(yù)測樣本代入方程式,預(yù)測結(jié)果均為正確判別。所以說明所選的特征波段光譜反射率可用于柑橘潰瘍病的識(shí)別。

3 高光譜成像系統(tǒng)與小程序

將高光譜系統(tǒng)測試后的特征波段的數(shù)據(jù)上傳到小程序數(shù)據(jù)庫中用于判別當(dāng)前植物有哪種病害。以柑橘為例,柑橘常見的病害有潰瘍病、黃龍病等。將有這些病癥的柑橘的葉片通過高光譜成像系統(tǒng)檢測,獲取特征波段,建立數(shù)據(jù)庫并將數(shù)據(jù)特性保存。

開發(fā)一款小程序,將獲取到的有數(shù)據(jù)特征的數(shù)據(jù)庫上傳到云開發(fā)中的云數(shù)據(jù)庫里面。編寫相關(guān)代碼,判別當(dāng)前數(shù)據(jù)內(nèi)容屬于柑橘的何種病癥,并輸出病癥的相關(guān)信息。

通過實(shí)驗(yàn)獲取不同植物的不同病害的特征波段的信息,建立判別模型。高光譜成像系統(tǒng)就可以應(yīng)用于很多植物的病害檢測。

4 結(jié)論與展望

(1)本文基于高光譜成像系統(tǒng)利用主成分分析法和Fisher判別法對正常果樹葉片和潰瘍病果樹葉片進(jìn)行判別分析,識(shí)別效果高。將判別后的光譜波段保存到云數(shù)據(jù)庫中可通過小程序調(diào)用。

(2)本實(shí)驗(yàn)處于實(shí)驗(yàn)的研究階段,其中基于高光譜系統(tǒng)采集到的數(shù)據(jù)量大,處理時(shí)間長。因?yàn)楦涕俚牟“Y有很多種,有些病癥的光譜信息可能并不適合使用某種判別法,數(shù)據(jù)的處理方式可能要分為多種。如需要實(shí)現(xiàn)在線檢測,仍需要優(yōu)化。通過實(shí)驗(yàn),本文得到了4個(gè)特征波長用于柑橘潰瘍病的類別識(shí)別。其中可見光波段3個(gè)(510.9nm、575.4nm、600.88nm),近紅外光波段1個(gè)(998.97nm)?；谶@些特征波段進(jìn)行特征波段主成分分析,克服了通常單次主成分分析中由于存在較多的波段而無法使用這種方法應(yīng)用于在線檢測的弊端[7]。

(3)利用高光譜圖像識(shí)別技術(shù)可以較好地識(shí)別柑橘潰瘍病,但設(shè)備昂貴。所以如果要在普通果農(nóng)中推行,需要開發(fā)出能適用于田間的光譜系統(tǒng)。