農作物病害診斷方法現狀和展望

杜英杰, 宗哲英, 王 禎, 苑文博, 李亞男, 吳 晗

(內蒙古農業(yè)大學機電工程學院,內蒙古呼和浩特 010018)

我國是農業(yè)生產大國,耕地面積占世界耕地面積的7%[1]。過去20年里,我國農產品總產量與單位生產能力在全球范圍內均位于世界前列[2]。農作物病害是農業(yè)生產上重要的生物災害,具有種類多、影響大、時常暴發(fā)成災的特點,能夠準確地診斷識別病害,并針對病害種類開展對應的防控防治措施對于農業(yè)生產具有十分重要的意義。

據聯合國糧食及農業(yè)組織估計,世界糧食生產因植物病害造成的年損失約為總產量的10%[3]。全國農業(yè)技術推廣服務中心在《2022年全國農作物重大病蟲害發(fā)生趨勢預報》中指出,2022年的主要糧食作物的重大病蟲害仍呈重發(fā)態(tài)勢,預計發(fā)生面積達20.26億畝次[4]。2022年中共中央發(fā)布一號文件,即《中共中央國務院關于做好2022年全面推進鄉(xiāng)村振興重點工作的意見》,其中指出“要強化農業(yè)科技和裝備支撐。更加重視依靠農業(yè)科技進步,堅持農業(yè)科技自立自強,推進關鍵核心技術攻關,夯實農業(yè)設施裝備條件,創(chuàng)制運用新型農機裝備,健全農業(yè)防災減災體系,促進農業(yè)提質增效”[5]。由此可見,農作物病害檢測科學化、智能化既是當前農業(yè)生產發(fā)展的現實需要,也是實現“全面推進鄉(xiāng)村振興、加快農業(yè)農村現代化”的歷史發(fā)展的必然要求。

1 病害診斷依據

傳統的病害診斷主要依靠人眼觀察判斷,這種方法需要有一定的病害知識儲備和經驗作為前提,并且具有主觀性強、準確率低的缺點,容易導致誤診進而影響病害的及時防治,造成農作物的產量損失。農作物的病害種類有很多,一般可根據病害成因分為非侵染性病害、侵染性病害兩大類[6]。非侵染性病害一般是由非生物因素引起的,如氣候因素(環(huán)境低溫、高溫)和不適宜農作物的生長環(huán)境(土壤中的礦物質元素、水分)引起的農作物病害。侵染性病害是指由生物(細菌、真菌、病毒等)侵染引起的農作物病害。病害發(fā)生后通常會引起農作物生理機能失常、失調,主要表現為作物的生長狀態(tài)發(fā)生改變,進而引起作物發(fā)育不良、枯萎或死亡。目前,農作物病害的診斷一般基于檢測病害的成因和通過識別作物病癥表現的方法來進行,詳見表1。

表1 農作物病害的主要檢測方式和應用類型

2 基于環(huán)境成因的診斷方法

作物所處的環(huán)境是作物賴以生存生長的基礎,對作物的成長起到決定性作用。不同作物對生長環(huán)境的要求不同,當環(huán)境要素不滿足作物生長的要求時,便會影響作物發(fā)育,嚴重的可導致作物患病甚至死亡。以主要的糧食作物為例,玉米缺氮會導致苗期玉米植株矮小,葉色黃綠;在生長盛期缺氮會使玉米葉片由下而上、從葉尖沿中脈向基部變得黃枯,直至全葉枯黃變死;在生長關鍵期缺氮會導致雌株發(fā)育延遲或停止,使得果穗短小、頂部籽粒不充實、粒少粒輕,并產生空稈[7]。除了土壤營養(yǎng)元素缺乏導致的脅迫病害外,常見的病害還有因溫度原因導致的低溫凍害等。不適宜的環(huán)境不僅可以直接導致作物患病,在特定情況下,環(huán)境也可以間接促進生物病原造成的作物患病。如馬鈴薯晚疫病的病原為致病疫霉,早晚霧濃露重或陰雨連綿的天氣以及氣溫在10～25 ℃、相對濕度為75%以上的環(huán)境條件為該病害的流行條件,在此條件下致病疫霉極易繁殖孳生,馬鈴薯晚疫病一般也在這種天氣條件下大規(guī)模暴發(fā)[8]。綜上所述,準確及時地獲取環(huán)境信息可以為病害的實時監(jiān)測診斷及科學防控、指導提供必要依據。

對于非侵染性病害和部分侵染性病害,可以通過作物生長環(huán)境信息進行診斷,詳見表2。其中對于環(huán)境信息的采集,一般通過部署傳感器來實現。隨著信息技術的發(fā)展,云平臺為用戶提供了一種新的、高效率的信息整合方式,極大地節(jié)省了傳感器的信息收集、信息處理的時間成本。此外,相較于傳統傳感器,云平臺還具有數據橫向整合、直觀的數據可視化分析等突出優(yōu)勢,相較于傳統傳感器,數據收集可以更好地實現數據交互。傳感器和云平臺是支持1個完整物聯網系統而形成的核心軟硬件內容,隨著物聯網系統對數據采集過程的集成,研究者能夠省略繁瑣的采集步驟,轉而從其他角度對病害進行檢測研究,其中包括對數據分析算法的研究等。對于受環(huán)境因素促進而非主導影響的病害種類,將環(huán)境因素與其他檢測手段進行信息融合的判別模式也是主要的研究方向。除此之外,環(huán)境信息的獲取不僅局限于物聯網采集,氣象局、氣象站和高程衛(wèi)星對特定病害同樣可以起到檢測或監(jiān)測作用。

表2 基于環(huán)境信息的農作物病害診斷研究現狀

3 基于生物性成因的診斷方法

病原微生物對作物的侵染是作物發(fā)生病害的最常見因素,2020年農業(yè)農村部發(fā)布的《一類農作物病蟲害名錄》中被列為一類的農作物病害全部為由生物病原導致的侵染性病害[20],可見侵染性病害在農作物中的廣泛性和危害性。常見的侵染性病害有小麥條銹病、小麥赤霉病、馬鈴薯晚疫病和稻瘟病等。準確獲取病原微生物信息有助于對病害種類進行判斷,從而提升病害診斷的精準性和可靠性。目前在生物性成因檢測方面較為流行的技術主要有電鏡技術、生物芯片技術等。

基于生物性成因的檢測診斷方法只針對侵染性病害,詳見表3。孢子是由許多真菌、藻類和原生動物產生的一種有繁殖或休眠作用的生殖細胞,在適宜情況下可以發(fā)展為導致病害的病原個體,通過研究田間孢子的生長情況有助于對農作物病害進行檢測與評估。同時,由于孢子生殖是某些病害病原個體的繁殖方式,因而通過對孢子情況的監(jiān)測研究有助于了解農作物病害的發(fā)展趨勢。在研究病菌孢子數與病害、病情的關系時,通常借助孢子顯微圖像,基于圖像處理技術對其進行計數。對于田間病害種類的直接檢測,更便捷的方法是采用聚合酶鏈式反應(PCR)檢測技術,該檢測方式相較于孢子檢測具有直接快速的技術特點,有助于在田間快速制備用于診斷各種植物病害的分子診斷樣品。

表3 基于生物病原信息的農作物病害診斷研究現狀

4 基于作物病癥表現的診斷方法

作物在受不適宜的生長環(huán)境或病原生物影響后,會在形態(tài)、生理和生化上發(fā)生一系列病理變化,其外在通常會表現出變色、壞死、腐爛、萎蔫、畸形等5種類型的病癥表現。病癥表現對于不同病害類型及其在不同作物上的病癥表現各不相同,這就為以作物病癥表現為切入點的植物病害識別診斷方法的實現提供了可能。光譜技術對于檢測作物病害的生理化學信息具有較好的效果,它能直接反映分子內部結構及運動狀態(tài),因為該技術采集到的光波段遠超過可見光范圍且是肉眼不能感知的,從而使光譜儀器采集到的樣本信息量大大增加[33]。在農業(yè)病害診斷領域中,光譜技術最大的貢獻是可以通過近端、遠端(主要為無人機搭載)和遙感(衛(wèi)星搭載)多個觀測范圍觀測農作物的病害情況,從而為病害診斷提供可靠、直觀的理論與事實依據[3]。除此之外,近年來隨著計算機算力的提升和各種創(chuàng)新性算法的涌現,通過圖像進行病害識別也成為可能。目前依據圖像識別對植物病癥進行診斷的方法主要分為2類,一類是使用經典圖像處理方法提取特征識別病害,另一類是采用深度學習方法構建病害判別模型來識別病害。

4.1 基于光譜技術的農作物病害診斷方法研究現狀

光譜可以檢測到很多人眼無法看到的作物病害的生理化學信息,這個特點對于病害檢測診斷任務具有獨特優(yōu)勢,詳見表4。手持式近端光譜儀器的出現使得獲得光譜數據的成本大為降低。近年來,隨著民用無人機技術的廣泛快速發(fā)展,光譜儀器有了更高的搭載平臺,人們可以通過無人機搭載的光譜儀器進行田塊尺度的病害檢測與診斷,從而從宏觀角度掌控田塊尺度農作物的生長態(tài)勢。相較于無人機,遙感衛(wèi)星的光譜數據具有更大的宏觀優(yōu)勢,其執(zhí)行的任務通常是地區(qū)尺度的。除了直接使用光譜對病害區(qū)域進行分析外,還有研究者通過研究葉片中葉綠素的光譜響應特點來檢測農作物生長的健康狀況,進而判斷作物是否染病。

表4 基于光譜信息檢測的農作物病害診斷研究現狀

4.2 基于圖像處理技術的農作物病害診斷方法研究現狀

基于圖像處理技術的農作物病害診斷可按研究方式分為經典圖像算法、深度學習技術2類,詳見表5。對于使用經典圖像處理算法的病害葉片識別,常用的處理步驟如下:先對圖像進行病斑區(qū)域分割,再通過算法對病斑區(qū)域提取病害特征,最后構建判別模型,對獲取的特征進行判斷,以識別其是否染病。此外,還有一些學者省略了病斑區(qū)域的分割步驟,直接在病害圖像上提取圖像全局的統計學特征,再對統計學特征進行分析判別。近年來,隨著深度學習算法的發(fā)展和涌現,許多深度學習模型也逐漸應用到病害診斷領域,研究者通過對深度學習模型的結構或激活函數進行改進,使其在執(zhí)行病害檢測任務時表現出更好的準確性和魯棒性。影響模型性能的因素不僅包含模型結構和激活函數,模型的超參數的選擇也是一個重要方面,通過試驗選取最優(yōu)的超參數組合,也可以提高病害檢測模型的識別準確率。

表5 基于圖像處理技術的農作物病害診斷現狀

5 總結

在當前推進鄉(xiāng)村振興、加快農業(yè)農村現代化的社會背景下,傳統的人工診斷病害的方法因存在主觀性強、效率和準確率低等缺點,應用于病害診斷任務已具有較大局限。環(huán)境是影響植物病害的一項重要因素,基于環(huán)境信息監(jiān)測的病害診斷方法不僅可以根據作物生長環(huán)境數據對植物病害進行診斷,而且可以結合環(huán)境變化趨勢對作物病害進行進一步預測和預警,這是環(huán)境信息相較其他病害診斷依據而言獨有的特點和優(yōu)勢。但是從目前我國的農業(yè)發(fā)展情況看,除天氣原因人們較難干預外,其他如氮磷鉀等環(huán)境營養(yǎng)物質的缺失情況少之又少,而且與環(huán)境有關的農作物病害大部分是因為環(huán)境適宜生物病原繁殖傳播而間接導致的,因此環(huán)境因素逐漸成為多源數據融合診斷病害的一個輔助判據。

依靠對生物病原進行檢測的病害診斷技術直接對生物病原進行檢測識別,進而判斷病害種類,因此該方法具有識別的可靠性和準確率高等特點,但生物病原的檢測識別過程較為專業(yè)、復雜,病原識別和獲取需要有專業(yè)人員操作,具有局限性。便于田間快速檢測的病原探測微針或試劑盒等PCR技術的出現,彌補了其專業(yè)性不高、效率低等局限,但是田間農作物生長環(huán)境復雜,其侵染病原有一定的隨機性,病原探測微針或試劑盒等產品可檢測的病原單一,仍不能作為具有普適性的田間診斷樣品被有效推廣使用。

光譜技術能直接反映分子的內部結構及運動狀態(tài),因此該技術對檢測染病作物的生理狀態(tài)具有較好的效果[33],并且在病害初期,許多病癥表現不明顯,肉眼很難觀察,使用光譜儀器卻可以很好地洞悉植物的生長狀態(tài)異常,便于在早期發(fā)現病害,早期防治。目前根據檢測距離不同可以將光譜診斷技術分為近端光譜、遠端光譜和遙感光譜。隨著無人機技術的發(fā)展,遠端光譜的代表——無人機+光譜儀器模式極大地方便了農戶對農作物區(qū)域病害情況進行巡視檢查。除了近端光譜診斷方法外,遠端光譜、遙感光譜的數據采集受天氣影響,尤其是云、霧等天氣的影響較大,而且遠端、遙感光譜實際采集的數據僅是作物冠層的光譜信息,對于作物其他部位的病害檢測仍需結合近端光譜或其他檢測手段實現。另外,高精度的光譜儀器價格高昂,遙感衛(wèi)星的高精度光譜數據較為昂貴且不容易購買也是制約光譜診斷技術發(fā)展和推廣的關鍵因素。

根據圖像處理技術診斷病害的方法具有設備易操作、使用成本低的優(yōu)勢,并且近年來隨著計算機算力的提升和各種創(chuàng)新性算法的涌現,該技術可診斷病害的種類明顯增多,同時其診斷準確率也處于較高水平,但是局限于圖像數據,該技術對于病癥表現不明顯的早期病害有一定局限性,同時該方法一般只局限于近端檢測,對大范圍農田尺度的植物病害診斷表現不佳。

6 展望

近年來,隨著在病害領域研究的深入,先后涌現了越來越多的作物病害診斷方法?？傮w上看,各種方法對特定病害的識別準確率都表現出較高水平,但是也存在一些有待優(yōu)化的問題,具體如下:(1)在自然界和實際生產中,作物可能發(fā)生的常見病害有很多,不是只局限于其中一種或幾種,而在目前諸多病害診斷方法中,其研究對象一般只設定為特定的某種作物上的一種或幾種病害,而對于研究對象以外的病害種類,診斷方法往往表現乏力,缺乏普適性。(2)作物的生存環(huán)境十分復雜,環(huán)境中常伴有多種病原共同孳生、作用于植物體的現象,使得作物同時感染2種或2種以上的疾病。目前研究方法具有高準確率的前提是對單一病害的診斷,對于多種病害對作物的相互作用還有待進一步探究。(3)隨著時代的發(fā)展,數據的獲取成本在逐漸降低。對于作物病害領域,采用多源數據融合、交叉驗證診斷將是未來發(fā)展的一個方向,并且隨著對環(huán)境即時數據、預測數據的引用,可實現的功能除了對病害的診斷外,還可以對于某些特定病害產生預警效果,也可以實現對作物生長狀態(tài)進行多元、實時監(jiān)控,從而進一步實現農作物的智能化、自動化管理。