基于高光譜成像技術(shù)的番茄灰霉病早期快速無(wú)損檢測(cè)機(jī)理和方法研究.pdf

1、我國(guó)作為世界第一大蔬菜消費(fèi)國(guó)，蔬菜的病害常使國(guó)家經(jīng)濟(jì)和人民生活遭受?chē)?yán)重?fù)p失，已經(jīng)成為制約蔬菜高效、安全生產(chǎn)的主要原因，而灰霉病是一種嚴(yán)重威脅保護(hù)地蔬菜生產(chǎn)的真菌病害，不僅在植株生長(zhǎng)期間嚴(yán)重發(fā)生，而且在產(chǎn)后的儲(chǔ)藏、運(yùn)輸過(guò)程中也可繼續(xù)造成嚴(yán)重危害。本研究提出以城鄉(xiāng)居民主要消費(fèi)蔬菜之一的番茄作為研究對(duì)象，以引致蔬菜灰霉病的半知菌亞門(mén)葡萄孢屬作為病原物，采用高光譜圖像結(jié)合成像檢測(cè)技術(shù)提取并理解植株染病后葉面、冠層的圖像特征信息，建立基于高光譜成

2、像技術(shù)的番茄灰霉病的早期檢測(cè)模型，形成對(duì)番茄灰霉病進(jìn)行早期、準(zhǔn)確、非破壞性診斷的一種新的理論和方法。這對(duì)提高我國(guó)植物抗病機(jī)制的研究，控制保護(hù)地蔬菜灰霉病的危害，促進(jìn)植物病理學(xué)發(fā)展具有重要的意義。主要?jiǎng)?chuàng)新性成果有：
　　 (1)提出了利用植物特有的紅邊現(xiàn)象對(duì)植物和非植物實(shí)現(xiàn)可見(jiàn)近紅外高光譜圖像背景分離，通過(guò)對(duì)高光譜圖像中680-740 nm波段圖像進(jìn)行方差分析，建立二值化圖像，有效分離番茄葉片與背景，有效分離番茄冠層與背景土壤、背

3、景托盤(pán)以及其他背景信息。提出了利用利用近紅外1350-1500 nm波段植物特有的光譜特性實(shí)現(xiàn)近紅外高光譜圖像的背景分離，有效分離番茄葉片與背景，有效分離番茄冠層與背景土壤以及其他背景信息。
　　 (2)提出了光譜數(shù)據(jù)預(yù)處理-預(yù)處理圖像-特征波長(zhǎng)提取，特征波段圖像和特征波段融合圖像提取-建模預(yù)測(cè)的高光譜成像檢測(cè)的技術(shù)路徑，由此建立了基于高光譜成像的番茄葉片灰霉病的早期檢測(cè)模型。系統(tǒng)地研究了原始光譜(Raw)和7種光譜預(yù)處理方法，

4、選擇了變量標(biāo)準(zhǔn)化(SNV)方法為番茄葉片灰霉病檢測(cè)的可見(jiàn)近紅外波段高光譜圖像預(yù)處理方法，選擇了標(biāo)準(zhǔn)化(Nomalize)作為番茄葉片灰霉病檢測(cè)的近紅外波段高光譜圖像預(yù)處理方法，并應(yīng)用獨(dú)立軟模式法(SIMCA)中的區(qū)別能力(Discrimination power)參數(shù)在可見(jiàn)短波近紅外光譜區(qū)提取特征波長(zhǎng)401 nm，491 nm，550 nm，625 nm，649 nm，687 nm和743 nm，在近紅外光譜區(qū)提取特征波長(zhǎng)1355 nm

5、，1446 nm和1608 nm，再利用特征波段建立基于線性的多項(xiàng)式PLSDA分類(lèi)器，基于統(tǒng)計(jì)參量的BayesC以及LDC分類(lèi)器和基于自適應(yīng)學(xué)習(xí)的BPNN以及SVC分類(lèi)器，建立相應(yīng)模型后，比較分類(lèi)表明基于統(tǒng)計(jì)參量的分類(lèi)器為最佳。
　　 (3)提出了采用特征融合波段圖像提取番茄葉片灰霉病的檢測(cè)和提取方法，利用獲得的特征波段分別在可見(jiàn)短波近紅外波段和近紅外波段建立了多元線性回歸(MLR)預(yù)測(cè)模型，并由此得到波段融合方程建立新的波段融

6、合圖像，在可見(jiàn)短波近紅外波段結(jié)合680-740 nm波段的方差圖和分割圖像，系統(tǒng)研究了多種邊緣提取的方法，選擇拉普拉斯銳化結(jié)合Sobel算子的邊緣提取的方法去除了分割圖像中的陰影信息，提取有效葉片信息；同時(shí)也系統(tǒng)研究了基于空域和頻域的5種圖像銳化方法，選擇高頻強(qiáng)調(diào)濾波銳化方式在特征融合圖像中提取有效病斑信息，計(jì)算出葉片的病斑面積和病斑面積比。在近紅外光譜波段結(jié)合1530 nm波段信息，系統(tǒng)研究了五種圖像銳化方法，采用巴特沃斯高通濾波的銳

7、化方式有效提取了番茄葉片信息，并通過(guò)特征融合圖像提取有效病斑信息，計(jì)算出葉片的病斑面積和病斑面積比。
　　 (4)提出了基于高光譜成像技術(shù)的番茄冠層灰霉病的早期檢測(cè)方法，研究利用MSR光照補(bǔ)償和小波融合算法實(shí)現(xiàn)減少番茄冠層圖像中由于高度差出現(xiàn)的光照不均勻現(xiàn)象，并通過(guò)計(jì)算對(duì)應(yīng)波段圖像的方差、信息熵、清晰度、扭曲指數(shù)、相關(guān)系數(shù)、偏差指數(shù)等統(tǒng)計(jì)量判斷融合后圖像是否可以表征原數(shù)據(jù)信息；系統(tǒng)研究了多種不同預(yù)處理方法的輸入數(shù)據(jù)對(duì)番茄葉片灰霉

8、病冠層早期檢測(cè)模型的影響，選擇標(biāo)準(zhǔn)化(Normalize)預(yù)處理方法作為可見(jiàn)短波近紅外高光譜圖像和近紅外高光譜圖像的預(yù)處理方式；研究了植被指數(shù)特征圖像提取方式、PCA變換特征圖像提取方式以及利用統(tǒng)計(jì)公式的特征圖像提取方式，在基于可見(jiàn)短波近紅外高光譜圖像的番茄冠層灰霉病的早期檢測(cè)中采用740-900 nm的方差統(tǒng)計(jì)圖作為特征圖像，實(shí)現(xiàn)番茄灰霉病的早期可視化檢測(cè)；在基于近紅外高光譜圖像的的番茄冠層灰霉病的早期檢測(cè)中采用1300-1450 n