English | 中文版 | 手機版 企業(yè)登錄 | 個人登錄 | 郵件訂閱
當前位置 > 首頁 > 技術文章 > 高光譜成像儀在番茄細菌性葉斑病早期檢測方面的應用

高光譜成像儀在番茄細菌性葉斑病早期檢測方面的應用

瀏覽次數(shù):59 發(fā)布日期:2025-5-6  來源:本站 僅供參考,謝絕轉(zhuǎn)載,否則責任自負



植物病原體的傳播對農(nóng)業(yè)產(chǎn)量構成重大威脅,而早期病害檢測是精準農(nóng)業(yè)中的一大關鍵挑戰(zhàn)。傳統(tǒng)檢測方法在靈敏度和效率方面存在局限,而高光譜成像(HSI)和多光譜成像(MSI)等基于成像的技術憑借其非侵入性、高通量和自動化優(yōu)勢,展現(xiàn)出巨大潛力。研究表明,這些技術可在作物癥狀出現(xiàn)前檢測病害,準確率高達90%以上。然而,目前的研究仍存在空間分辨率和光譜分辨率不足、樣本病原體負荷驗證不充分以及環(huán)境因素影響未明確等局限。本研究以番茄細菌性葉斑。˙LS)為模型,結合高光譜相機與機器學習技術,全面表征從接種前到疾病進展全過程的葉片光譜變化,驗證病原體負荷與光譜數(shù)據(jù)的相關性,并分析成像背景因素對檢測結果的影響。研究結果表明,HSI 技術可實現(xiàn)番茄幼苗上 BLS 的早期檢測,從而有助于溫室中及時移除受感染植株,有效降低大規(guī)模疫情的風險。

番茄種子(Solanum lycopersicum,品種 Early Girl,Mountain Valley Seed Co.)播種于48格托盤,在25-38°C溫室中生長三周。種子在播種后7-10天發(fā)芽,2周后施一次肥(Osmocote Smart-Release, ICL),每日澆水兩次(上午8點和下午5點,各2分鐘)。接種實驗使用三周大的番茄植株,在接種前后24小時用無菌水噴灑并裝袋處理。

番茄植株通過浸入含300 mL X. perforans 接種液和0.02% Silwet 的滅菌杯中1分鐘完成接種;對照植株則浸入含300mL10 mM MgSO₄ 和0.02% Silwet 的滅菌杯中。實驗共進行了兩次:第一次分為8個單元,每單元包含2株植株,其中1-2和5-6單元為對照組,3-4和7-8單元為接種組;第二次實驗有10個單元,1-5單元為對照組,6-10單元為接種組。

每個實驗收集數(shù)據(jù)九次:接種前 (bi)、接種后 2 小時(接種后 0 天,dai)、從 1 到 7 天每 24 小時收集一次。收集了三種類型的數(shù)據(jù),包括疾病評級、細菌種群大小測量和高光譜圖像數(shù)據(jù)(圖 1)。根據(jù)對每個實驗單元中番茄植株的目視觀察收集與疾病相關的數(shù)據(jù)。然后從每個實驗單元中摘除一到六片葉子。在評估脫落葉片的疾病嚴重程度后,作者團隊使用Resonon高光譜臺式成像系統(tǒng)(Resonon PIKA-L 和 PIKA-IR)捕捉每個脫落葉片的高光譜圖像。然后對葉片進行處理以估計葉片組織中的細菌種群大小。

圖片

圖1. 數(shù)據(jù)收集和數(shù)據(jù)分析的過程。

高光譜圖像采集使用Resonon Pika L高光譜成像儀(可見光和近紅外:400-1000 nm)和 Pika NIR320高光譜成像儀(短波紅外:900-1700 nm)臺式系統(tǒng)收集葉片的高光譜圖像。
 

圖片

圖2. 高光譜掃描精度(A)背景材料(B)、葉片大。–)、葉片結構(D)對番茄葉片反射率的影響。
 

圖片

圖3. 在 BLS 病害進展的開始 (A)、早期 (B)、中期 (C) 和晚期 (D) 階段,未接種和接種番茄植株的相似性。使用葉片級全光譜分析中使用的所有數(shù)據(jù)集生成圖表。
 

圖片

圖4. 使用 7 天像素級全光譜數(shù)據(jù)訓練的最佳模型預測 7 天離體葉片 HSI 圖像上的像素健康狀況。左:VISNIR RF 模型。右:SWIR SVM 模型。 
 

高光譜成像(HSI)在早期疾病檢測中表現(xiàn)出良好效果,但缺乏驗證的高分辨率(空間和光譜)HSI 數(shù)據(jù)來表征植物葉片在不同疾病進展階段的反應。為彌補這一不足,作者團隊以番茄細菌性葉斑。ù┛S 單胞菌)為模型,對番茄葉片高光譜圖像進行了連續(xù)七天的病原體種群驗證,以揭示健康葉片與受感染葉片之間的差異。通過葉片級全光譜數(shù)據(jù)、植被指數(shù)(VI)數(shù)據(jù)和四個疾病進展階段的像素級全光譜數(shù)據(jù)訓練機器學習模型。結果顯示,HSI 能在癥狀前階段檢測疾病,并有效區(qū)分細菌性病斑與非生物性葉斑。相比直接使用原始數(shù)據(jù),VI 數(shù)據(jù)作為機器學習特征可將分類性能提高 26–37%。不同疾病階段的關鍵波段和 VI 各不相同,癥狀前檢測主要依賴葉片含水量(1400 nm)和植物防御激素反應(750 nm)的變化,而癥狀期更依賴葉片色素和內(nèi)部結構變化(800–900 nm)。綜上,這項研究揭示了 HSI 在早期葉片病害檢測中的潛力,強調(diào)葉片結構分割和 VI 模式分析的重要性,同時為細菌性斑點病的動態(tài)過程提供了重要見解。

發(fā)布者:理加聯(lián)合科技有限公司
聯(lián)系電話:010-51292601
E-mail:rain@li-ca.com

用戶名: 密碼: 匿名 快速注冊 忘記密碼
評論只代表網(wǎng)友觀點,不代表本站觀點。 請輸入驗證碼: 8795
Copyright(C) 1998-2025 生物器材網(wǎng) 電話:021-64166852;13621656896 E-mail:info@bio-equip.com