用高光谱成像技术检测柑橘红蜘蛛为害叶片的色素含量

为解决传统理化法检测柑橘树叶片受红蜘蛛为害后色素含量变化时存在的工作量大、效率低等问题,该文研究应用高光谱成像技术检测柑橘红蜘蛛为害叶片色素含量的方法。研究中对比了正常叶片与受害叶片的原始光谱以及原始光谱一阶微分曲线的差异,寻找反映叶片色素含量变化的特征波段;分析了特征波段反射率比值与叶片色素间相关性;采用单变量线性回归法分析了常用植被指数预测叶片色素含量的效果;采用逐步回归分析法建立了叶片色素含量预测模型,并对模型预测效果进行了F检验。结果表明:常用植被指数预测叶片色素含量结果不理想;选取的667/522、667/647和522/647 nm等3个特征波段反射率比值与叶片3种色素含量间具有较高的相关性;用于建立叶片色素含量预测模型的最佳特征波段反射率比值为667/522和667/647 nm,所建立的模型可较好地预测健康及受害叶片的叶绿素a、叶绿素b和类胡萝卜素含量。     

基于高光谱成像技术的柑橘黄龙病病情诊断及分类

【目的】柑橘黄龙病(Citrus Huanglongbing,HLB)是一种无法根治且易扩散的病害,建立柑橘黄龙病病情诊断及分类的方法,以及时发现并去除病株,防止感染其他果树。【方法】基于高光谱成像技术,利用最小噪声分离变换进行降维去噪、像元纯净指数获取纯净像元并建立训练集,通过Fisher判别法对柑橘黄龙病病情进行鉴别并分类。【结果】通过对训练集设置适当的门限值,柑橘黄龙病病情识别正确率达90%以上。【结论】利用高光谱技术进行柑橘黄龙病病情诊断具有较高的可行性。     

从红蜘蛛为害叶片的高光谱图像中识别受害区域

探索从红蜘蛛为害叶片的高光谱图像中识别受害区域的方法,内容包括:1采集20片受害区域色素差异较明显的柑橘叶片的高光谱序列图像,从各叶片的高光谱序列图像中选取522、647和667nm等3个与叶片色素含量具有较高相关性的特征波段的高光谱图像,计算667/522、667/647和647/522等3个特征波段的高光谱图像的比值图像及其二值图像,识别叶片中的受害区域;2计算自动识别和人工识别间的误差,检验算法的识别效果。结果表明:从柑橘红蜘蛛为害叶片的RGB图像或单一波段的高光谱图像中无法直接和自动识别叶片的受害区域;667/647和667/522两个特征波段反射率比值的比值图像均能够有效地抑制高光谱图像中叶片周围的光噪声,进而还原叶片的外形轮廓;从667/522特征波段反射率比值的比值图像中识别叶片受害区域的平均准确率达92.84%,在3个比值图像中识别效果最好;识别算法能够通过计算机编程自动实现,可作为深入研究红蜘蛛的发生和为害规律的技术手段。