柑橘黄龙病光谱特征波段选择及光谱检测仪研制

黄龙病（Huanglongbing，HLB）被称为柑橘的癌症，及早检测出患病植株可防止病情蔓延，降低病情灾害程度。高光谱分析技术因其丰富的光谱信息，成为近年来作物病害检测的研究热点。然而高光谱设备昂贵，波段数较多，计算量大，在实际应用中尚未形成规模应用。使用合理的波段选择方法，可以去掉冗余信息，避免"维数灾难"，减轻数据存储、计算与传输压力，并降低设备成本。该研究利用地物谱仪获取了柑橘冠层叶片的高光谱信息，提出一种基于典型成分分析（Exemplar Component Analysis，ECA）的柑橘黄龙病特征波段优选方法，并与其他3种波段优选算法进行比较，分别优选了7个光谱波段的组合。基于优选波段，采用6种机器学习方法进行建模分类，对4种波段选择方法的鲁棒性进行了分析。此外，基于优选的特征波段设计了一款多光谱仪应用于柑橘黄龙病的检测。结果表明，用ECA算法选择的特征波段，其结合6种分类器在测试集上的准确率达到92%以上，并具有较好的鲁棒性。自研基于特征波段的多光谱仪对于HLB的检测精确度最高可达95%。试验表明用少量特征波段表征HLB作为检测手段具有可行性，合理的特征波段有助于降低专门农业病害光谱检测的设计成本，提高果园病情防控精准度。     

基于文献计量学的智慧果园研究进展与热点分析

为了宏观掌握智慧果园在国内外的研究动态、前沿和热点，更好地推动智慧果园乃至智慧农业的发展，该研究采用文献计量分析方法，以Web of science核心论文集为检索平台分析了智慧果园2002年1月1日-2022年8月累计20年的时空分布、主要研究内容以及前沿热点。主要结论如下：智慧果园的研究自2014年起步入正轨，2018年起在人工智能技术推动下发展迅猛，2018－2021年总发文量占比37.5%；总体而言，作者（Lan Yubin、Chen Chao、Tang Yu等）、机构（华南农业大学、中国农业大学和佛罗里达大学等）、地域（中国、美国、西班牙等国）交流和合作均较为密切；中国、美国是开展智慧果园研究的主要国家，总发文量共占比58.2%；当前主要研究集中在果树长势和病虫害识别和预警、无人化或智能化农机作业。根据研究目的细分的技术主要包含人工智能模型/算法、传感、物联和精准农业等。自2007年以来，研究热点由柑橘病害、产量预估等对象研究逐步过渡到技术研究上，深度学习、无人机、人工智能的研究是当今智慧果园的发展前沿。智慧果园研究深受技术推动尤其在当前人工智能技术背景下方兴未艾，而当前的环境复杂度高、种植欠规范等问题依旧制约着其进一步发展。星-空-地立体化果园感知、空-地协同无人化精准作业、水果采摘、果品的可视化溯源等方面将是未来智慧果园主要研究方向。