基于近紅外光譜技術(shù)的農(nóng)作物病害診斷研究

1、200年月農(nóng)機化研究第期- - -基于近紅外光譜技術(shù)的農(nóng)作物病害診斷研究王曉麗，周國民中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)信息研究所，北京100081)摘要：利用近紅外光譜診斷農(nóng)作物病害是近幾年興起的一種具有高效、準(zhǔn)確、非破壞性的技術(shù)。為此，闡述了近紅外光譜診斷農(nóng)作物病害的原理；介紹了處理近紅外光譜數(shù)據(jù)的關(guān)鍵技術(shù)以及建立光譜模式識別模型的方法；報告了近紅外光譜技術(shù)在農(nóng)作物病害診斷中的應(yīng)用現(xiàn)狀。同時提出了運用近紅外光譜技術(shù)診斷農(nóng)作物病害存在的難點。最后，還提出了一些研究中有待解決的問題。關(guān)鍵詞：近紅外光譜；農(nóng)作物病害；無損檢測中圖分類號：文獻標(biāo)識碼：A0引言我國是一個農(nóng)業(yè)大國，農(nóng)作物病害是我國農(nóng)業(yè)生產(chǎn)上主要的災(zāi)害

2、之一，它的種類多、影響大、災(zāi)害性強，長期以來一直是農(nóng)業(yè)生產(chǎn)的一個痼疾，嚴(yán)重的影響了農(nóng)村的經(jīng)濟發(fā)展1。目前農(nóng)作物病害的診斷方法也有很多，例如：張寶棣2，譚廣發(fā)3等主要利用水稻的發(fā)病癥狀來診斷和防治水稻病害；GregoryAw，何國金5等利用衛(wèi)星遙感技術(shù)來檢測農(nóng)作物病害；穗波信雄6等利用計算機視覺技術(shù)來對作物病害進行識別。這些方法對農(nóng)作物病害的診斷做出了很大的貢獻，但是它們又各自存在著一些不足：利用發(fā)病癥狀診斷水稻病害比較費時費力，對專家的依賴較強；衛(wèi)星遙感技術(shù)比較適合大面積的農(nóng)作物病害檢測，對于小面積的管理仍然存在一些困難；而計算機視覺技術(shù)，雖然是比較先進的技術(shù)之一，但是要達(dá)到對農(nóng)作物病害的實時

3、監(jiān)控還有一定距離。近紅外光譜技術(shù)采集數(shù)據(jù)比較省時省力，精確度和自動化程度高，是一種非破壞性的高科技技術(shù)之一。因此，如何能有效地、最大程度地利用光譜信息，并且能快速準(zhǔn)確地處理光譜數(shù)據(jù)成為當(dāng)前研究的一個熱點7。1近紅外光譜技術(shù)診斷農(nóng)作物病害的原理地物光譜產(chǎn)生的機理由于各種物體的組成成分、內(nèi)部結(jié)構(gòu)、外部狀態(tài)的不同，它們對電磁輻射的響應(yīng)有很大差別，也就是說各收稿日期：2009-9-22基金項目：國家高技術(shù)研究發(fā)展計劃(863)(NationalHighTechnologyResearchandDevelopmentProgramofChina，underGrantNO.2007AA102Z237)作者

4、簡介：王曉麗(1982-)，女，漢族，河北石家莊人，碩士生，(E_mail) HYPERLINK mailto:WXL WXL通訊作者：周國民(1969-)，男，江蘇人，研究員，博士生導(dǎo)師，(E-mail) HYPERLINK mailto:zhougm zhougm文章編號：種物體都有自己獨特的電磁輻射特性，而地物光譜反射曲線是對電磁反射或發(fā)射差異的集中體現(xiàn)。圖1光譜折射、反射、散射和吸收原理圖Fig.1TheSchematicoftransmission,reflection,scattering,absorptionofspectrum受害植物的光譜特征原理植物受到病害脅迫后會發(fā)生葉片發(fā)

5、黃、枯萎、凋零等外部形態(tài)和生理的變化，這些可見光上的變化比較容易識別8-9，而受害植物和健康植物的光譜特征曲線在紅光和近紅外區(qū)域會有更顯著的變化，尤其紅邊位置更可以反映出植物的生理狀態(tài)10。紅邊位置主要和植物葉子中的葉綠素含量有關(guān)，當(dāng)葉綠素含量減少時紅邊位置發(fā)生“藍(lán)移”，當(dāng)葉子含水量減少時它發(fā)生“紅移”。研究發(fā)現(xiàn)近紅外波段反射率的變化是在可見光變化之前的，因此可以結(jié)合近紅外光譜的各種特征變化來診斷農(nóng)作物病害。陳兵11等對不同嚴(yán)重度棉花黃萎病冠層反射率的研究結(jié)果表明，冠層反射率與嚴(yán)重度存在明顯相關(guān)，806nm附近兩者負(fù)相關(guān)達(dá)到極顯著水平（相關(guān)系數(shù)達(dá)到0.8以上，F(xiàn)=0.01）。建立的回歸方程檢驗

6、后的相關(guān)系數(shù)很高，為0.815，很好的反演了棉花黃萎病的發(fā)生情況。農(nóng)作物病害近紅外光譜分析技術(shù)2.1近紅外光譜數(shù)據(jù)預(yù)處理方法在測定農(nóng)作物光譜時由于天氣、環(huán)境的濕度和溫度、人為因素等的不同，以及暗電流的存在會使測量結(jié)果存在較大的誤差，因此在建立模型之前必須將光譜數(shù)據(jù)進行預(yù)處理。常用的方法有n階求導(dǎo)、平滑處理、基線校正、小波變換（WT）、光散射校正、正交信號校正（OSC）等。石吉勇12等對草莓原始近紅外光譜進行中心化處理，然后采用小波濾噪處理消除噪聲的影響，研究并確定了小波濾噪的參數(shù)：小波基采用db7,用5尺度分解,用Birge2Massart策略來確定各尺度的閾值。建立草莓和糖度的模型,對預(yù)測值

7、進行預(yù)測,相關(guān)系數(shù)為0.9355。鄭詠梅13等基于偏最小二乘法,比較了平滑、導(dǎo)數(shù)、基線校正預(yù)處理手段對小麥種蛋白質(zhì)定量分析模型的影響。結(jié)果表明,經(jīng)平滑處理后的結(jié)果比較令人滿意。光譜微分技術(shù)目前,大量研究表明利用光譜數(shù)據(jù)的一階、二階微分能夠較準(zhǔn)確地檢測農(nóng)作物病害的危害程度。但由于光譜數(shù)據(jù)的離散性,導(dǎo)數(shù)光譜一般用差分的方法來近似計算：一階導(dǎo)數(shù)光譜：p=p(丿-p(_)2A九二階導(dǎo)數(shù)光譜：P”（九）=P（九）-P（九）+P（九）TOC o 1-5 h zii+2ii-24A九2式中：九為各波段波長；P（九）為九的光譜值，如iii光譜反射率、透射率等；AX是波長九到九的間隔。i-1i蔣金豹14-15等

8、將獲取的小麥冠層的原始光譜數(shù)據(jù)進行一階微分處理，可以消除或減弱部分背景和噪聲光譜的影響；并對病害小麥病情指數(shù)與一階微分?jǐn)?shù)據(jù)進行了相關(guān)分析，結(jié)果發(fā)現(xiàn)，在432582納米，637701納米和715765納米波長處存在顯著相關(guān)。Adams等利用光譜二階導(dǎo)數(shù)設(shè)計的大豆黃蔞病發(fā)黃指數(shù)對病情評價進行了研究。光譜位置變量分析技術(shù)光譜位置變量指光譜曲線一些特殊點的波長，例如最高點、最低點、拐點的波長。其中比較常用的是紅邊位置和吸收特征峰分析技術(shù)。紅邊位置一般通過光譜數(shù)據(jù)的一階微分求得，Millera等提出了一種倒高斯模型光譜紅邊特征的重建模型來擬合植被紅邊特征更為常用：-（九一九）2R（九）二R-（R-R）e

9、xp0SS02G2式中，R為紅邊最高點的反射率；R0為紅邊最低S0點的反射率；九0為最低點位置波長。S：高斯模型標(biāo)準(zhǔn)差系數(shù)。Mehl17等利用高光譜技術(shù)對不同蘋果表明的腐爛、損傷等進行檢測。結(jié)果表明，區(qū)分蘋果正常和損傷區(qū)的正確率達(dá)到76%95%之間。有些研究表明植被微分光譜存在雙峰或多峰特征現(xiàn)象18-19，說明紅邊位置對葉綠素的變化不夠敏感，為了克服這種現(xiàn)象，許多學(xué)者還提出了幾種擬合紅邊位置的方法20,21-22。田永超23等研究發(fā)現(xiàn)基于倒高斯模型、線性內(nèi)插法和線性外推法構(gòu)造的紅邊位置隨水稻氮濃度呈現(xiàn)連續(xù)變化模式，適用于水稻葉層氮濃度的定量監(jiān)測。建立光譜模式識別模型方法由于光譜波段數(shù)多、數(shù)據(jù)量

10、大等特點，因此在建立識別模型之前一般會用主成分分析的方法對光譜數(shù)據(jù)進行降維，這樣可以將原來冗余的數(shù)據(jù)轉(zhuǎn)化為幾個或一些無關(guān)的數(shù)據(jù)。一般建立模式識別模型的方法有偏最小二乘法、主成分回歸、BP神經(jīng)網(wǎng)絡(luò)和模糊分類器等。馮潔7等人研究證明，采用BP網(wǎng)絡(luò)對紅粉、黑星、白粉三種病害的16通道多光譜數(shù)據(jù)進行識別，準(zhǔn)確率達(dá)96.67%、93.33%、100%。馮世杰24等采用支持向量機的方法對鴨梨褐變病果進行識別，識別率達(dá)到95%。近紅外光譜在農(nóng)作物病害中的應(yīng)用農(nóng)作物病害主要分為四類：真菌性病害（約占病害的80%左右）、細(xì)菌性病害、病毒病、線蟲病害。由于真菌性病害的類型和種類繁多，引起的病害癥狀也千變?nèi)f化，因此

11、也是國內(nèi)外用利用光譜進行研究最多的一種。黃木易25等研究發(fā)現(xiàn)，小麥條銹病菌孢子侵染葉片后，葉綠素含量減少，水分含量下降，且隨著條銹孢子堆增厚、面積變大，葉片結(jié)構(gòu)改變，在光譜上表現(xiàn)為可見光反射率增加，差異極顯著；中紅外反射率增加差異不顯著；短波紅外反射率增加差異極顯著，446725nm和13801600nm為敏感波段區(qū)域。吳曙雯玄等對個感染不同等級稻葉病的水稻冠層光譜進行研究，結(jié)果表明：感染稻葉瘟初期，近紅外反射率明顯降低，綠光區(qū)反射率降低幅度和紅光區(qū)反射率升高幅度都比較小。隨著病情的嚴(yán)重，近紅外反射率降低幅度減小，綠光區(qū)反射率降低幅度和紅光區(qū)反射率升高幅度都隨之增大。細(xì)菌性病害27是由細(xì)菌病菌

12、侵染所致的病害，如軟腐病、潰瘍病、青枯病等。細(xì)菌性病害癥狀表現(xiàn)為萎蔫腐爛、穿孔等。細(xì)菌性病害的植物光譜特征反映為反射紅外輻射能力下降。Nilsson28等對油菜莖腐病進行研究，結(jié)果發(fā)現(xiàn)，病害的嚴(yán)重程度與近紅外波段的反射率有極大的相關(guān)性。植物病毒病在多數(shù)情況下以系統(tǒng)浸染的方式浸害農(nóng)作物，并使受害植株發(fā)生系統(tǒng)癥狀，產(chǎn)生矮化、叢枝、畸形潰瘍等特殊癥狀。劉興庫29等對心葉煙接種馬鈴薯奧古巴花葉病毒進行研究，試驗證明了在用肉眼觀察到病害之前，利用多光譜診斷植物的病害的可行性。植物線蟲病主要由線蟲寄生和侵襲引起的病害。它會導(dǎo)致植物葉片發(fā)黃、植株矮化，從而使近紅外區(qū)的光譜特征顯著下降。Nutter30等對大

13、豆胞囊線蟲進行了檢測，表明利用近紅外光譜技術(shù)檢測大豆胞囊線蟲也是可行的。近紅外光譜診斷農(nóng)作物病害存在的難點在當(dāng)前條件下，利用近紅外光譜診斷病害時可能會遇到如下問題：1、數(shù)據(jù)采集比較嚴(yán)格。由于光譜采集儀的敏感度比較高，壞境和人為因素影響較大，所以在采集數(shù)據(jù)時，需要嚴(yán)格按照作業(yè)流程規(guī)范操作。2、“同物異譜，同譜異物”現(xiàn)象的存在。一些不用的病害脅迫同一植物或者不同的植物受同一病害脅迫時，可能會出現(xiàn)相同的光譜曲線，這給病害鑒別帶來較大的困難。結(jié)語綜上所述，利用近紅外光譜對農(nóng)作物病害進行診斷具有很好的優(yōu)點，為農(nóng)作物病害的檢測提供了新的技術(shù)創(chuàng)新途徑，對提高農(nóng)作物病害的檢測水平具有一定的理論意義和實用價值。

14、但是作物病害種類繁多，發(fā)病時間、部位、程度復(fù)雜多變，利用近紅外光譜對農(nóng)作物病害診斷的技術(shù)尚未成熟，因此，一些方法需要在未研究病害上做進一步研究和改進。另外要想實現(xiàn)農(nóng)作物病害的快速、無損、自動識別，需要研究工作者進行大量的研究，對不同病害、不同作物建立有效且準(zhǔn)確的光譜特征數(shù)據(jù)庫，應(yīng)用到生產(chǎn)實際中。農(nóng)作物病害綜合防治農(nóng)民致富之友J.2000.8.張寶棣,水稻病害的識別與防治.寧夏科技報N,2004.5.25,第003版.譚廣發(fā)，水稻病害防治技術(shù)植物保護J.2004,170:22-23.GregoryA,Carter,Rationsofleafreflectanceinnarrowwavebands

15、asindicatorsofplantstress.Int.J.RemotesensingJ.1994,15(3):697-703.何國金等北京麥蚜蟲害的光譜測量與分析遙感技術(shù)與應(yīng)用J,2006,3(17):119-124.穗波信雄根據(jù)圖像提取農(nóng)作物的生長信息農(nóng)業(yè)機械學(xué)會關(guān)西支部第6次支部研究資料J.1989.10:1-12.馮潔,廖寧放，趙波，羅永道,李寶聚，戴志福.多光譜成像技術(shù)診斷植物病蟲害的人工神經(jīng)網(wǎng)絡(luò)模型光學(xué)技術(shù)J20089,34(5)AdamsML,PhilpotWD,NorvellWA.Yellownessindex:anapplicationofspectralsecondde

16、rivativestoestimatechlorosisofleavesinstressedvegetation.Int.J.RemoteSensingJ.1999,20:3663-3675.BareF,ChampionI,Guyotetal.Monitoringwheatcanopiswithahighspectralresolutionradiometer.RemoteSensingofEnvironmentJ.1987,22:367-378.萬余慶，譚克龍，周日平.高光譜遙感應(yīng)用研究M.北京:科學(xué)出版社,2006.陳兵,王克如，李少昆,肖春華，王靜，王方勇,潘文超，王娜棉花黃萎病冠層高光

17、譜遙感監(jiān)測技術(shù)研究新疆農(nóng)業(yè)科學(xué)參考文獻：J.2007,44(6):740-745.200年月農(nóng)機化研究第期200年月農(nóng)機化研究第期- - -石吉勇,鄒小波,趙杰文,殷曉平.基于小波濾噪和ipls的草莓近紅外光譜糖度檢測模型.安徽農(nóng)業(yè)科學(xué)J.2009,37(12):5752-5754.鄭詠梅,張鐵強,張軍,陳星旦,申鉉國.平滑、導(dǎo)數(shù)、基線校正對近紅外光譜PLS定量分析的影響研究.光譜學(xué)與光譜分析J.2004.12,24(12):1546-1548.蔣金豹,陳云浩,黃文江,李京.冬小麥條銹病嚴(yán)重度高光譜遙感反演模型研究.南京農(nóng)業(yè)大學(xué)學(xué)報J.2007,30(3):63-67.蔣金豹,陳云浩,黃文江.

18、利用高光譜微分指數(shù)進行冬小麥條銹病病情的診斷研究光學(xué)技術(shù)J.2007.7,33(4).J.R.Miller,E.W.Hare,J.Wu.Quantitativecharacterizationofthevegetationrededgereflectance1.Aninverted-Gaussianreflectancemodel.InternationalJournalofRemoteSensingJ.1990.10,10(11):1755-1773.MehlPM,ChaoK,KimM,etal.Detectionofdefectsonselectedapplecultivarsusingh

19、yperspectralandmultispectralimageanalysisJ.AppliedEngineeringinAgriculture,2002,18(2):219-226.BoochsF,KupferG,DockterK,KuhbauchW.Shapeoftherededgeasvitalityindicatorforplants.InternationalJournalofRemoteSensingJ.1990,10(ll):17411753.ChoMA,SkidmoreAK.Anewtechniqueforextractingtherededgepositionfromhy

20、perspectraldata:Thelinearextrapolationmethod.RemoteSensingofEnvironmentJ.2006,101(2):181193.HorlerDNH,DockrayM,BarberJ.Therededgeofplantleafreflectance.InternationalJournalofRemoteSensingJ.1983.4:273288.GuyotG,BaretF,JacquemoudS.ImagingspectroscopyforvegetationstudiesM.InF.Toselli,&J.Bodechtel(Eds.)

21、,Imagingspectroscopy:Fundamentalsandprospectiveapplications.1992.145-165.Dordrecht,TheNethelands:KluwerAcademic.DawsonTP,CurranPJ.Anewtechniqueforinterpolatingthereflectancerededgeposition.InternationalJournalofRemoteSensingJ.1998,19:21332139.田永超,楊杰,姚霞,朱艷,曹衛(wèi)星.水稻高光譜紅邊位置與葉層氮濃度的關(guān)系.作物學(xué)報J.2009,35(9):1681

22、-1690.馮世杰，戴小鵬,王艷平基于NIR-SVM對鴨梨褐變病果的識別.農(nóng)業(yè)網(wǎng)絡(luò)信息J.2008,(3):133-135.黃木易,黃文江,劉良云,黃義德,王紀(jì)華,趙春江,萬安民.冬小麥條銹病單葉光譜特性及嚴(yán)重度反演.農(nóng)業(yè)工程學(xué)報J.2004.1,20(1):176-180.吳曙雯,王人潮,陳曉斌,沈掌泉,史舟.稻葉瘟對水稻光譜特性的影響研究.上海交通大學(xué)學(xué)報(農(nóng)業(yè)科學(xué)版)J.2002.3,20(1):73-76,84.百度百科.細(xì)菌性病害EB/OL.(2006.12.29). HYPERLINK /view/689853.htm /view/689853.htm.Nilsson.H.E.19

23、85a.RemotesensingofoilseedrapeinfectedbySclerotiniastemrotandVerticilliumwilt.Vaxtskyddsrapporter-jordbruk,vol.33,Uppsala.劉興庫,李兆華.多光譜診斷植物病害的初步研究.東北林業(yè)大學(xué)學(xué)報J.1993.3,21(2):106-110.Nutter.F.W.Jr,Detectionandmeasurementofplantdiseasegradientsinpeanutwithamultispectralradiometer.PhytopathologyJ.1989,79:958-963.ResearchonDiagnosingCropDiseaseBasedonNear-infarespectrum