高光譜反射和熒光成像對(duì)柑橘葉病進(jìn)行分類_上

柑橘病害會(huì)影響葉子和果實(shí)的健康，由于其癥狀影響，繼續(xù)對(duì)柑橘種植者的生產(chǎn)力和經(jīng)濟(jì)穩(wěn)定構(gòu)成威脅。黃龍病 (HLB) 或柑橘綠化病對(duì)柑橘樹是致命的，且缺乏治愈方法，并已多次復(fù)發(fā)，造成樹木毀壞 。它是一種普遍存在的威脅，由細(xì)菌病原體引起，會(huì)在葉片、莖和果實(shí)上引起壞死性病變。受感染的葉片形狀不規(guī)則、發(fā)育不良或起皺。嚴(yán)重的感染會(huì)導(dǎo)致不良后果，如葉片脫落、果實(shí)過(guò)早脫落、樹枝腐爛、整棵樹衰弱以及果實(shí)上出現(xiàn)斑點(diǎn)。由柑橘球腔菌引發(fā)的油斑病和由柑橘黑斑病引起的柑橘黑斑病也使柑橘樹面臨著一系列挑戰(zhàn)。由真菌引起的瘡痂病對(duì)檸檬品種、朗布爾酸橙和粗糙檸檬砧木構(gòu)成了明顯威脅，導(dǎo)致果實(shí)、葉片和樹枝上出現(xiàn)類似瘡痂或疣的不規(guī)則突起，常伴有葉片扭曲。在佛羅里達(dá)州，缺鋅最初表現(xiàn)為葉片綠色葉脈之間出現(xiàn)小黃斑，逐漸發(fā)展為除綠色葉脈區(qū)域外的整體變黃，缺鋅情況會(huì)逐漸惡化。柑橘病害不僅影響產(chǎn)量，颶風(fēng)、冬季霜凍、小雪、雨夾雪和凍雨等惡劣天氣條件以及勞動(dòng)力短缺也會(huì)導(dǎo)致產(chǎn)量下降。因此，確保柑橘的盈利能力和市場(chǎng)競(jìng)爭(zhēng)力的關(guān)鍵在于對(duì)受感染水果的有效控制和識(shí)別?？煽?、準(zhǔn)確地檢測(cè)病害感染至關(guān)重要，因?yàn)檫@些可以通過(guò)人為干預(yù)來(lái)預(yù)防，而天氣條件則無(wú)法控制。然而，一般的檢測(cè)方法依賴于人工檢查，這容易出現(xiàn)人為錯(cuò)誤，或者依賴于電子顯微鏡或聚合酶鏈反應(yīng)等傳統(tǒng)方法，這些方法既耗時(shí)又昂貴，而且需要實(shí)驗(yàn)室技能。在考慮病害檢測(cè)的長(zhǎng)期最終策略時(shí)，需要能夠以更快的速度準(zhǔn)確、不知疲倦地對(duì)柑橘病害進(jìn)行分類的自動(dòng)化系統(tǒng)。

大多數(shù)關(guān)于葉片病害檢測(cè)方法的研究都側(cè)重于利用圖像分類和識(shí)別技術(shù)的視覺(jué)或彩色數(shù)字成像。HSI 系統(tǒng)已被證明是一種可靠、準(zhǔn)確且無(wú)損的方法，可以進(jìn)行高光譜分辨率的深入光譜分析。此外，熒光成像系統(tǒng)已被廣泛用于評(píng)估植物葉片在環(huán)境壓力或病害條件下的生理特性。當(dāng)特定波長(zhǎng)激發(fā)葉綠素分子時(shí)，葉綠素會(huì)發(fā)出不同波長(zhǎng)范圍的光。這些光譜特征可以在寬光譜范圍內(nèi)表征疾病的存在，得益于 HSI 的能力，這些光譜特征可以執(zhí)行疾病檢測(cè)和分類任務(wù) 。先前的研究已經(jīng)探索了多光譜檢測(cè)以評(píng)估柑橘病害對(duì)葡萄柚的影響，分類準(zhǔn)確率達(dá)到 95.7% 。這項(xiàng)研究展示了雙波段多光譜成像的潛力。Thomas 等人還探索了一種結(jié)合反射和透射的高光譜成像系統(tǒng)來(lái)研究植物病原體。他們的發(fā)現(xiàn)表明，基于反射率的測(cè)量有助于早期檢測(cè)，而透射率測(cè)量則為理解和量化植物-病原體相互作用的復(fù)雜時(shí)空動(dòng)態(tài)提供了補(bǔ)充見(jiàn)解。 Bauriegel 和 Herppich 利用高光譜和葉綠素?zé)晒獬上裣到y(tǒng)對(duì)小麥赤霉病進(jìn)行了早期檢測(cè) 。他們?cè)趯?shí)驗(yàn)室環(huán)境中使用高光譜成像系統(tǒng)測(cè)量鐮刀菌，在田間使用葉綠素?zé)晒獬上裣到y(tǒng)測(cè)量鐮刀菌?，F(xiàn)有的高光譜和熒光系統(tǒng)需要復(fù)雜的設(shè)置和單獨(dú)操作，導(dǎo)致數(shù)據(jù)收集時(shí)間更長(zhǎng)，并且需要手動(dòng)對(duì)齊數(shù)據(jù)，從而降低準(zhǔn)確性。

此外，準(zhǔn)確區(qū)分健康葉片和受感染葉片或具有相似可見(jiàn)癥狀的葉片疾病仍然是一項(xiàng)具有挑戰(zhàn)性的任務(wù)。近年來(lái)，包括支持向量機(jī) (SVM)、k 最近鄰 (KNN)、人工神經(jīng)網(wǎng)絡(luò) (ANN) 和卷積神經(jīng)網(wǎng)絡(luò) (CNN) 在內(nèi)的機(jī)器學(xué)習(xí)方法加速并推進(jìn)了自動(dòng)化系統(tǒng)的發(fā)展，并在疾病檢測(cè)任務(wù)中取得了可喜的成果 。在農(nóng)業(yè)領(lǐng)域，HSI 與機(jī)器學(xué)習(xí)相結(jié)合已被證明是一種高度準(zhǔn)確的方法，可用于檢測(cè)和分類各種葉片上的疾病，如柑橘 、葡萄、紅樹林、南瓜等。謝等人利用 HSI 檢測(cè)番茄葉片上的疾病，并應(yīng)用了全光譜的極限學(xué)習(xí)機(jī) (ELM) 模型以及針對(duì)選定波長(zhǎng)的連續(xù)投影算法 (SPA)-ELM。在測(cè)試數(shù)據(jù)中，ELM 模型的準(zhǔn)確率 (100%) 高于 SPA-ELM 模型 (97.1%)。SPA-ELM 方法具有模型簡(jiǎn)化、計(jì)算時(shí)間短以及開(kāi)發(fā)基于多光譜的檢測(cè)儀器的潛力。吳等采用 ELM、SVM 和 KNN 的反射率 HSI 檢測(cè)草莓葉片上的灰霉病。三種機(jī)器學(xué)習(xí)分類器在測(cè)試集中的準(zhǔn)確率超過(guò) 90%。劉等還展示了將反射率 HSI 與機(jī)器學(xué)習(xí)模型結(jié)合使用在評(píng)估蘋果葉片上與蘋果花葉病相關(guān)的葉綠素含量方面的潛力。使用基于多種波長(zhǎng)、平均葉片葉綠素含量及其組合的隨機(jī)森林模型從驗(yàn)證數(shù)據(jù)集獲得了最高的準(zhǔn)確率（98.89%）。陳等研究了一種帶有機(jī)器學(xué)習(xí)模型的熒光成像系統(tǒng)，即一種采用 ResNet50 進(jìn)行遷移學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)，用于識(shí)別受黃瓜霜霉病感染的葉片。植物因病害應(yīng)激而產(chǎn)生的葉綠素?zé)晒鈪?shù)為植物的生理特性提供了寶貴的信息。這些參數(shù)被用作深度學(xué)習(xí)模型的輸入，增強(qiáng)型 ResNet 模型的準(zhǔn)確率達(dá)到了 94.76%，有助于早期疾病檢測(cè)。Weng 等人使用三個(gè) 650 nm 的 LED 對(duì)柑橘 HLB 葉片進(jìn)行了葉綠素?zé)晒鉁y(cè)量。最小二乘支持向量機(jī)對(duì)臍橙的準(zhǔn)確率達(dá)到 95.0%，對(duì)無(wú)核小蜜柑的準(zhǔn)確率達(dá)到 96%。

雖然已經(jīng)有大量研究?jī)H研究基于反射或熒光的高光譜測(cè)量，但對(duì)于在單一系統(tǒng)中同時(shí)使用反射和熒光成像來(lái)識(shí)別葉片疾病的潛在用途的研究卻非常有限。同時(shí)使用高光譜反射和熒光成像可以帶來(lái)區(qū)分疾病的優(yōu)勢(shì)（例如，分類準(zhǔn)確度高）。本研究探索了便攜式高光譜反射和熒光成像系統(tǒng)與機(jī)器學(xué)習(xí)相結(jié)合在區(qū)分柑橘葉片上各種疾病方面的潛力。使用高光譜成像系統(tǒng)測(cè)試了感染六種不同疾病的葉子的正面和背面以及健康對(duì)照組。使用機(jī)器學(xué)習(xí)分類器研究了高光譜葉片圖像。

圖2顯示了在Windows 11筆記本電腦上使用LabVIEW開(kāi)發(fā)的系統(tǒng)軟件。為了操作系統(tǒng)，使用硬件制造商提供的帶有LabVIEW的軟件開(kāi)發(fā)工具包（SDK）來(lái)實(shí)現(xiàn)參數(shù)化和數(shù)據(jù)傳輸功能。SDK包括用于LED燈控制的用戶數(shù)據(jù)報(bào)協(xié)議（UDP）、用于攝像頭控制的網(wǎng)絡(luò)協(xié)議、用于平臺(tái)移動(dòng)控制的串行通信以及用于圖像和光譜顯示的LabVIEW視覺(jué)開(kāi)發(fā)模塊（VDM）。在測(cè)量過(guò)程中，VNIR線燈打開(kāi)10秒以穩(wěn)定LED輸出。然后平移臺(tái)將樣品架向左移動(dòng)，而高光譜相機(jī)從標(biāo)準(zhǔn)面板收集線掃描反射信號(hào)并傳遞樣品。當(dāng)樣品架完成通過(guò)時(shí)，反射圖像采集結(jié)束，并且VNIR燈關(guān)閉。隨后，UV-A線燈打開(kāi)10秒以穩(wěn)定。然后，當(dāng)平臺(tái)返回到起始位置時(shí)，相機(jī)獲取線掃描熒光信號(hào)，完成后關(guān)閉 UV-A 燈，從而結(jié)束一個(gè)完整的成像周期。

對(duì)于預(yù)定的掃描距離，沿平移方向的空間分辨率取決于載物臺(tái)移動(dòng)速度和總掃描次數(shù)。例如，當(dāng)總掃描次數(shù)為 250 線、距離為 250 毫米時(shí)，載物臺(tái)以 3.3 毫米/秒的速度移動(dòng)，則大約需要 76 秒，從而得到近似于 1 毫米/像素的空間分辨率。根據(jù)相機(jī)的曝光時(shí)間，調(diào)整載物臺(tái)移動(dòng)速度，以使連續(xù)線掃描圖像采集與平移載物臺(tái)移動(dòng)同步。根據(jù)經(jīng)驗(yàn)，確定了移動(dòng)速度（V，單位為毫米/秒）和曝光時(shí)間（T，單位為秒）之間的倒數(shù)關(guān)系（V = 0.99/T），從而當(dāng)曝光時(shí)間為 0.3 秒時(shí)，速度為 3.3 毫米/秒，當(dāng)曝光時(shí)間為 0.6 秒時(shí)，速度為 1.65 毫米/秒。除了連續(xù)移動(dòng)模式外，高光譜系統(tǒng)還能夠以增量逐步線掃描模式運(yùn)行。該軟件顯示反射率和熒光圖像以及原始光譜和空間輪廓，逐行更新以顯示獲取圖像時(shí)的實(shí)時(shí)掃描進(jìn)度。完成后，反射率和熒光的每幅圖像都以標(biāo)準(zhǔn)波段逐行交錯(cuò) (BIL) 格式保存到單獨(dú)的數(shù)據(jù)文件中。