小麦赤霉病染病籽粒识别的光谱病害指数构建及应用制造技术

本发明专利技术特别涉及一种小麦赤霉病染病籽粒识别的光谱病害指数构建，包括如下步骤：(A)挑选健康和染病小麦籽粒作为样本，采集得到两条平均光谱曲线；(B)分别对两条平均光谱曲线进行一阶微分处理得到两条一阶微分光谱曲线；(C)根据两条平均光谱曲线求解波长λ1，根据两条一阶微分光谱曲线求解波长λ2；(D)计算每个小麦籽粒的光谱病害指数；(E)根据健康和染病小麦籽粒的光谱病害指数分别画出其频数直方图；(F)对两个频数直方图进行曲线拟合，取两条拟合曲线的交点为判断阈值；还公开了利用该模型进行小麦赤霉病检测的方法。本发明专利技术构建的光谱病害指数，具有无损、计算速度快、精度高、稳定性好的应用优势。

Construction and Application of Spectral Disease Index for Recognition of Wheat Scab Infected Grain

【技术实现步骤摘要】
小麦赤霉病染病籽粒识别的光谱病害指数构建及应用
本专利技术涉及小麦赤霉病病害检测
，特别涉及一种小麦赤霉病染病籽粒识别的光谱病害指数构建及应用。
技术介绍
小麦是世界上种植面积最广、总产量最高的粮食作物之一，超过1/3的世界人口以小麦制品为主食。因此，小麦在社会和经济方面有着重要的作用，其质量安全问题也成为了国内外研究的热点。镰刀菌赤霉病(FHB)是小麦的一种常见高发病，它可以产生25种真菌毒素，其中脱氧雪腐镰刀菌烯醇(DON)及其乙酰化衍生物(3ADON，15ADON)最为普遍。DON又称呕吐毒素，会干扰核糖体肽基转移酶的活性，阻碍核糖体循环，抑制蛋白质的合成，引起头疼、呕吐、肠道损伤、中枢神经系统紊乱、免疫功能障碍等症状。因此，为了避免潜在的健康风险，必须在把小麦加工成食品之前检测出患病的谷物，以避免将它们掺入到食物之中。传统的小麦赤霉病检测方法主要有：通过人工专家目测，但其有效性可能会因疲劳，外部干扰和视错觉等因素而下降；液体和气体色谱、质谱法、和酶联免疫吸附试验等具有相对更高的准确性，但破坏性大、耗时长，不适用于在线检测；数字图像处理技术具有快速无损的优势，但会因为照明条件等因素影响图片质量，且丢失了紫外、红外等信息使得分类结果不够准确。光谱技术是近年来兴起的一种新型、快速、无损的检测技术，它是基于物质与辐射能作用时，测量由物质内部发生量子化的能级之间的跃迁而产生的发射、吸收或散射辐射的波长和强度进行分析的方法。DelwicheandKim首次用高光谱图像识别出小麦籽粒中的FHB,自此掀起了光谱技术在病虫害小麦识别研究中的热潮。光谱分析技术包含了大量紫外、可见光、红外等不同波段范围内的信息，可以反应出作物受到病害侵染后的外部形态和内部生理结构的变化，在作物病虫害检测研究中得到了重要的应用。但光谱数据具有波段多、数据量大、冗余度大、相关性强等特点，利用传统的机器学习分类方法(如支持向量机，偏最小二乘线性判别法等)需要消耗大量的时间。总体而言，目前小麦赤霉病染病籽粒检测方法不能兼顾准确率和效率两方面的指标，所以开发一个算法轻便、识别率高的识别方法并应用成为了一个亟待解决的技术问题。
技术实现思路
本专利技术的首要目的在于提供一种小麦赤霉病染病籽粒识别的光谱病害指数构建，处理速度快且能够精准的用于小麦籽粒的赤霉病检测。为实现以上目的，本专利技术采用的技术方案为：一种小麦赤霉病染病籽粒识别的光谱病害指数构建，包括如下步骤：(A)挑选多个健康小麦籽粒和小麦赤霉病染病籽粒作为校正集，采集校正集中小麦籽粒的光谱数据后求平均得到健康小麦籽粒平均光谱曲线C1和染病小麦籽粒平均光谱曲线C3；(B)分别对两条平均光谱曲线C1和C3的每个波长进行一阶微分处理得到健康小麦籽粒一阶微分光谱曲线C2和染病小麦籽粒一阶微分光谱曲线C4；(C)根据两条平均光谱曲线C1和C3求解反射率值差异最大的波长λ1，根据两条一阶微分光谱曲线C2和C4求解光谱曲线值差异最大的波长λ2；(D)根据以下公式计算每个小麦籽粒的光谱病害指数NSDI：式中，Rλ1表示在λ1波长处的反射率值，Sλ2表示在λ2波长处的一阶微分值；(E)根据健康小麦籽粒的光谱病害指数NSDI画出其频数直方图，根据染病小麦籽粒的光谱病害指数NSDI画出其频数直方图；(F)对健康小麦籽粒和染病小麦籽粒的频数直方图进行曲线拟合，取两条拟合曲线的交点为判断阈值T。与现有技术相比，本专利技术存在以下技术效果：本专利技术在大量光谱数据中选择差异最大的两个波长构建光谱病害指数，快速、无损的识别染病小麦籽粒，由于只选择两个波长及阈值分类的简洁性，保证了算法的轻便和快速；由于选择的是差异最大的两个波长构建光谱病害指数，保证了算法的有效性和高精度。本专利技术的另一个目的在于提供一种基于光谱病害指数的小麦赤霉病染病籽粒检测方法，检测速度快且精度高。为实现以上目的，本专利技术采用的技术方案为：(S1)按照前述小麦赤霉病染病籽粒识别的光谱病害指数构建小麦赤霉病染病籽粒光谱病害指数模型，确定波长λ1、λ2以及判断阈值T；(S2)采集待检测小麦籽粒的光谱数据得到其光谱曲线C5，根据光谱曲线C5求得波长λ1处的反射率值Rλ1；对光谱曲线C5的每个波长进行一阶微分处理得到待检测小麦籽粒一阶微分光谱曲线C6，根据光谱曲线C6求得波长λ2处的一阶微分值Sλ2；(S3)将Rλ1和Sλ2代入以下公式计算待检测小麦籽粒的光谱病害指数NSDI：(S4)将待检测小麦籽粒的光谱病害指数NSDI与判断阈值T相比较，若NSDI≤T，则待检测小麦籽粒为健康小麦籽粒，若NSDI＞T，则待检测小麦籽粒为染病小麦籽粒。与现有技术相比，本专利技术存在以下技术效果：本专利技术在大量光谱数据中选择差异最大的两个波长构建光谱病害指数，快速、无损的识别染病小麦籽粒，由于只选择两个波长及阈值分类的简洁性，保证了算法的轻便和快速；由于选择的是差异最大的两个波长构建光谱病害指数，保证了算法的有效性和高精度。附图说明图1是小麦赤霉病染病籽粒光谱病害指数的特征波长λ1和λ2的构建流程示意图；图2是小麦籽粒样本的平均光谱曲线；图3是小麦籽粒样本的一阶微分光谱曲线；图4是小麦籽粒样本的频数直方图及其拟合曲线；图5是以特征值为坐标在二维平面画出散点图；图6是小麦赤霉病染病籽粒检测方法流程示意图。具体实施方式下面结合图1至图6，对本专利技术做进一步详细叙述。参阅图1和图6，一种小麦赤霉病染病籽粒识别的光谱病害指数构建，包括如下步骤：(A)挑选多个健康小麦籽粒和小麦赤霉病染病籽粒作为校正集，采集校正集中小麦籽粒的光谱数据后求平均得到健康小麦籽粒平均光谱曲线C1和染病小麦籽粒平均光谱曲线C3，平均光谱曲线C1和C3如图2所示；(B)分别对两条平均光谱曲线C1和C3的每个波长进行一阶微分处理得到健康小麦籽粒一阶微分光谱曲线C2和染病小麦籽粒一阶微分光谱曲线C4，一阶微分光谱曲线C2和C4如图3所示；(C)根据两条平均光谱曲线C1和C3求解反射率值差异最大的波长λ1，根据两条一阶微分光谱曲线C2和C4求解光谱曲线值差异最大的波长λ2；(D)根据以下公式计算每个小麦籽粒的光谱病害指数NSDI：式中，Rλ1表示在λ1波长处的反射率值，Sλ2表示在λ2波长处的一阶微分值，使用这个公式，就可以计算出所有健康小麦籽粒和所有染病小麦籽粒的光谱病害指数NSDI；(E)根据健康小麦籽粒的光谱病害指数NSDI画出其频数直方图，根据染病小麦籽粒的光谱病害指数NSDI画出其频数直方图；(F)对健康小麦籽粒和染病小麦籽粒的频数直方图进行曲线拟合，取两条拟合曲线的交点为判断阈值T，频数直方图和拟合曲线如图4所示。图5是以特征值为坐标在二维平面画出散点图，可以看出健康小麦籽粒与染病小麦籽粒界限分明。表明该特征对健康小麦籽粒与染病小麦籽粒具有一定的聚类作用，可以用于小麦赤霉病的定性区分。本专利技术在大量光谱数据中选择差异最大的两个波长构建光谱病害指数NSDI，快速、无损的识别染病小麦籽粒，由于只选择两个波长及阈值分类的简洁性，保证了算法的轻便和快速；由于选择的是差异最大的两个波长构建光谱病害指数，保证了算法的有效性和高精度。通过以上方案，我们可以得知，本专利技术中选择合适的特征波长λ1和λ2至关重要，为了保证特征波长λ1和λ2选本文档来自技高网...

【技术保护点】
1.一种小麦赤霉病染病籽粒识别的光谱病害指数构建，其特征在于：包括如下步骤：(A)挑选多个健康小麦籽粒和小麦赤霉病染病籽粒作为校正集，采集校正集中小麦籽粒的光谱数据后求平均得到健康小麦籽粒平均光谱曲线C1和染病小麦籽粒平均光谱曲线C3；(B)分别对两条平均光谱曲线C1和C3的每个波长进行一阶微分处理得到健康小麦籽粒一阶微分光谱曲线C2和染病小麦籽粒一阶微分光谱曲线C4；(C)根据两条平均光谱曲线C1和C3求解反射率值差异最大的波长λ1，根据两条一阶微分光谱曲线C2和C4求解光谱曲线值差异最大的波长λ2；(D)根据以下公式计算每个小麦籽粒的光谱病害指数NSDI：

【技术特征摘要】
1.一种小麦赤霉病染病籽粒识别的光谱病害指数构建，其特征在于：包括如下步骤：(A)挑选多个健康小麦籽粒和小麦赤霉病染病籽粒作为校正集，采集校正集中小麦籽粒的光谱数据后求平均得到健康小麦籽粒平均光谱曲线C1和染病小麦籽粒平均光谱曲线C3；(B)分别对两条平均光谱曲线C1和C3的每个波长进行一阶微分处理得到健康小麦籽粒一阶微分光谱曲线C2和染病小麦籽粒一阶微分光谱曲线C4；(C)根据两条平均光谱曲线C1和C3求解反射率值差异最大的波长λ1，根据两条一阶微分光谱曲线C2和C4求解光谱曲线值差异最大的波长λ2；(D)根据以下公式计算每个小麦籽粒的光谱病害指数NSDI：式中，Rλ1表示在λ1波长处的反射率值，Sλ2表示在λ2波长处的一阶微分值；(E)根据健康小麦籽粒的光谱病害指数NSDI画出其频数直方图，根据染病小麦籽粒的光谱病害指数NSDI画出其频数直方图；(F)对健康小麦籽粒和染病小麦籽粒的频数直方图进行曲线拟合，取两条拟合曲线的交点为判断阈值T。2.如权利要求1所述的小麦赤霉病染病籽粒识别的光谱病害指数构建，其特征在于：所述的步骤C中，按如下步骤确定特征波长λ1和λ2：(C11)根据两条平均光谱曲线C1和C3，求解出使C1-C3值最大的波长λ11以及使C1-C3值最小的波长λ12；(C12)根据两条一阶微分光谱曲线C2和C4，求解出使C2-C4值最大的波长λ21以及使C2-C4值最小的波长λ22；(C13)按以下公式计算D1和D2：式中，Rλ11、Rλ12、Sλ21以及Sλ22是健康小麦籽粒的特征值，R′λ11、R′λ12、S′λ21以及S′λ22是染病小麦籽粒的特征值；(C14)判断D1和D2的大小，若D1≥D2，则取λ11和λ21作为特征波长λ1和λ2；否则，取λ12和λ22作为特征波长λ1和λ2。3.如权利要求1或2所述的小麦赤霉病染病籽粒识别的光谱病害指数构建，其特征在于：所述的步骤C中，包括如下步骤：(C21)根据确定的特征波长λ1和λ2判断如下公式是否成立：(Rλ1-R′λ1)·(Sλ2-S′λ2)＜0；式中，Rλ1和Sλ2是健康小麦籽粒的特征值，R′λ1和S′λ2是染病小麦籽粒的特征值；(C22)若上式成立，则执行步骤D；若上式不成立，则返回步骤A重新选择校正集或扩大校正集中样本数量。4.如权利要求3所述的小麦赤霉病染病籽粒识别的光谱病害指数构建，其特征在于：所述的步骤F中，按以下步骤确定判断阈值：(F1)取两条拟合曲线的交点为基准判断阈值T0；(F2)在基准判断阈值T0附近选取多个特定阈值得到一组阈值{T-i，...，T-1，T0，T1，...，Tk}；(F3)挑选多个健康小麦籽粒和小麦赤霉病染病籽粒作为验证集，利用所测得阈值对验证集中小麦籽粒进行识别，计算每个阈值对应的识别精确度、特异性以及敏感性；(F4)根据用户需求、识别精确度、特异性以及敏感性从一组阈值中选择最佳的一个阈值作为判断阈值T。5.如权利要求4所述的小麦赤霉病染病籽粒识别的光谱病害指数构建，其特征在于：所述的步骤F2中，在基准判断阈值T0左、右两边各选择n个特定阈值，且得到的一组阈值以δ为公差，该组阈值即为{T0-nδ，...，T0-δ，T0，T0+δ，...，T0+nδ}。6.如权利要求4所述的小麦赤霉病染病籽粒识别的光谱病害指数构建，其特征在于：所述的步骤F3中，对一组阈值{T-i，...，T-1，T0，T1，...，Tk}中的任一阈值Tx，x∈[-i，k]，按如下步骤求得Tx对应的识别精确度、特异性以及敏感性：(F31)将验证集中健康小麦籽粒的光谱病害指数NSDI与阈值Tx进行比较，记光谱病害指数NSDI≤Tx的健康小麦籽粒个数为Tp，光谱病害指数NSDI＞Tx的健康小麦籽粒个数为Fn；(F32)将验证集中染病小麦籽粒的光谱病害指数NSDI与阈值Tx进行比较，记光谱病害指数NSDI＞Tx的染病...

【专利技术属性】
技术研发人员：张东彦，王倩，梁栋，郑玲，黄林生，尹勋，王道勇，陈高，
申请(专利权)人：安徽大学，
类型：发明
国别省市：安徽,34