一种烟草花叶病感病程度的快速检测方法技术

本发明专利技术公开一种烟草花叶病感病程度的快速检测方法，包括步骤：1)收集不同病害程度烟草新鲜叶片，清洗后擦干作为样品；2)对烟草叶片的花叶病感病程度Y进行归类；3)利用激光诱导击穿光谱仪获得到样品不同位置的光谱信号；4)对所获取的光谱信号进行预处理，经过预处理的数据记为X’；5)以经过预处理数据X’作为输入和感病程度Y作为输出建立偏最小二乘法模型，并利用回归系数选择若干特征波长；6)以感病程度作为输出Y，以所述特征波长的信号强度X作为输入，建立偏最小二乘法判别分析模型；7)按照步骤1)对待检测作物样本进行处理，用光谱信号提取特征波长对应的信号强度X输入判别分析模型中，对烟草的感病程度进行判别分析。

【技术实现步骤摘要】

本专利技术设及作物病害检测技术，尤其设及一种烟草感花叶病程度的检测方法。
技术介绍
烟草是我国重要经济作物之一。2015上半年，烟草行业实现工商税利6242.4亿元， 上缴财政总额4850.6亿元。烟草花叶病毒(Tobacco mosaic virus,TMV)是烟草主要的病毒 病之一，全球范围内每年由烟草花叶病毒造成的损失达1亿美元W上。因此，烟草花叶病毒 感病程度的快速早期诊断，对防治烟草病害，减少经济损失具有重要意义。 目前，烟草花叶病毒的检测方法主要有直接观测法、电子显微镜检测法、生物学测 定法、血清学检测法和基因忍片技术。前两种检测技术(直接观测法和电子显微镜检测法） 较为简单，但是受检测人员的技术水平和主观因素影响较大，识别率较差。后=种检测技术 (生物学检测法、血清学检测法和基因忍片技术)的检测精度较高，然而预处理复杂、检测成 本较局。 激光诱导击穿光谱仪(Xaser-Induced Breakdown Spechoscopy,LIBS)作为一种 新型的原子光谱技术，可根据获取的"指纹谱线"实现判别分析。该技术无需对样品进行预 处理(或简单预处理），能对样本实现快速检测分析，通常检测时间为几分钟。 应用激光诱导击穿光谱技术实现烟草花叶病感病程度的诊断，有利于减少人为因 素的干扰，具有快速、操作简单、成本低、环保等特点。
技术实现思路
本专利技术公开了一种烟草花叶病感病程度的快速检测，实现了基于激光诱导击穿光 谱对烟草感病程度进行判别，具有成本低，检测快速，操作简单等特点。 本专利技术的具体技术方案如下：[000引，包括步骤： 1)收集不同病害程度烟草新鲜叶片，用清水清洗去除表面泥溃，用吸收纸将叶片 擦干； 2)利用参考方法对烟草叶片的感病程度进行归类，W感病程度进行标签，记为Y; 3)将烟草新鲜叶片放置样品台上，待激光能量趋于稳定时，并通过样品台改变激 光击打样品位置，获得到样品不同位置的样本信号； 4)对所获取的信号进行去基线、小波去噪、信号归一化、异常谱线剔除和求平均等 预处理，经过预处理的数据记为X' ； 5)针对上述的建模样本，W经过预处理数据X'作为输入，W感病程度Y作为输出建 立偏最小二乘法模型，W回归系数选择若干特征波长； 6) W感病程度作为输出Y，W所述的特征波长的信号强度X作为输入，建立偏最小 二乘法判别分析模型； 所述的判别分析模型方程为： Y = 2.87775-1871.495人1+3055.187人2-53.0284入 3 +2021.735入4-816.0068入5+1192.07U6+11130.88入 7 [001 引 +6354.82人8-7614.358人9 巧016.879入 10其中Al, VAio分别为步骤5)中选出来的特征波长处的信号强度； 7)按照步骤1)对待检测作物样本进行预处理，输入步骤6)的判别分析模型中，对 烟草的感病程度进行判别分析。 作为优选，步骤3)中所述样本信号采集应为单点采集模式，一个样本采集的点数 应为100~1000个点。 由于烟草叶片较为脆弱，为保证所采的信号均为叶片信号，因此样本的每个采集 点均采集一条谱线。此外，为保证所采集的谱线代表整个烟草叶片的感病情况，应均匀对叶 片进行采集，所采集的点数应该足够多。 作为优选，步骤3)所述信号采集的参数为:激光能量范围为50~200mJ;激光波长 为532nm或1064nm;焦深为1~3mm;延时时间为1 -化S;积分时间为5~1 OiiS; 由于激光能量、激光波长、焦深、延时时间、积分时间均会对信号的强度造成影响， 本专利技术在采集过程中对检测参数进行优化。 作为优选，步骤4)中样本小波去噪的参数为:小波基函数为化3~化10,层数为3~ 10层； 作为优选，步骤4)预处理方法中信号归一化应对样本谱线信号的积分面积进行归 一化； 由于仪器噪声和环境的影响，LIBS采集的不同谱线会产生不同的波动，本专利技术针 对每一条谱线W波长进行积分获得强度面积，并W每个波长的强度值除W强度面积对谱线 进行面积归一化处理。此处理能有效减少点与点的谱线波动。 作为优选，步骤4)中异常谱线剔除遵循W下原则:保留的谱线数应大于原始谱线 数的60%，且保留谱线的相对标准偏差应小于15~25%。 在应用LIBS进行烟草信号采集过程中，由于叶片表面不平、叶片基体效应和检测 误操作的存在，获取的信号可能存在异常谱线。因此，需要对异常样本进行剔除，保证检测 的精度。 作为优选，步骤5)中特征波长的选择应遵循W下原则:特征波长的个数应为5~30 个之间；根据回归系数的前0.5%。~1%。绝对值保留对应的波长，再根据原子谱线库中对波 长进行匹配，保留匹配上的特征波长。 本专利技术中利用偏最小二乘法的回归系数的值对原始波段进行筛选，保存对模型贡 献比较大的波段，再根据原子谱线库找出波长对应的元素，最终保留能代表实际元素的波 长。由于LIBS所采集的信号，其波段数较多，通常在10000~20000之间，通过选择特征波长 能有效减少数据的冗余，提高运算速度。此外，通过选择特征波长，筛选出对烟草花叶病感 病程度较为敏感的元素成分，对今后制造生产专用的传感器具有重要意义。 本专利技术具有的有益效果是： (1)实现了烟草花叶病感病程度的诊断。 (2)利用LIBS技术进行病害程度判别，具有操作简单，成本低、环保、快速等特点； 有效克服了传统检测方法检测时间长、操作复杂的特点，避免了化学试剂对环境的污染。 (3)选择了具有代表性的特征波长，有利于专用传感仪器的开发。【附图说明】 图1为建模集样本实际烟草感病程度与预测烟草感病程度的关系图； 图2为预测集样本实际烟草感病程度与预测烟草感病程度的关系图； 图3为本专利技术的检测方法流程图。【具体实施方式】 下面将结合具体实施例和附图对本专利技术进行详细描述，如图3所示，具体步骤如 下： 1、收集不同感病程度的烟草叶片，并W人工观测法将不同感病程度的烟草当前第1页1 2 本文档来自技高网...

【技术保护点】
一种烟草花叶病感病程度的快速检测方法，其特征在于，包括步骤：1)收集不同病害程度烟草新鲜叶片，清洗后擦干作为样品；2)对烟草叶片的花叶病感病程度进行归类，标记为Y；3)利用激光诱导击穿光谱仪获得到样品不同位置的光谱信号；4)对所获取的光谱信号进行预处理，经过预处理的数据记为X’；5)以经过预处理数据X’作为输入和感病程度Y作为输出建立偏最小二乘法模型，并利用回归系数选择若干特征波长；6)以感病程度作为输出Y，以所述特征波长的信号强度X作为输入，建立偏最小二乘法判别分析模型；具体的判别分析模型方程为：Y＝2.87775‑1871.495λ1+3055.187λ2‑53.0284λ3+2021.735λ4‑816.0068λ5+1192.071λ6+11130.88λ7+6354.82λ8‑7614.358λ9+5016.879λ10其中λ1,λ2…λ10分别为步骤5)中选出来的特征波长处的信号强度；7)按照步骤1)对待检测作物样本进行处理，用光谱信号提取特征波长对应的信号强度X输入步骤6)的判别分析模型中，对烟草的感病程度进行判别分析。

【技术特征摘要】

【专利技术属性】
技术研发人员：刘飞，彭继宇，何勇，宋坤林，孔汶汶，叶蓝韩，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33