一种基于高光谱成像技术的柠檬黄脉病快速检测方法技术

本发明专利技术提供了一种基于高光谱成像技术的柠檬黄脉病快速检测方法，包括：获取叶片高光谱图像，提取叶片光谱数据；对所述叶片光谱数据进行预处理，并划分样本集；提取所述样本集的特征波长；构建柠檬黄脉病诊断模型，基于所述特征信息与所述柠檬黄脉病诊断模型，完成柠檬黄脉病快速检测。本发明专利技术区别于现有田间症状观察法和分子检测方法，具有高效、实时、低成本且客观的优点。且客观的优点。且客观的优点。

【技术实现步骤摘要】
一种基于高光谱成像技术的柠檬黄脉病快速检测方法


[0001]本专利技术属于植物病害检测
，尤其涉及一种基于高光谱成像技术的柠檬黄脉病快速检测方法。

技术介绍

[0002]柠檬黄脉病是我国各柠檬产区当前面临的最致命的病害，具有寄主广、传播快、难防控、危害重等特点。对出圃苗木进行检测以及对田间植株进行实时监控，是防控柠檬黄脉病传播的重要手段。
[0003]田间症状观察法和以PCR技术为基础的分子检测方法是当前普遍使用的柠檬黄脉病检测方法。田间症状观察法对观察人员的经验具有依赖性，主观性强，判断的准确性因人、因时而异。以PCR技术为基础的分子检测方法要求的设施条件较高，操作繁琐，耗时长，检测成本高，也存在一定的漏检率等缺点，很难满足育苗企业对大量苗木实时监测和基层柠檬黄脉病普查的需求。因此，建立快速高效、低成本的柠檬黄脉病检测技术，特别是构建针对田间大样本的柠檬黄脉病快速检测技术，对于保障柠檬产业健康发展具有重要意义。
[0004]高光谱成像技术具有快速、易操作、成本低的优点且获得的数据信息丰富，在植物病害快速检测中具有巨大应用潜力。因此，亟需一种基于高光谱成像技术的柠檬黄脉病快速检测方法。

技术实现思路

[0005]为解决上述技术问题，本专利技术提出了一种基于高光谱成像技术的柠檬黄脉病快速检测方法，克服了现有技术中的缺点与不足，具有高效、实时、低成本、客观的优点。
[0006]为实现上述目的，本专利技术提供了一种基于高光谱成像技术的柠檬黄脉病快速检测方法，包括：
[0007]获取叶片高光谱图像，提取叶片光谱数据；
[0008]对所述叶片光谱数据进行预处理，并划分样本集；
[0009]提取所述样本集的特征波长；
[0010]构建柠檬黄脉病诊断模型，基于所述特征波长与所述柠檬黄脉病诊断模型，完成柠檬黄脉病快速检测。
[0011]可选地，所述叶片高光谱图像包括：健康、缺氮、药害损伤三种未染柠檬黄脉病的柠檬叶片图像与仅具黄脉病、缺氮且具黄脉病、药害损伤且具黄脉病的三种感染柠檬黄脉病的柠檬叶片图像。
[0012]可选地，提取叶片光谱数据包括：
[0013]对所述叶片高光谱图像进行校正；
[0014]将校正后的所述叶片高光谱图像进行二值化处理，获得目标区域；
[0015]对所述目标区域进行掩膜处理，获得去除背景后的全叶片高光谱图像，对所述全叶片高光谱图像计算均值，获得所述叶片光谱数据。
[0016]可选地，对所述叶片高光谱图像进行校正的方式为：通过白色校正图像与暗校正图像，对所述叶片高光谱图像进行校正；
[0017]对所述叶片高光谱图像进行校正的表达式为：
[0018][0019]其中，R
λ
为校正后的高光谱图像，I
λ
为原始高图像、D
λ
为采集的暗校正图像，W
λ
为采集的白色校正图像。
[0020]可选地，所述白色校正图像与暗校正图像均基于健康柠檬叶片和黄脉病柠檬叶片获得。
[0021]可选地，对所述叶片光谱数据进行预处理的方式为：采用Savitzky
‑
Golay平滑滤波结合一阶求导的预处理方式。
[0022]可选地，采用Kennard
‑
Stone算法将预处理后的所述叶片光谱数据按照2：1比例随机划分样本集；所述样本集包括：训练集与验证集。
[0023]可选地，采用竞争性自适应重加权算法联合连续投影算法提取所述样本集的特征波长。
[0024]可选地，基于最小二乘支持向量机算法构建所述柠檬黄脉病诊断模型；
[0025]所述最小二乘支持向量机算法的表达式为：
[0026][0027]其中，α
i
为拉格朗日乘子，X
i
为输入值，K(X,X
i
)为核函数，b为偏差量；
[0028]所述核函数的表达式为：
[0029][0030]其中，σ2为核函数中的核参数。
[0031]与现有技术相比，本专利技术具有如下优点和技术效果：
[0032]本专利技术通过获取叶片高光谱图像，提取叶片光谱数据；对所述叶片光谱数据进行预处理，并划分样本集；提取所述样本集的特征信息；构建柠檬黄脉病诊断模型，实现对柠檬黄脉病的快速检测。本专利技术区别于现有田间症状观察法和分子检测方法，具有快速、易操作、成本低的优点且获得的数据信息丰富，不仅能够用于柠檬黄脉病的快速检测中，在其它植物病害快速检测中也具有巨大应用潜力。
附图说明
[0033]构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0034]图1为本专利技术实施例的一种基于高光谱成像技术的柠檬黄脉病快速检测方法流程示意图；
[0035]图2为本专利技术实施例的6种柠檬叶片原始光谱反射曲线示意图；
[0036]图3为本专利技术实施例的6种柠檬叶片预处理后光谱曲线示意图；
[0037]图4为本专利技术实施例的竞争性自适应重加权算法计算过程示意图；
[0038]图5为本专利技术实施例的竞争性自适应重加权算法筛选的特征波长结果示意图；
[0039]图6为本专利技术实施例的竞争性自适应重加权算法联合连续投影算法筛选的特征波长结果示意图。
具体实施方式
[0040]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
[0041]需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0042]实施例
[0043]如图1所示，本实施例提供了一种基于高光谱成像技术的柠檬黄脉病快速检测方法，包括：
[0044]获取叶片高光谱图像，提取叶片光谱数据；其中，叶片高光谱图像包括：健康、缺氮、药害损伤三种未染柠檬黄脉病的柠檬叶片图像与仅染黄脉病、缺氮且染黄脉病、药害损伤且染黄脉病的三种柠檬黄脉病柠檬叶片图像。
[0045]在本实施例中，利用室内高光谱图像采集系统对叶片进行数据采集，其中，叶片包括83片健康、91片缺氮、84片药害损伤三种未染柠檬黄脉病的柠檬叶片与90片仅具黄脉病、89片缺氮且具黄脉病、81片药害损伤且具黄脉病染的三种柠檬黄脉病柠檬叶片，共计518片。
[0046]室内高光谱图像采集系统包括：暗箱(120*50*140cm)、电动位移平台、150W线性光源、高光谱仪(型号：ImSpectorV10E,SPECIM公司，芬兰)、EMCCD相机(型号：IGVB1410M,IMPERX公司,美国)、散热风扇、数据采集电脑。
[0047]采集参数：设置电动位移平台速度1.87mm/s，物镜距离45c本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高光谱成像技术的柠檬黄脉病快速检测方法，其特征在于，包括：获取叶片高光谱图像，提取叶片光谱数据；对所述叶片光谱数据进行预处理，并划分样本集；提取所述样本集的特征波长；构建柠檬黄脉病诊断模型，基于所述特征波长与所述柠檬黄脉病诊断模型，完成柠檬黄脉病快速检测。2.根据权利要求1所述的基于高光谱成像技术的柠檬黄脉病快速检测方法，其特征在于，所述叶片高光谱图像包括：健康、缺氮、药害损伤三种未染柠檬黄脉病的柠檬叶片图像，以及仅具有黄脉病、缺氮且具有黄脉病、药害损伤且具黄脉病的三种感染柠檬黄脉病的柠檬叶片图像。3.根据权利要求1所述的基于高光谱成像技术的柠檬黄脉病快速检测方法，其特征在于，提取叶片光谱数据包括：对所述叶片高光谱图像进行校正；将校正后的所述叶片高光谱图像进行二值化处理，获得目标区域；对所述目标区域进行掩膜处理，获得去除背景后的全叶片高光谱图像，对所述全叶片高光谱图像计算均值，获得所述叶片光谱数据。4.根据权利要求3所述的基于高光谱成像技术的柠檬黄脉病快速检测方法，其特征在于，对所述叶片高光谱图像进行校正包括：通过白色校正图像与暗校正图像，对所述叶片高光谱图像进行校正；对所述叶片高光谱图像进行校正的表达式为：其中，R
λ
为校正后的高光谱图像，I
λ
为原始高图像、D
λ
为采集的暗校正图像，W
λ<...

【专利技术属性】
技术研发人员：李勋兰，韩国辉，魏召新，彭芳芳，刘剑飞，
申请(专利权)人：重庆市农业科学院，
类型：发明
国别省市：