農業行業
稻瘟病是我國南北稻作區危害最嚴重的水稻病害之一，與紋枯病、白葉枯病并稱為水稻三大病害。目前稻瘟病的識別主要還是人工通過圖片對比或根據文字描述來完成，然而這些識別方法主觀性太強，對工人專業素質要求較高，且效率低，往往會引起人為判斷的誤差，這樣就很難準確和及時地對癥下藥，進而影響防治效果，造成水稻減產。高光譜成像技術是傳統成像技術和光譜技術有機結合而成的一項新技術,利用成像技術可以獲得農作物的影像信息，利用光譜技術可以獲得農作物的光譜信息。
本文以出現稻瘟病病斑的水稻葉片為研究對象，利用高光譜成像系統獲取其高光譜圖像，再運用主成分分析方法確定適合病斑分割的主成分圖像，最后利用密度分割法實現對水稻葉瘟病斑的識別。并在此基礎上，分析了病斑部分的光譜變化規律及其與正常葉片的光譜差異。
1、材料與方法
1.1實驗材料
試驗研究的供試水稻品種為廣陸矮1號，為感病品種。經浸種、催芽后，采用盆栽試驗，共60盆，進行相同水平的管理。待稻苗長到第3~4葉時在人工接種箱內進行稻瘟病病菌噴霧接種(將制備的孢子懸浮液搖勻后，均勻地噴在葉表面直至葉片完全布滿小水珠為止),接種后移入暗箱保濕24h再轉移至溫室進行保濕培養，以促其發病。連續5天采集高光譜圖像數據，以得到不同發病等級的樣本。
1.2高光譜成像系統
本研究應用了400-1000nm的高光譜相機，可采用杭州彩譜科技有限公司產品FS13進行相關研究。光譜范圍在400-1000nm，波長分辨率優于2.5nm，可達1200個光譜通道。采集速度全譜段可達128FPS，波段選擇后最高3300Hz（支持多區域波段選擇）。
1.3稻葉瘟病高光譜圖像的主成分分析
高光譜成像技術能獲取許多非常窄的光譜連續的影像數據，這些影像數據具有很強的譜間相關性。而主成分分析主要是對于相互相關的一組數據，通過正交變換使其變為一組相互無關的變量的方法，它能夠充分去除相關性，把有用的信息集中到數目盡可能少的主分量中。主成分(PC)波段是原始波段的線性合成，它們之間互不相關。第1主成分包含最大的數據方差，第2主成分包含第二大方差，以此類推，最后的主成分波段由于包含很小的方差，顯示為噪聲。通過主成分分析，可根據貢獻率的大小來選擇主成分圖像，表1可以看出，前6個主成分圖像的貢獻率達到了99.81%。圖2為水稻稻葉瘟的PC1到PC6主成分圖像，比較這6個主成分圖像，PC2圖像病斑與葉片背景差異明顯，利于水稻稻葉瘟病斑分割。
2、結果與分析
2.1圖像分割結果
圖3為PC2圖像分割后的二值圖像。其中白色部分表示水稻葉瘟病斑，可以看出該二值圖像基本反映出了受葉瘟病脅迫的水稻葉片的全部病斑區域。為了進一步檢驗該分割方法的有效性，應用主成分分析和密度分割法于本試驗中的60個樣本，其中54幅圖像中的病斑部分可被準確分割，分割率為90%。
2.2病斑光譜特性分析
利用分割后的二值圖像與原高光譜圖像進行相乘運算，得到只含病斑區域的高光譜圖像，選取該區域作為感興趣區域，對其光譜特性進行分析。圖4為正常部位與葉瘟病斑部位感興趣區域的光譜曲線。由病斑曲線可以看出，在400～988nm波段范圍內，病斑光譜曲線總體上呈上升趨勢。在藍光波段(435~480nm)反射率較低，但呈上升狀態，一直到綠光波段。在紅光波段(600~760nm),先反射率逐漸增加，在650nm左右開始下降，但下降幅度較小，隨后上升，在680nm左右形成一個較淺的波谷，690~760nm陡峭上升。在近紅外波段，760nm以后光譜反射率緩慢上升，一直到988nm達到最高反射率值。通過對水稻葉瘟病斑區域和正常區域光譜反射率在可見光-近紅外范圍內的對比分析，在藍光波段(435~480nm)和紅光波段(600~700nm),稻葉瘟病斑區域反射率大于正常葉片區域反射率，水稻葉瘟病斑曲線在紅光波段的680 nm附近出現了一個較淺的波谷，此處葉瘟病斑區域光譜反射率與正常葉片區域光譜反射率相比，差異顯著。在綠光波段(530~580nm)水稻葉瘟病斑區域較正常葉片部位的光譜反射率略有降低，這主要與該時期水稻葉片葉綠素逐漸衰退而葉黃素逐漸呈現有關。另外在近紅外波段內(720~988nm),水稻葉片染病部分與正常葉片部分相比，在近紅外區光譜反射率下降，這種變化是由葉片內部細胞結構決定。
3、結論
本文應用高光譜成像技術對水稻葉瘟病進行檢測。得到結論如下：
(1)采用主成分分析方法對高光譜數據進行降維處理，得到了PC1到PC6主成分圖像，選取第2主成分圖像對稻葉瘟進行分割識別，病斑分割率為90%。
(2)分析了水稻葉瘟病病斑和正常葉片感興趣區域的光譜特征，在段綠光波段(530~580nm)和紅光波段(600~700nm),水稻葉瘟病區域與正常葉片相比，光譜反射率分別呈現出下降和上升的趨勢。在近紅外譜段內，水稻在近紅外波段(720~988nm),水稻葉片染病后會引起近紅外區光譜反射率下降。
(3)通過本文的研究，實現了對單葉片稻葉瘟病斑的準確分割，為下一步田間應用多光譜/高光譜成像技術探測水稻冠層稻葉瘟的發生提供了基礎。
