柑橘部分病理病害和生理病害的高光谱识别研究

摘要

柑橘是世界第一大水果，在主产区乡村经济发展和世界贸易中有着举足轻重的地位，而诸多柑橘病害和生理性病害则是制约柑橘生产发展和国内外市场拓展的重要因素之一。近年来，植物病害的无损伤、快速识别技术已成为农业信息技术研究的重要内容，而光谱技术作为一种新兴的无损检测技术已被应用到多种作物的病害诊断中。国内外有关农作物病害的光谱诊断技术研究近年发展较快，但涉及柑橘类水果的病理病害和生理病害的光谱检测技术研究相对较少。本文针对症状相似、易于混淆的部分重要柑橘病理病害和生理病害，综合利用高光谱成像、光谱分析、模式识别、化学计量学和柑橘病害等交叉学科知识，进行了高光谱无损识别方法研究，以期为柑橘病害实时、快速光谱诊断系统的建立提供依据。主要研究内容和结果如下:
　　1.利用高光谱成像技术（400-1000nm），结合化学计量学方法，对部分柑橘重要病害的染病叶片和正常叶片，以及受多种病害为害的叶片进行了光谱识别研究。
　　2.从黄龙病发病果园和未发病果园采集叶色正常和感病黄化的纽荷尔脐橙叶片为研究对象，获取了柑橘叶片的正面和背面的高光谱信息，并对柑橘叶片样本进行分子检测验证，利用高光谱信息建立了柑橘叶片黄龙病LDA，BPNN和LSSVM等三种识别模型。结果表明，三种模型以LSSVM模型结果最优，基于叶片正面光谱和9点平滑预处理，基于叶片背面光谱和二阶导数预处理的LSSVM建模预测，建模集识别精度均为100％，预测集识别精度均为92.5％。基于叶片正面光谱，应用逐步判别分析筛选得到的9个特征波长(400.19，403.17，406.15，407.64，412.12，721.14，730.74，740.34和823.98nm)所建LSSVM模型，大幅度减少了输入变量，并且识别效果也较为理想，建模集识别精度可达98.57％，预测集识别精度可达92.5％。研究结果显示，叶片正面光谱和背面光谱都可用于黄龙病识别，并且通过高光谱建模分析能够较好地从柑橘叶色正常的叶片中识别出黄龙病PCR阳性叶片，显示了对黄龙病感染但无症状时的高光谱早期无损诊断的可能性。
　　3.采集感染褐斑病、黑星病和溃疡病的柑橘叶片高光谱图像，分析并比较病斑及病斑附近不同组织的光谱反射率特征，提取了区分三种病害的光谱特征波段(404.66,421.1,428.6,434.62,436.12,446.68,618.04,700.40,719.55,727.54,864.38，938.93和998.96nm)，利用特征波段结合Fisher多类线性分析对三种病害病斑的识别率为100％。
　　4.网室内培养的健康以及接种TRL514，CT30，CT32和CT11A四种不同衰退病株系的柑橘植株，采集叶片的高光谱图像，建立了MD，LDA和BPNN等三种衰退病染病叶片识别模型。结果表明，利用400-1000nm和760-1000nm的光谱对健康和感染衰退病叶片的建模预测识别率均为100％，利用九个特征波长(405.4，424.1，920.28，947.04，957.59，972.19，978.68，980.3和998.15 nm)对健康和感染衰退病叶片的建模预测识别率分别为100％和97.33％。而对于感染四种不同株系的衰退病植株叶片的预测诊断效果不佳，仅为70％。
　　5.应用高光谱成像技术，研究哈姆林甜橙叶片不同程度缺锰、缺锌症状的光谱响应特征及差异，对LDA，BPNN和LSSVM模型的识别精度进行比对分析。结果表明:利用高光谱原始全光谱反射率，结合LSSVM建立叶片缺锰、锌症状识别模型，其建模集识别精度达91.88％，预测集识别率可以达到90.00％;利用连续投影算法筛选的40个特征波长，建立LSSVM判别模型，其建模集识别精度为90.00％，预测集识别精度也达82.50％。表明基于高光谱成像技术对柑橘树缺锰、缺锌的准确识别是可行的，为高光谱成像技术应用于柑橘树缺素症的快速无损识别奠定了基础。

目录

声明

摘要

第一章 文献综述

1.1 柑橘部分重要病害简介

1.1.1 柑橘黄龙病

1.1.2 柑橘衰退病

1.1.3 柑橘溃疡病

1.1.4 柑橘黑星病

1.1.5 柑橘褐斑病

1.2 柑橘缺锰、缺锌等生理病害

1.3 农作物病害的光谱检测技术

1.3.1 技术原理

1.3.2 农作物病害光谱检测技术的化学计量学方法

1.3.3 分类器评价参数

1.4 农作物病害光谱检测技术研究

第二章 引言

2.1 研究背景

2.2 研究目的和意义

2.3 研究技术路线

2.4 研究主要内容

2.5 预期目标

第三章 柑橘部分病理病害的高光谱识别

3.1 基于高光谱成像技术的柑橘黄龙病识别

3.1.1 材料与方法

3.1.2 数据处理

3.1.3 结果分析

3.2 基于高光谱成像技术的柑橘褐斑病、黑星病、溃疡病识别

3.2.1 材料与方法

3.2.2 数据处理

3.2.3 结果分析

3.3 基于高光谱成像技术的柑橘衰退病识别

3.3.1 材料与方法

3.3.2 数据处理

3.3.3 结果分析

3.4 小结与讨论

第四章 柑橘部分生理病害的高光谱判别研究

4.1 材料与方法

4.1.1 叶片样本采集

4.1.2 叶片高光谱图像采集

4.1.3 叶片锌、锰含量的化学测定

4.2 数据处理

4.2.1 样品分组

4.2.2 光谱提取与预处理

4.2.3 特征波段与建模分析

4.3 结果分析

4.3.1 叶片锰、锌含量比较

4.3.2 光谱反射率分析

4.3.3 主成分散点图

4.3.4 特征波段筛选

4.3.5 应用LDA、BPNN和LSSVM建模分析

4.3.5 基于特征波长信息的锰锌元素缺乏识别建模分析

4.4 小结与讨论

第五章 研究总结与展望

5.1 结论

5.2 存在的问题

5.3 展望

参考文献

英文缩略表

在校期间发表论文及参研课题

致谢