基于近红外光谱技术的小麦条锈病和叶锈病的早期诊断

摘要

为实现小麦条锈病和叶锈病的早期诊断,利用近红外光谱技术结合定性偏最小二乘法(DPLS)建立了一种鉴别这两种病害的方法.试验将150片小麦叶片(健康叶片、条锈病潜育叶片、条锈病发病叶片、叶锈病潜育叶片、叶锈病发病叶片各30片)分为5类,扫描获得近红外光谱,建立小麦叶片DPLS近红外光谱鉴别模型.原始光谱数据经二阶导数处理后,在4 000～8 000 cm-1范围内,当利用不同建模比建模时,建模集的平均识别率为96.56％,检验集的平均识别率为91.85％,证明了模型的稳定性.当建模比为2:1、主成分数为10时,模型识别效果较好,建模集的识别准确率为97.00％,检验集的识别准确率为96.00％.表明应用近红外光谱技术建立的小麦条锈病和叶锈病早期诊断的定性鉴别方法是可行的.