劉鑫++馮潔++楊舒明

摘要： 利用Spectrocam多光譜相機(jī)獲取C88馬鈴薯健康葉片和患晚疫病葉片的可見(jiàn)光及近紅外通道的多光譜圖像。綜合考慮多光譜圖像各通道間的相關(guān)性及其信息量，采用波段指數(shù)法選取兩種葉片的特征波段，并通過(guò)歐氏距離聚類方法對(duì)所提取的特征波段進(jìn)行分類。實(shí)驗(yàn)結(jié)果表明，用波段指數(shù)法提取多光譜圖像的特征波段，能快速獲得馬鈴薯葉片的信息，475 nm、558 nm、717 nm、750 nm、850 nm作為馬鈴薯健康葉片的特征波段，馬鈴薯患晚疫病葉片的特征波段是509 nm、620 nm、717 nm、750 nm和832 nm。采用歐氏距離法對(duì)健康和患病葉片進(jìn)行識(shí)別，其識(shí)別率分別可達(dá)92.6%和92.8%。因此利用多光譜成像技術(shù)可以進(jìn)行馬鈴薯病害的快速、準(zhǔn)確識(shí)別，為實(shí)現(xiàn)馬鈴薯病害的田間實(shí)時(shí)在線監(jiān)測(cè)提供了參考。

關(guān)鍵詞：

多光譜； 馬鈴薯葉片； 特征波段； 晚疫病； 波段指數(shù)法

中圖分類號(hào)： O 439文獻(xiàn)標(biāo)志碼： Adoi： 10.3969/j.issn.10055630.2017.01.003

Classification and identification of late blight disease on potato leaves

using multispectral imaging technique

LIU Xin， FENG Jie， YANG Shuming

（School of Physics and Electronic Information， Yunnan Normal University， Kunming 650500， China）

Abstract：

This experiment using Spectrocam multispectral camera captured the healthy C88 potato leaves' and late bright leaves' multispectral image within visible and near infrared bands.Multispectral image correlation between different channels and the amount of information is considered comprehensively.Band index method was used to select the characteristics of the two kinds of leaves，and the Euclidean distance clustering method was used to classify the extracted feature band.The experimental results show that the band index method used to extract the multispectral image bands can quickly obtain the information of potato leaves.We got that 475 nm，558 nm，717 nm，750 nm，850 nm band as healthy leaves of potato characteristics，and the characteristics of the potato late blight cancer leaf wavelength were 509 nm，620 nm，717 nm，750 nm and 832 nm.The recognition rate of healthy and diseased leaves was 92.6% and 92.8% by using the Euclidean distance method.Thus，using multispectral imaging technique can rapidly and accurately identify the defect of potato to achieve the realtime online monitoring field of the potato diseases.

Keywords： multispectral； the potato leaf； characteristics of band； late blight disease； band index method

引言

馬鈴薯是全世界重要的糧食作物，但是馬鈴薯晚疫病作為田間一種常見(jiàn)的作物病害，日漸阻礙著我國(guó)馬鈴薯產(chǎn)業(yè)的發(fā)展[12]。目前針對(duì)馬鈴薯晚疫病的診斷大都是采用傳統(tǒng)的經(jīng)驗(yàn)定性診斷方法，通過(guò)人工感官判斷和理化檢測(cè)進(jìn)行作物病害監(jiān)測(cè)，該方法能從患病的植株顏色、形狀紋理上獲得大量直觀信息，但要進(jìn)行精確分析卻存在一定的困難[35]，而近年來(lái)隨著多光譜成像技術(shù)的發(fā)展，該技術(shù)已越來(lái)越多地應(yīng)用于農(nóng)作物質(zhì)量的檢測(cè)中。

多光譜成像技術(shù)和普通成像技術(shù)的最大不同之處在于多光譜成像技術(shù)能獲得每張圖像每個(gè)像素點(diǎn)的高分辨率的光譜，不是肉眼所見(jiàn)的紅、藍(lán)、綠三色圖像[67]。此技術(shù)可以同時(shí)從光譜維和空間維獲取被測(cè)目標(biāo)的信息，能夠解決傳統(tǒng)科學(xué)領(lǐng)域“成像無(wú)光譜”和“光譜不成像”的問(wèn)題，其特點(diǎn)是實(shí)現(xiàn)簡(jiǎn)單、圖譜合一[810]。但仍然存在很多問(wèn)題，如光譜成像儀的定標(biāo)，大量的數(shù)據(jù)冗余，多光譜數(shù)據(jù)各波段相關(guān)性大等。因此，對(duì)農(nóng)作物的光譜特征信息進(jìn)行快速識(shí)別和分類時(shí)，有必要從眾多的波段中提取特征波段。

鑒于以上所述，本文采用Spectrocam多光譜成像系統(tǒng)提取馬鈴薯葉片的特征波段，通過(guò)對(duì)特征波段圖像信息的采集及整理，提取出物體特征光譜，并從特征波段角度對(duì)馬鈴薯健康和患病葉片的分類精度予以評(píng)價(jià)。

3實(shí)驗(yàn)結(jié)果及分析

3.1多光譜反射曲線圖

在所采集的多光譜圖像中選擇5個(gè)不同區(qū)域進(jìn)行灰度值提取，并同時(shí)提取參考白板的灰度值。然后根據(jù)光譜反射率的定義分別得到馬鈴薯健康葉片和患病葉片的光譜反射比，通過(guò)MATLAB平臺(tái)擬合得到光譜反射率曲線，如圖3所示。

從圖3中可以看出，健康和患病葉片的光譜反射值的變化走勢(shì)比較相似，兩者在550 nm附近都存在一個(gè)反射高峰，在680 nm附近出現(xiàn)一個(gè)反射低谷，而在680～750 nm光譜反射值上升很快，從而使得近紅外區(qū)域內(nèi)的光譜反射率高于可見(jiàn)光區(qū)域。但馬鈴薯健康和患病葉片在某些波段范圍內(nèi)存在一定差別，如在600～680 nm范圍內(nèi)患病葉片的光譜反射值略高于健康葉片，而在750～850 nm波段范圍內(nèi)患病葉片的光譜反射值遠(yuǎn)低于健康的葉片，區(qū)別比較明顯。這可能是由于葉片患病早期葉片自我保護(hù)機(jī)能使其內(nèi)部一些元素活性增強(qiáng)，導(dǎo)致患病葉片的反射率隨之增大，在可見(jiàn)光區(qū)域表現(xiàn)突出，而隨著病菌的入侵，葉片內(nèi)部組織遭到破壞，使得光譜反射率明顯低于健康葉片，在近紅外短波區(qū)域表現(xiàn)突出。

3.2健康馬鈴薯葉片的特征波段

根據(jù)波段指數(shù)法求出實(shí)驗(yàn)中不同健康馬鈴薯葉片的灰度值的標(biāo)準(zhǔn)差和不同通道之間的相關(guān)系數(shù)，表1是不同通道之間的部分相關(guān)系數(shù)，圖4是馬鈴薯健康葉片成像光譜數(shù)據(jù)的標(biāo)準(zhǔn)差。

通過(guò)分析圖4可知：通道750 nm（11）標(biāo)準(zhǔn)差最大，由波段指數(shù)法原理知波段均方差越大，所含波段信息量越多。分析表1的數(shù)據(jù)可知，通道425 nm（1）與其他通道均為負(fù)相關(guān)，通道578 nm（6）與通道717 nm（10）的相關(guān)系數(shù)為0.01，兩通道的相關(guān)系數(shù)最小。

通過(guò)不同波段的標(biāo)準(zhǔn)差及相關(guān)系數(shù)，利用式（1）計(jì)算出馬鈴薯健康葉片各通道的波段指數(shù)值，得到如圖5所示波段指數(shù)曲線圖。

從圖5中得知：可見(jiàn)光通道下的馬鈴薯葉片在475 nm、558 nm、717 nm、750 nm處波段指數(shù)值較大；近紅外通道下的馬鈴薯葉片在850 nm處波段指數(shù)值最大。根據(jù)波段指數(shù)的特征波段選取原理，指數(shù)越大的通道所含的光譜信息量越大，故選擇475 nm、558 nm、717 nm、750 nm、850 nm作為馬鈴薯健康葉片的特征波段。

3.3患病馬鈴薯葉片的特征波段

同馬鈴薯健康葉片一樣，根據(jù)波段指數(shù)法求出實(shí)驗(yàn)中不同患病葉片的灰度值的標(biāo)準(zhǔn)差和不同通道之間的相關(guān)系數(shù)，表2是不同通道之間的部分相關(guān)系數(shù)，圖6是馬鈴薯患病葉片成像光譜數(shù)據(jù)的標(biāo)準(zhǔn)差。

然后利用式（1）計(jì)算出馬鈴薯患病葉片各通道的波段指數(shù)值，得到如圖7所示波段指數(shù)曲線圖。

從圖7中看出：可見(jiàn)光通道下的馬鈴薯葉片在509 nm、620 nm、717 nm、750 nm處波段指數(shù)值較大；近紅外通道下的馬鈴薯葉片在832 nm處波段指數(shù)值最大，故可以獲得馬鈴薯患病葉片的特征波段是509 nm、620 nm、717 nm、750 nm和832 nm。

3.4討論

為了驗(yàn)證該多光譜采集系統(tǒng)對(duì)實(shí)際馬鈴薯病害識(shí)別的有效性，實(shí)驗(yàn)以距離為判別依據(jù)，采用歐氏距離法進(jìn)行分類驗(yàn)證。在分類的過(guò)程中，將14通道下馬鈴薯健康葉片和患病葉片的多光譜圖像灰度值作為測(cè)試樣本集，提取出的特征波段的數(shù)據(jù)作為訓(xùn)練樣本集，根據(jù)式（6）計(jì)算測(cè)試樣本集與訓(xùn)練樣本集的歐氏距離，根據(jù)最短距離對(duì)測(cè)試樣本予以分類，其分類精度如表3所示。

從表3中得知馬鈴薯健康葉片特征波段的平均分類精度為92.6%，患病葉片特征波段的平均分類精度為92.8%。由此可見(jiàn)，歐氏距離法對(duì)馬鈴薯健康和患病葉片的特征波段分類精度較大，因此，這些特征波段可以用于馬鈴薯健康和病害葉片的快速分類和識(shí)別。

4結(jié)論

本文提出利用波段指數(shù)法提取馬鈴薯健康和患晚疫病葉片的特征波段，選取出馬鈴薯健康葉片的特征波段是475 nm、558 nm、717 nm、750 nm、850 nm，馬鈴薯患病葉片的特征波段是509 nm、620 nm、717 nm、750 nm和832 nm。實(shí)驗(yàn)證明，采用歐氏距離對(duì)健康和患病葉片的14通道多光譜數(shù)據(jù)進(jìn)行分類識(shí)別，識(shí)別率分別是健康葉片為92.6%，患病葉片為92.8%。多光譜分類識(shí)別方法為實(shí)現(xiàn)農(nóng)作物快速、準(zhǔn)確非破壞性病害診斷提供了有效的方法。

參考文獻(xiàn)：

[1]丁海濱，盧揚(yáng)，鄧祿軍.馬鈴薯晚疫病發(fā)病機(jī)理及防治措施[J].貴州農(nóng)業(yè)科學(xué)，2006，34（5）：7681.

[2]徐明珠，李梅，白志鵬，等.馬鈴薯葉片早疫病的高光譜識(shí)別研究[J].農(nóng)機(jī)化研究，2016，38（6）：205209.

[3]宋英博.光譜診斷馬鈴薯葉片氮素敏感波段的研究[J].中國(guó)馬鈴薯，2010，24（3）：176178.

[4]田有文，李成華.基于圖像處理的日光溫室黃瓜病害識(shí)別的研究[J].農(nóng)機(jī)化研究，2006（2）：151153.

[5]李志剛，傅澤田，李麗勤.基于機(jī)器視覺(jué)的農(nóng)業(yè)植保技術(shù)研究進(jìn)展[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2005，36（8）：143146.

[6]馮潔，曹鵬飛，李宏寧，等.基于多光譜成像技術(shù)的水稻特征光譜提取[J].光學(xué)儀器，2013，35（6）：3135.

[7]林立波，李宏寧，曹鵬飛，等.用LCTF光譜技術(shù)提取甘藍(lán)小菜蛾蟲害葉片特征波段[J].光學(xué)儀器，2014，36（3）：194197.

[8]馮潔，廖寧放，趙波，等.多光譜成像技術(shù)診斷植物病蟲害的人工神經(jīng)網(wǎng)絡(luò)模型[J].光學(xué)技術(shù)，2008，34（5）：717720.

[9]王曉麗，周國(guó)民.基于近紅外光譜技術(shù)的農(nóng)作物病害診斷[J].農(nóng)機(jī)化研究，2010，32（6）：171174.

[10]林文鵬，王長(zhǎng)耀，儲(chǔ)德平，等.基于光譜特征分析的主要秋季作物類型提取研究[J].農(nóng)業(yè)工程學(xué)報(bào)，2006，22（9）：128132.

[11]姜小光，王長(zhǎng)耀，王成.成像光譜數(shù)據(jù)的光譜信息特點(diǎn)及最佳波段選擇——以北京順義區(qū)為例[J].干旱區(qū)地理，2000，23（3）：214220.

[12]楊金紅.高光譜遙感數(shù)據(jù)最佳波段選擇方法研究[D].南京：南京信息工程大學(xué)，2005.

[13]曹鵬飛，李宏寧，羅艷琳，等.基于多光譜成像選取四季豆葉片的特征波段[J].激光與光電子學(xué)進(jìn)展，2014，51（1）：011101.

（編輯：劉鐵英）