在中检测害虫症状的超光谱成像

科学领域:

• 农业科学 农业科学
• 遥感 遥感 遥感 遥感
• 植物病理学 植物病理学

背景情况:

• 自动化害虫监测对于综合性害虫管理至关重要.
• 超光谱成像 (HSI) 是一种新兴技术,用于检测植物压力和害虫.
• 自动图像分析有潜力用于实际的害虫监测.

研究的目的:

• 调查HSI用于非侵入性识别和区分受Myzus persicae和Frankliniella occidentalis感染的钟植物.
• 评估使用修改后的喷机器人作为HSI数据采集的自主平台.
• 开发和训练使用HSI数据进行害虫检测的决策算法.

主要方法:

• 在钟植物上利用400-2500纳米频谱的HSI.
• 感染M. persicae和F. occidentalis是在结算条件下进行的.
• 训练了一个XGBoost算法,使用单个植物,切碎的叶子和整个植物的图像.
• 将喷机器人改造为一个用于温室数据收集的自主平台.

主要成果:

• 特定的波长与昆虫损伤模式相关.
• M. persicae和F. occidentalis可以相互区分,健康的对照是在封闭条件下的单叶和小整体植物.
• 在温室条件下检测害虫,与手动监测相比,检测害虫的匹配率较低.

结论:

• 在受控环境下,HSI有效地区分了在叶和植物上的吸害虫.
• 波长缩小技术使商业温室的多光谱摄像机应用成为可能.
• 自动化平台显得有前途,但算法需要进一步改进,以便在现实世界中检测温室害虫.