超光谱成像分析用于早期检测番茄细菌叶斑病
Xuemei Zhang1, Boris A Vinatzer1, Song Li2
1School of Plant and Environmental Sciences, Virginia Polytechnic Institute and State University, Blacksburg, VA, USA.
Scientific reports
|November 12, 2024
概括
超光谱成像 (HSI) 可以在症状出现之前检测出早期的植物疾病. 利用机器学习的植被指数数据显著提高了番茄叶的疾病检测准确度.
科学领域:
- 植物病理学 植物病理学
- 遥感是一种远程传感.
- 生物物理学的生物物理.
背景情况:
- 需要高分辨率的超光谱成像 (HSI) 数据来早期检测植物疾病.
- 现有的HSI数据集缺乏疾病进展的详细光谱和空间分辨率.
研究的目的:
- 开发和验证HSI方法,用于早期检测番茄中的细菌叶斑.
- 用机器学习分析不同疾病阶段的光谱数据.
主要方法:
- 感染了Xanthomonas perforans的西红叶的高光谱图像每天收集七天.
- 机器学习模型使用全谱,植被指数 (VI) 和像素级数据进行训练.
- 模型被评估为四个疾病进展阶段的分类性能.
主要成果:
- 在HSI的研究中,成功地检测出了前症状的细菌叶斑,并将其与非生物斑区分开来.
- 与原始光谱数据相比,植被指数数据提高了26-37%的分类准确性.
- 早期检测依赖于水含量和与激素相关的光谱带,而后期阶段涉及色素和结构变化.
结论:
- 植物检测仪 (HSI) 是一种可行的工具,用于早期,非侵入性地检测植物疾病.
- 植被指数和特定的光谱带为疾病动态提供了宝贵的见解.
- 叶子结构细分和VI分析增强了植物疾病监测中的HSI应用.
