应用案例
玉米螟又称为玉米钻心虫，是全球性的大害虫，为害植物达300多种，尤其是以玉米为主，是危害我国玉米产量的第一大害虫.已经造成重大的产量和质量损失。目前，在农业检测领域中应用的高光谱成像技术已成为国内外重大的热点课题，该技术已广泛应用于农产品果实的虫害检测、农产品损伤的识别、农产品内外部品质的检测、安全检测、农作物的一些生产信息获取，以及农作物生理信息、生长信息等领域。目前，对玉米秸秆是否被玉米螟蛀入的无损检测方法方面需要创新研究，而高光谱成像技术可以精准、迅速、无破坏性地检测出玉米秸秆是否被玉米螟蛀入，以及其生理特质等信息，因此，该技术在此领域有着巨大的应用潜力。
1 材料与方法
1.1 试验材料
从玉米地里采集大小、形状基本一致，有蛀虫蛀入的玉米秸秆30个；正常玉米秸秆70个。采集到的玉米秸秆用密封袋包装放好，置于3℃环境中储存。试验前将玉米秸秆从密封袋中取出来，在实验室放置12h,使其达到室温；然后放置在1m高的平台处，对每个玉米秸秆进行长度处理，使其长度在30 cm左右(方便试验操作);最后开始采集玉米秸秆高光谱图像。
1.2 仪器设备
高光谱成像系统(如图1所示)本研究应用了400-1000nm的高光谱相机，可采用杭州彩谱科技有限公司产品FS13进行相关研究。光谱范围在400-1000nm，波长分辨率优于2.5nm，可达1200个光谱通道。采集速度全谱段可达128FPS，波段选择后最高3300Hz（支持多区域波段选择）。
1.3 图像采集方法
1)将准备好的玉米秸秆用尺寸适宜的、摩擦力较大的硬海绵固定在试验台上。
2)打开试验台控制仪和光源的开关，调节光源的光照强度按钮至2.8,然后调节调节光板左右、上下位置，使其左右对称，并使两个光板距离达到26 cm时光的亮度等效果最好。
3)对光线，使光打到玉米秸秆成一条直线，然后旋转镜头调节焦距，观察电脑上显示出来的格子图像，直到格子图像黑色和白色的过渡部分有明显的界限为止，最好是2~3个格子：同时确定工作距离.即：物镜到玉米秸秆的距离为40 cm.海绵高度为6 cm.扫描距离的实际长度为86.5mm.CCD相机到控制仪的高度为46 cm。注意在图像采集过程中MAX DN值要在3200左右，这样得到的玉米秸秆高光谱图像效果最好。
4)利用HSI Analyzer软件对高光谱图像进行样本采集，CCD相机的曝光时间(exposure)设置为59ms,帧时间(Set Frame Time)设置为100 ms,摄像头帧速率(Camera Frame Rate)设置为10,从而得到真正的帧频(Real Frame Rate)为10.位移台控制移动速度(X Speed)设置为1mm/s,像素分辨率为1392x520。
2 结果与分析
2.1 光谱区域最优范围的确定
为了使每个玉米秸秆的光谱曲线更具有代表意义，在玉米秸秆表面选取3×3个像素点的平均光谱，该玉米秸秆的光谱曲线如图4所示。
由图4可以看出：波长在750~1000 nm范围内(313个波段)玉米秸秆正常部分和玉米秸秆虫害部分反射率差异明显，玉米秸秆虫害部分的反射率明显低于玉米秸秆正常部分的反射率，且反射率差异有逐渐减小的趋势；波长在1000~1200 nm范围内，有的玉米秸秆虫害部分反射率在局部波段高于正常区域反射率，其中包含样品主要信息；而噪音明显的波长在750 nm以下和1000nm以上，使得该段光谱数据失去分析价值。因此，选取750~1000 nm光谱区域进行分析。
2.2 基于最优光谱范围的主成分分析
对750~1000 nm区间共313个波段进行主成分分析，结果如图5所示。
由图5可以看出：玉米秸秆图像基于光谱区域(975~1650 nm,227个波段)进行PCA分析后获得的前3个PC图像(PC1,PC2,PC3),其累积贡献率为99.84%,可有效地表征原始图像特征。PC1,PC2,PC3图像对原始样品的部分信息保留还算完整；PC4图像则看不出样品原本的信息，图像存在太多的噪音。PC1显示出清晰的虫害部位，并且与玉米秸秆表皮信息有明显区别，有利于对虫害部位的提取和识别；PC2显示出玉米秸秆表面表皮正常部位的大量原始信息，但与虫害部位有些难以区分，对于虫害部位的检测不利。
2.3检测结果
对正常玉米秸秆和发生虫害的玉米秸秆进行检测对比，结果见表1。
由表1可以看出：正常玉米秸秆总数是85个，正确检测出80个，误测5个，检测准确率为94.1%;虫害玉米秸秆总数是40个，正确检测出40个，没有误测，检测准确率为100.0%;所有玉米秸秆总数是125个，总体检测准确率为96.0%。
3 结论与讨论
针对目前检测出玉米秸秆是否被玉米螟蛀入十分困难的情况，基于高光谱成像技术及对有效光谱区域的主成分分析(PCA)方法，探讨检测被玉米螟蛀入的玉米秸秆的可行性。结果表明：1)将有效光谱区域确定在750~1000 nm,基于有效光谱区域来进行数据处理和分析，可以有效地去除噪声并减少图像的冗余信息，达到快速检测的目的。2)对有效光谱区域的313个波段图像进行主成分分析.通过对获得的PC1图像进行阈值分割，能有效地分割出损伤区域。3)对85个正常的玉米秸秆和40个被玉米螟蛀入的玉米秸秆进行检测模型的评估.结果显示.正常玉米秸秆的识别率为94.1%,虫害玉米秸秆的识别率为100%。本试验所提取出来的有效光谱区域，既包含着原始信息，又缩小了波段范围，大大减少了计算量，对进一步构建快速检测玉米秸秆是否被玉米螟蛀入的多光谱图像系统具有很大的促进作用。
