农业行业
本研究应用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）。
新疆是我国棉花的主要产区。在棉花生长过程中常受到棉蚜危害，影响植株的生长发育，造成减产。传统棉蚜信息监测需要人工观察棉蚜危害棉花叶片变化，统计棉蚜数量，费时费力，并且由于统计的延时性造成虫情信息滞后，不利于棉蚜危害的精准防控。农田传感器的普及使棉蚜信息快速获取成为可能，因此，探究一种棉蚜危害快速识别方法，以提高虫情获取效率。
本研究针对目前棉蚜危害监测依靠田间人工调查、布置装置采集等方法而导致虫情信息获取时效性差、覆盖面小等一系列问题，以高光谱成像仪获取健康、受好虫危害的棉花叶片样本高光谱数据与图像数据，提取光谱特征、图像特征，以特征数据作为输入构建机器学习模型，完成基于高光谱成像的棉花蚜虫危害判别模型与棉花蚜虫危害程度识别模型的建立，并依据棉花蚜虫危害程度识别模型，基于安卓系统自主研发了棉花蚜虫危害程度诊断系统，实现棉蚜危害的诊断，为农业生产提供棉蚜防控提供技术支持。
棉蚜作为棉花主要害虫之一，严重影响棉花高产、高效的生产，传统农情监测方法已不足以满足棉蚜快速监测需求。目前针对棉蚜快速监测主要以人工调查、田间装置监测等方法，存在费时费力、监测范围小、时效性差等问题。其次，田间装置监测易受到扬尘、空气悬浮物、异种昆虫等外界环境干扰，计数准确性难以保证。
此外，人为走动、装置的放置监测覆盖面有限，难以保证大范围农情监测，并且影响农业机械大范围农事作业。近些年随着计算机硬件算力、传感器技术、光谱技术、无线数据传输技术等现代信息技术的迅猛发展，为棉蚜田间快速监测奠定硬件基础和技术基础。因此，本研究针对目前棉蚜监测存在的一系列问题，基于棉花受棉蚜危害高光谱反射率变化等特点，进行大田试验明晰棉叶光谱监测分类的可行性，然后，通过受害样本光谱反射率不同提取特征，建立棉蚜危害等级识别模型，基于安卓平台研发棉蚜危害等级识别系统，为棉田虫情的快速
无损检测提供技术支持。主要研究结论如下：
（1）基于受到棉蚜危害的棉叶高光谱特征会发生变化进行大田实验，采集健康、棉蚜危害的棉叶样本，提取光谱特征、图像特征并以此作为输入构建机器学习模型，结果表明：RF-PLS-LDA模型效果最好，预测集识别率达到91.49%。由于模型中输入的数据量太大，建模效率低下，因此可通过减少模型中的输入数据来优化模型。逐一以纹理特征二阶统计量作为输入建立判别模型，其中PCA-Loading-PLS-LDA-Energy模型性能最好，预测集识别率达到92.55%。
（2）在确定高光谱成像可以应用于棉蚜危害监测的基础上，本研究基于光谱反射率、棉蚜危害时间、单叶蚜虫数量拟定三个危害程度，以此为指标数据构建SPA-PLSR棉蚜危害程度诊断模型模型决定系数R2达到0.5258，最小均方根误差为0.4021，为安卓平台的棉蚜危害监测系统提供理论支持。
（3）基于安卓平台，建立了棉蚜危害程度诊断模型，开发了棉蚜危害程度识别系统。该系统以特征波长光谱ROI均值反射率作为输入，棉蚜危害程度作为输出，总体识别率达到96%，并提供相应危害程度下农田管理措施。通过实践，该系统收效良好，实现了蚜害快速监测，可以应用于多种尺度的高光谱棉蚜危害监测，有望提高棉田虫情监测效率。
