农业行业
稻瘟病是我国南北稻作区危害最严重的水稻病害之一，与纹枯病、白叶枯病并称为水稻三大病害。目前稻瘟病的识别主要还是人工通过图片对比或根据文字描述来完成，然而这些识别方法主观性太强，对工人专业素质要求较高，且效率低，往往会引起人为判断的误差，这样就很难准确和及时地对症下药，进而影响防治效果，造成水稻减产。高光谱成像技术是传统成像技术和光谱技术有机结合而成的一项新技术,利用成像技术可以获得农作物的影像信息，利用光谱技术可以获得农作物的光谱信息。
本文以出现稻瘟病病斑的水稻叶片为研究对象，利用高光谱成像系统获取其高光谱图像，再运用主成分分析方法确定适合病斑分割的主成分图像，最后利用密度分割法实现对水稻叶瘟病斑的识别。并在此基础上，分析了病斑部分的光谱变化规律及其与正常叶片的光谱差异。
1、材料与方法
1.1实验材料
试验研究的供试水稻品种为广陆矮1号，为感病品种。经浸种、催芽后，采用盆栽试验，共60盆，进行相同水平的管理。待稻苗长到第3~4叶时在人工接种箱内进行稻瘟病病菌喷雾接种(将制备的孢子悬浮液摇匀后，均匀地喷在叶表面直至叶片完全布满小水珠为止),接种后移入暗箱保湿24h再转移至温室进行保湿培养，以促其发病。连续5天采集高光谱图像数据，以得到不同发病等级的样本。
1.2高光谱成像系统
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稻叶瘟病高光谱图像的主成分分析
高光谱成像技术能获取许多非常窄的光谱连续的影像数据，这些影像数据具有很强的谱间相关性。而主成分分析主要是对于相互相关的一组数据，通过正交变换使其变为一组相互无关的变量的方法，它能够充分去除相关性，把有用的信息集中到数目尽可能少的主分量中。主成分(PC)波段是原始波段的线性合成，它们之间互不相关。第1主成分包含最大的数据方差，第2主成分包含第二大方差，以此类推，最后的主成分波段由于包含很小的方差，显示为噪声。通过主成分分析，可根据贡献率的大小来选择主成分图像，表1可以看出，前6个主成分图像的贡献率达到了99.81%。图2为水稻稻叶瘟的PC1到PC6主成分图像，比较这6个主成分图像，PC2图像病斑与叶片背景差异明显，利于水稻稻叶瘟病斑分割。
2、结果与分析
2.1图像分割结果
图3为PC2图像分割后的二值图像。其中白色部分表示水稻叶瘟病斑，可以看出该二值图像基本反映出了受叶瘟病胁迫的水稻叶片的全部病斑区域。为了进一步检验该分割方法的有效性，应用主成分分析和密度分割法于本试验中的60个样本，其中54幅图像中的病斑部分可被准确分割，分割率为90%。
2.2病斑光谱特性分析
利用分割后的二值图像与原高光谱图像进行相乘运算，得到只含病斑区域的高光谱图像，选取该区域作为感兴趣区域，对其光谱特性进行分析。图4为正常部位与叶瘟病斑部位感兴趣区域的光谱曲线。由病斑曲线可以看出，在400～988nm波段范围内，病斑光谱曲线总体上呈上升趋势。在蓝光波段(435~480nm)反射率较低，但呈上升状态，一直到绿光波段。在红光波段(600~760nm),先反射率逐渐增加，在650nm左右开始下降，但下降幅度较小，随后上升，在680nm左右形成一个较浅的波谷，690~760nm陡峭上升。在近红外波段，760nm以后光谱反射率缓慢上升，一直到988nm达到最高反射率值。通过对水稻叶瘟病斑区域和正常区域光谱反射率在可见光-近红外范围内的对比分析，在蓝光波段(435~480nm)和红光波段(600~700nm),稻叶瘟病斑区域反射率大于正常叶片区域反射率，水稻叶瘟病斑曲线在红光波段的680 nm附近出现了一个较浅的波谷，此处叶瘟病斑区域光谱反射率与正常叶片区域光谱反射率相比，差异显著。在绿光波段(530~580nm)水稻叶瘟病斑区域较正常叶片部位的光谱反射率略有降低，这主要与该时期水稻叶片叶绿素逐渐衰退而叶黄素逐渐呈现有关。另外在近红外波段内(720~988nm),水稻叶片染病部分与正常叶片部分相比，在近红外区光谱反射率下降，这种变化是由叶片内部细胞结构决定。
3、结论
本文应用高光谱成像技术对水稻叶瘟病进行检测。得到结论如下：
(1)采用主成分分析方法对高光谱数据进行降维处理，得到了PC1到PC6主成分图像，选取第2主成分图像对稻叶瘟进行分割识别，病斑分割率为90%。
(2)分析了水稻叶瘟病病斑和正常叶片感兴趣区域的光谱特征，在段绿光波段(530~580nm)和红光波段(600~700nm),水稻叶瘟病区域与正常叶片相比，光谱反射率分别呈现出下降和上升的趋势。在近红外谱段内，水稻在近红外波段(720~988nm),水稻叶片染病后会引起近红外区光谱反射率下降。
(3)通过本文的研究，实现了对单叶片稻叶瘟病斑的准确分割，为下一步田间应用多光谱/高光谱成像技术探测水稻冠层稻叶瘟的发生提供了基础。
