柑橘黃龍病高光譜快速無(wú)損診斷方法.pdf

1、柑橘黃龍病，又稱梢枯病，是贛南柑橘產(chǎn)業(yè)的一大威脅。目前，檢測(cè)柑橘黃龍病主要采用基于黃龍病的葉片典型的癥狀的視覺(jué)偵測(cè)和聚合酶鏈?zhǔn)椒磻?yīng)。相比于傳統(tǒng)的檢測(cè)技術(shù)，高光譜成像技術(shù)，作為新一代的光譜分析技術(shù)，同時(shí)提供物體的光譜及空間信息，具有快速、無(wú)損的優(yōu)點(diǎn)，近幾年在農(nóng)產(chǎn)品無(wú)損檢測(cè)研究中應(yīng)用廣泛。本論文以贛南臍橙為研究對(duì)象，目的是基于高光譜成像技術(shù)，提出有關(guān)柑橘黃龍病高光譜檢測(cè)的依據(jù)以及途徑。論文主要完成了一下幾方面的內(nèi)容：
　　1）分析柑橘

2、黃龍病葉片理化指標(biāo)的差異性和柑橘黃龍病光譜響應(yīng)特征，確定了柑橘黃龍病高光譜檢測(cè)機(jī)理。首先，將葉綠素、淀粉、可溶性糖三個(gè)理化值結(jié)合繪制了散點(diǎn)圖。可以看出，三類葉片分別呈現(xiàn)了聚類的現(xiàn)象，表明葉綠素、淀粉、可溶性糖可以作為鑒別黃龍病葉片的特異性指標(biāo)。采用方差分析和最小顯著性差異多重比較分析分析三類指標(biāo)之間的差異，結(jié)果表明三類理化指標(biāo)存在顯著性差異（P<0.05），并且表現(xiàn)在它們的高光譜反射率光譜有一定的響應(yīng)特征。但單獨(dú)通過(guò)一種理化指標(biāo)是無(wú)法將

3、黃龍病葉片、正常葉片、缺素葉片區(qū)分開的，必須將三指標(biāo)合并共同用于柑橘黃龍病的光譜診斷。
　　2）利用高光譜成像技術(shù)實(shí)現(xiàn)了柑橘黃龍病高光譜定性判別。根據(jù)葉面積比例選擇感興趣區(qū)域（ROI），并提取ROI的平均光譜，建立了Fisher判別模型。馬氏距離法和遺傳算法用于特征波段的提取，優(yōu)化模型。留一交叉驗(yàn)證法來(lái)驗(yàn)證模型的可靠性。最后，確定了基于馬氏距離法顯著波段提取后的Fisher判別模型為最優(yōu)模型，初始組的總體判別正確率為93.8％；留

4、一交叉驗(yàn)證組的總體判別準(zhǔn)確率為93.3%。
　　3）基于高光譜成像技術(shù)建立了葉綠素、淀粉及可溶性糖的最優(yōu)定量模型。連續(xù)投影算法（SPA）和競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)算法（CARS）篩選的特征波長(zhǎng)用于建模，大大減少了自變量的數(shù)量，從而簡(jiǎn)化了模型，并且優(yōu)化了模型結(jié)果。對(duì)比 SPA和 CARS的結(jié)果，可以看到，SPA篩選的特征波長(zhǎng)數(shù)量較少，CARS篩選的特征波長(zhǎng)數(shù)量較多，但建模效果較好。最終，都確定了CARS-PLS模型為最佳模型。葉綠素、可溶

5、性糖及淀粉的建模集及預(yù)測(cè)集相關(guān)系數(shù)分別為0.98、0.93；0.88、0.75；0.80、0.81。
　　4）基于葉綠素、淀粉和可溶性糖的最優(yōu)檢測(cè)模型，結(jié)合最小二乘判別法（PLS-DA），實(shí)現(xiàn)了柑橘黃龍病高光譜定量判別。在PLS-DA建模過(guò)程中，分別取正常葉片和黃龍病葉片、黃龍病葉片和缺素葉片的設(shè)定值中點(diǎn)為閾值，分別為1.5和2.5。測(cè)量值小于1.5為黃龍病葉片，大于1.5且小于2.5為正常葉片，大于2.5為缺素葉片。建模集的相關(guān)