马铃薯叶片晚疫病的多光谱分类识别

2017-04-10刘鑫冯洁杨舒明

光学仪器 2017年1期

刘鑫++冯洁++杨舒明

摘要：利用Spectrocam多光谱相机获取C88马铃薯健康叶片和患晚疫病叶片的可见光及近红外通道的多光谱图像。综合考虑多光谱图像各通道间的相关性及其信息量，采用波段指数法选取两种叶片的特征波段，并通过欧氏距离聚类方法对所提取的特征波段进行分类。实验结果表明，用波段指数法提取多光谱图像的特征波段，能快速获得马铃薯叶片的信息，475 nm、558 nm、717 nm、750 nm、850 nm作为马铃薯健康叶片的特征波段，马铃薯患晚疫病叶片的特征波段是509 nm、620 nm、717 nm、750 nm和832 nm。采用欧氏距离法对健康和患病叶片进行识别，其识别率分别可达92.6%和92.8%。因此利用多光谱成像技术可以进行马铃薯病害的快速、准确识别，为实现马铃薯病害的田间实时在线监测提供了参考。

关键词：

多光谱；马铃薯叶片；特征波段；晚疫病；波段指数法

中图分类号： O 439文献标志码： Adoi： 10.3969/j.issn.10055630.2017.01.003

Classification and identification of late blight disease on potato leaves

using multispectral imaging technique

LIU Xin， FENG Jie， YANG Shuming

（School of Physics and Electronic Information， Yunnan Normal University， Kunming 650500， China）

Abstract：

This experiment using Spectrocam multispectral camera captured the healthy C88 potato leaves' and late bright leaves' multispectral image within visible and near infrared bands.Multispectral image correlation between different channels and the amount of information is considered comprehensively.Band index method was used to select the characteristics of the two kinds of leaves，and the Euclidean distance clustering method was used to classify the extracted feature band.The experimental results show that the band index method used to extract the multispectral image bands can quickly obtain the information of potato leaves.We got that 475 nm，558 nm，717 nm，750 nm，850 nm band as healthy leaves of potato characteristics，and the characteristics of the potato late blight cancer leaf wavelength were 509 nm，620 nm，717 nm，750 nm and 832 nm.The recognition rate of healthy and diseased leaves was 92.6% and 92.8% by using the Euclidean distance method.Thus，using multispectral imaging technique can rapidly and accurately identify the defect of potato to achieve the realtime online monitoring field of the potato diseases.

Keywords： multispectral； the potato leaf； characteristics of band； late blight disease； band index method

引言

马铃薯是全世界重要的粮食作物，但是马铃薯晚疫病作为田间一种常见的作物病害，日渐阻碍着我国马铃薯产业的发展[12]。目前针对马铃薯晚疫病的诊断大都是采用传统的经验定性诊断方法，通过人工感官判断和理化检测进行作物病害监测，该方法能从患病的植株颜色、形状纹理上获得大量直观信息，但要进行精确分析却存在一定的困难[35]，而近年来随着多光谱成像技术的发展，该技术已越来越多地应用于农作物质量的检测中。

多光譜成像技术和普通成像技术的最大不同之处在于多光谱成像技术能获得每张图像每个像素点的高分辨率的光谱，不是肉眼所见的红、蓝、绿三色图像[67]。此技术可以同时从光谱维和空间维获取被测目标的信息，能够解决传统科学领域“成像无光谱”和“光谱不成像”的问题，其特点是实现简单、图谱合一[810]。但仍然存在很多问题，如光谱成像仪的定标，大量的数据冗余，多光谱数据各波段相关性大等。因此，对农作物的光谱特征信息进行快速识别和分类时，有必要从众多的波段中提取特征波段。

鉴于以上所述，本文采用Spectrocam多光谱成像系统提取马铃薯叶片的特征波段，通过对特征波段图像信息的采集及整理，提取出物体特征光谱，并从特征波段角度对马铃薯健康和患病叶片的分类精度予以评价。

3实验结果及分析

3.1多光谱反射曲线图

在所采集的多光谱图像中选择5个不同区域进行灰度值提取，并同时提取参考白板的灰度值。然后根据光谱反射率的定义分别得到马铃薯健康叶片和患病叶片的光谱反射比，通过MATLAB平台拟合得到光谱反射率曲线，如图3所示。

从图3中可以看出，健康和患病叶片的光谱反射值的变化走势比较相似，两者在550 nm附近都存在一个反射高峰，在680 nm附近出现一个反射低谷，而在680～750 nm光谱反射值上升很快，从而使得近红外区域内的光谱反射率高于可见光区域。但马铃薯健康和患病叶片在某些波段范围内存在一定差别，如在600～680 nm范围内患病叶片的光谱反射值略高于健康叶片，而在750～850 nm波段范围内患病叶片的光谱反射值远低于健康的叶片，区别比较明显。这可能是由于叶片患病早期叶片自我保护机能使其内部一些元素活性增强，导致患病叶片的反射率随之增大，在可见光区域表现突出，而随着病菌的入侵，叶片内部组织遭到破坏，使得光谱反射率明显低于健康叶片，在近红外短波区域表现突出。

3.2健康马铃薯叶片的特征波段

根据波段指数法求出实验中不同健康马铃薯叶片的灰度值的标准差和不同通道之间的相关系数，表1是不同通道之间的部分相关系数，图4是马铃薯健康叶片成像光谱数据的标准差。

通过分析图4可知：通道750 nm（11）标准差最大，由波段指数法原理知波段均方差越大，所含波段信息量越多。分析表1的数据可知，通道425 nm（1）与其他通道均为负相关，通道578 nm（6）与通道717 nm（10）的相关系数为0.01，两通道的相关系数最小。

通过不同波段的标准差及相关系数，利用式（1）计算出马铃薯健康叶片各通道的波段指数值，得到如图5所示波段指数曲线图。

从图5中得知：可见光通道下的马铃薯叶片在475 nm、558 nm、717 nm、750 nm处波段指数值较大；近红外通道下的马铃薯叶片在850 nm处波段指数值最大。根据波段指数的特征波段选取原理，指数越大的通道所含的光谱信息量越大，故选择475 nm、558 nm、717 nm、750 nm、850 nm作为马铃薯健康叶片的特征波段。

3.3患病马铃薯叶片的特征波段

同马铃薯健康叶片一样，根据波段指数法求出实验中不同患病叶片的灰度值的标准差和不同通道之间的相关系数，表2是不同通道之间的部分相关系数，图6是马铃薯患病叶片成像光谱数据的标准差。

然后利用式（1）计算出马铃薯患病叶片各通道的波段指数值，得到如图7所示波段指数曲线图。

从图7中看出：可见光通道下的马铃薯叶片在509 nm、620 nm、717 nm、750 nm处波段指数值较大；近红外通道下的马铃薯叶片在832 nm处波段指数值最大，故可以获得马铃薯患病叶片的特征波段是509 nm、620 nm、717 nm、750 nm和832 nm。

3.4讨论

为了验证该多光谱采集系统对实际马铃薯病害识别的有效性，实验以距离为判别依据，采用欧氏距离法进行分类验证。在分类的过程中，将14通道下马铃薯健康叶片和患病叶片的多光谱图像灰度值作为测试样本集，提取出的特征波段的数据作为训练样本集，根据式（6）计算测试样本集与训练样本集的欧氏距离，根据最短距离对测试样本予以分类，其分类精度如表3所示。

从表3中得知马铃薯健康叶片特征波段的平均分类精度为92.6%，患病叶片特征波段的平均分类精度为92.8%。由此可见，欧氏距离法对马铃薯健康和患病叶片的特征波段分类精度较大，因此，这些特征波段可以用于马铃薯健康和病害叶片的快速分类和识别。

4结论

本文提出利用波段指数法提取马铃薯健康和患晚疫病叶片的特征波段，选取出马铃薯健康叶片的特征波段是475 nm、558 nm、717 nm、750 nm、850 nm，马铃薯患病叶片的特征波段是509 nm、620 nm、717 nm、750 nm和832 nm。实验证明，采用欧氏距离对健康和患病叶片的14通道多光谱数据进行分类识别，识别率分别是健康叶片为92.6%，患病叶片为92.8%。多光谱分类识别方法为实现农作物快速、准确非破坏性病害诊断提供了有效的方法。

参考文献：

[1]丁海滨，卢扬，邓禄军.马铃薯晚疫病发病机理及防治措施[J].贵州农业科学，2006，34（5）：7681.

[2]徐明珠，李梅，白志鹏，等.馬铃薯叶片早疫病的高光谱识别研究[J].农机化研究，2016，38（6）：205209.

[3]宋英博.光谱诊断马铃薯叶片氮素敏感波段的研究[J].中国马铃薯，2010，24（3）：176178.

[4]田有文，李成华.基于图像处理的日光温室黄瓜病害识别的研究[J].农机化研究，2006（2）：151153.

[5]李志刚，傅泽田，李丽勤.基于机器视觉的农业植保技术研究进展[J].农业机械学报，2005，36（8）：143146.

[6]冯洁，曹鹏飞，李宏宁，等.基于多光谱成像技术的水稻特征光谱提取[J].光学仪器，2013，35（6）：3135.

[7]林立波，李宏宁，曹鹏飞，等.用LCTF光谱技术提取甘蓝小菜蛾虫害叶片特征波段[J].光学仪器，2014，36（3）：194197.

[8]冯洁，廖宁放，赵波，等.多光谱成像技术诊断植物病虫害的人工神经网络模型[J].光学技术，2008，34（5）：717720.

[9]王晓丽，周国民.基于近红外光谱技术的农作物病害诊断[J].农机化研究，2010，32（6）：171174.

[10]林文鹏，王长耀，储德平，等.基于光谱特征分析的主要秋季作物类型提取研究[J].农业工程学报，2006，22（9）：128132.

[11]姜小光，王长耀，王成.成像光谱数据的光谱信息特点及最佳波段选择——以北京顺义区为例[J].干旱区地理，2000，23（3）：214220.