玉米典型叶部病害高光谱识别及其烈度分类(《智慧农业(中英文)》2024年第2期)

学术   2024-11-14 21:35   北京  

引用格式

引用格式:沈艳艳, 赵玉涛, 陈庚申, 吕振刚, 赵峰, 杨万能, 孟冉. 玉米典型叶部病害高光谱识别及其烈度分类[J]. 智慧农业(中英文), 2024, 6(2): 28-39.

DOI:10.12133/j.smartag.SA202310016

Citation:SHEN Yanyan, ZHAO Yutao, CHEN Gengshen, LYU Zhengang, ZHAO Feng, YANG Wanneng, MENG Ran. Identification and Severity Classification of Typical Maize Foliar Diseases Based on Hyperspectral Data[J]. Smart Agriculture, 2024, 6(2): 28-39.

DOI:10.12133/j.smartag.SA202310016

官网全文免费阅读

知网阅读



玉米典型叶部病害高光谱识别及其烈度分类

沈艳艳1,6,7, 赵玉涛1, 陈庚申2,3, 吕振刚1, 赵峰4, 杨万能2, 孟冉5,6,7*

(1.华中农业大学 资源与环境学院,湖北武汉 430070,中国;2.华中农业大学 作物遗传改良全国重点实验室,湖北武汉 430070,中国;3.襄阳市农业科学院,湖北襄阳 441000,中国;4.华中师范大学 城市与环境科学学院/地理过程分析与模拟湖北省重点实验室,湖北武汉 430079,中国;5.哈尔滨工业大学 计算学部,黑龙江哈尔滨 150000,中国;6.智慧农场技术与系统全国重点实验室,黑龙江哈尔滨 150000,中国;7. 哈尔滨工业大学人工智能研究院有限公司,黑龙江哈尔滨 150000,中国 )

摘要: 

[目的/意义]近年来,玉米叶部病害发生日趋加重且呈现混发现象,严重威胁玉米产量和品质。但目前鲜有研究对叶部病害种类识别及其烈度分类进行结合,无法满足实际场景中玉米不同病害及不同烈度混发下的病害防控需求。

[方法]提出一种基于高光谱技术实现玉米典型叶部病害种类识别及其烈度分类的方法,通过挖掘玉米大斑病、小斑病和南方锈病3种叶部病害的光谱特性,优选敏感特征构建基于病害发展全阶段(包含病害所有烈度)和病害单一烈度下的病害种类识别模型;进一步地,针对玉米叶部单一病害构建烈度分类模型,以期实现对不同叶部病害的全过程识别与病害烈度分类。

[结果和讨论]3种玉米叶部病害在550~680 nm的可见光、740~760 nm的红边、760~1 000 nm的近红外和1 300~1 800 nm的短波红外处其光谱变化显著。基于此提取的光谱特征能够有效捕捉病害特异性信息。基于病害发展全阶段构建的病害种类识别模型最优总体精度(Overall accuracy, OA)达77.51%,Macro F1达0.77;而基于病害单一烈度下的病害种类识别模型精度随着病害烈度的增加而升高。在病害发展阶段处于重度烈度时,病害种类识别模型最优精度达95.06%,Macro F1达0.94。此外,研究构建的3种玉米叶部病害烈度分类模型最优精度均超过70%,其中大斑病烈度分类效果最好(OA=86.25%,Macro F1=0.85)。

[结论]基于高光谱数据能够有效实现玉米典型叶部病害种类识别及其烈度分类,为大范围作物病害监测提供研究基础及理论依据,助力精准防控与绿色农业。

关键词: 玉米病害;高光谱遥感;病害种类识别;病害烈度分类;机器学习


文章图片


图1 玉米大斑病和小斑病温室接种实验设计示意图

Fig. 1  Schematic diagram of greenhouse inoculation experiment design for NCLB and SCLB

图2 不同病害种类的玉米叶片照片

Fig. 2  Photos of maize leaves with different types of diseases

图3 病害不同烈度的玉米叶片照片

Fig. 3  Photos of maize leaves of disease under

different severity levels

图4 基于高光谱技术的病害识别和烈度分类研究技术流程图

Fig. 4  Flowchart of the disease identification and disease severity classification based on hyperspectral technology

图5 玉米叶片感染病害种类在病害处于不同烈度下的光谱响应曲线

Fig. 5  Spectral response curve of maize leaf infection disease species under different disease intensities

图6 三种病害不同烈度的玉米叶片光谱响应曲线及玉米叶片的健康/感染曲线

Fig. 6  Spectral response curves of maize leaves with three diseases in different severity level and healthy/infected maize leaf curves

作者简介



孟冉 教授

孟冉,教授、博士生导师,长期从事智慧农业研究,以高层次人才引入哈尔滨工业大学工作,计算学部-泛在计算与智能系统研究中心、智慧农场技术与系统全国重点实验室核心固定成员;美国犹他大学博士,布鲁克海文国家实验室博士后;中国计算机学会(CCF)数字农业专委会执行委员,CCF、中国作物学会会员; 受邀担任Remote Sensing of Environment副主编、Frontiers in Ecology and Evolution审稿编辑、《遥感技术与应用》杂志青年编委、Remote Sensing及Sensors客座编辑;主持参与国内外研究合作项目多项,获批省部级青年人才项目,迄今在国际知名学术期刊Remote Sensing of EnvironmentISPRS Journal of Photogrammetry and Remote SensingInternational Journal of Applied Earth Observation and GeoinformationPest Management SciencePrecision Agriculture等以第一或通讯作者发表SCI论文20篇,主编或参编“智慧农业”专著三部;授权和受理国内外专利10余项。


来源:《智慧农业(中英文)》2024年第2期

转载请联系编辑部授权




推荐阅读


张建华研究员等:作物农艺性状与形态结构表型智能识别技术综述(《智慧农业(中英文)》2024年第2期)


专刊征稿:农业知识智能服务和智慧无人农场


郭江鹏等:果园多风道喷雾机送风系统设计优化与试验(《智慧农业(中英文)》2022年第3期)


吴华瑞研究员团队:农业大模型:关键技术、应用分析与发展方向(《智慧农业(中英文)》2024年第2期)





智慧农业微信交流服务群

为方便农业科学领域读者、作者和审稿专家学术交流,促进智慧农业发展,为更好地服务广大读者、作者和审稿人,编辑部建立了微信交流服务群,有关专业领域内的问题讨论、投稿相关的问题均可在群里咨询。入群方法:加小编微信331760296备注:姓名、单位、研究方向,小编拉您进群,机构营销广告人员勿扰。

发布征集







欢迎在我公众号发布科研团队介绍、创新科研成果及相关活动等信息。


智慧农业期刊
《智慧农业(中英文)》是国内外公开发行的农业科学类学术期刊。期刊聚焦农业信息技术发展前沿与热点,刊载和传播国内外最新研究成果,通过搭建高水平学术交流平台,引领学术研究方向,服务行业科学决策,培养高水平创新人才,促进学科发展。
 最新文章