利用高光谱成像技术早期检测茶叶白叶枯病及快速筛选抗性品种

背景:轮斑病是最严重的茶树叶部病害之一，严重影响茶叶的产量和品质。传统的轮斑病检测方法主要依靠人工识别，存在准确率低、效率低等不足。并且，人们只能在感染后期检测到轮斑病，往往为时已晚，不利于防治。因此，如何准确的、快速的检测早期茶叶轮斑病对提高茶园经济效益至关重要。目前，高光谱成像技术具有无损、快速的分析优势，可以高通量地获得植物的空间和光谱信息，捕获由疾病引起的叶片光谱变化，在应对疾病感染的植物表型分析中具有很大潜力。

实验设计：本研究的图形摘要如图1所示。具体是，以3年生茶树枝条为研究对象（32个茶树品种），模拟了轮斑病的病原分离株(DDZ-6)侵染茶树叶片的过程；然后，利用高光谱成像设备（GaiaField Pro-V10）采集了不同感染症状叶片的光谱图像，高光谱相机捕获的图像具有1101×960（空间×光谱）像素，光谱范围在可见-近红外波段（397-1001 nm）内，测量了176个波段的光谱反射率。

图1 高光谱成像设备赋能茶树叶片轮班病监测的图形摘要

为了消除高光谱采集过程中存在的散射效应、随机噪声和系统噪声等问题的影响，利用MSC、S-G和1-D对病斑光谱进行预处理。预处理前后的光谱曲线如图2所示。

图2 原始光谱与预处理后的光谱

为了剔除无效信息，采用SUVE、CARS和SPA选择所有光谱数据中有代表性的波段作为“特征波段”（图3）。筛选出对轮斑病响应最为敏感的三个关键波段（红光区）—— 693 nm、727 nm和766 nm，为轮班病的高效检测奠定了坚实基础。

图2特征波段的筛选

最后，利用CNN、LSTM和SVM算法建立了茶叶轮斑病的早期检测模型和抗病品种的快速筛选模型。在实验室的理想条件下，CARS-LSTM模型展现出了高达92.6%的检测准确率（图3）。在田间茶园的应用中，693 nm+727 nm结合CNN模型也达到了87.8%的优异表现，展现了强大的实用潜力。

图3 不同模型对不同病情级别的分类性能

本研究利用高光谱成像设备（GaiaField Pro-V10）的先进性，成功赋能于茶园轮班病的早期检测中。无论是在实验室内的理想条件中，还是复杂多变的大田环境中，该研究均有效地检测了轮斑病，取得显著成效。该成果不仅为茶园轮斑病的早期监测构建了核心算法体系，更为轮斑病的有效控制提供了有力的技术支撑。

作者简介：毛艺霖，青岛农业大学，研究生，单位：山东省农科院

论文摘自，欢迎下载浏览： Mao, Y., Li, H., Xu, Y., Wang, S., Yin, X., Fan, K., Ding, Z. and Wang, Y. (2024), Early detection of gray blight in tea leaves and rapid screening of resistance varieties by hyperspectral imaging technology. J Sci Food Agric. https://doi.org/10.1002/jsfa.13756