基于高光谱成像技术的番茄叶片烟粉虱侵害程度检测_樊阳阳.pdf

山 东 农 业 科 学 2026 58 3 151 159 Shandong Agricultural Sciences DOI 10 14083 j issn 1001 4942 2026 03 018 收稿日期 2024 11 08 基金项目 山东省自然科学基金青年科学基金项目 Z 2021QC216 山东省重点研发计划项目 2021LZGC026 作者简介 樊阳阳 1994 女 博士 助理研究员 主要从事农业人工智能研究 E mail fanyangy9836 163 com 通信作者 王帅 1984 男 硕士 副研究员 主要从事数字农业研究 E mail wangs1984 163 com 基于高光谱成像技术的番茄叶片 烟粉虱侵害程度检测 樊阳阳 1 宋华鲁 1 梁志超 1 申婷婷 2 王帅 1 1 山东省农业科学院农业信息与经济研究所 山东 济南 250100 2 江苏大学食品与生物工程学院 江苏 镇江 212013 摘要 烟粉虱 Bemisia tabaci Aleyrodidae 是一种分布广泛且危害严重的害虫 早期检测对其有效防治至 关重要 本研究基于可见 近红外高光谱成像技术采集烟粉虱侵害早期 5 个阶段的番茄叶片高光谱图像 通 过连续投影算法 SPA 变量组合集群分析 VCPA 多聚类特征选择 MCFS 和主成分载荷 PCA loading 4 种方法提取特征波长 用其作为输入变量构建线型判别分析 LDA 支持向量机 SVM 和反向传播神经网络 BPNN 检测模型 结果表明 基于 SPA 提取的特征波长建立的 SVM 模型检测效果最好 准确率可达86 21 基于 SPA 提取特征波长的图像 利用灰度共生矩阵 GLCM 提取纹理特征 通过方差分析筛选出 10 个纹理特 征 将其单独及与提取的特征波长共同作为输入变量进行建模 结果显示 与仅用特征波长作为输入变量相 比 单独使用纹理特征作为输入变量的模型检测准确率明显降低 而特征波长与纹理特征共同作为输入变量 的模型检测准确率未出现明显提高 综上 基于可见 近红外高光谱成像技术采集图像 利用 SPA 法提取特 征波长并输入 SVM 构建检测模型 可以实现对番茄叶片烟粉虱早期为害的检测 这可为烟粉虱的早期检测及 防治提供技术支持 关键词 烟粉虱 番茄叶片 高光谱成像技术 特征波长 纹理特征 机器学习 中图分类号 S126 文献标识号 A 文章编号 1001 4942 2026 03 0151 09 Detection of Bemisia tabaci Infestation Degrees on Tomato Leaves Based on Visible Near Infrared Hyperspectral Imaging Fan Yangyang 1 Song Hualu 1 Liang Zhichao 1 Shen Tingting 2 Wang Shuai 1 1 Institute of Agricultural Information and Economics Shandong Academy of Agricultural Sciences Jinan 250100 China 2 School of Food and Biological Engineering Jiangsu University Zhenjiang 212013 China Abstract Bemisia tabaci Aleyrodidae is a widely distributed and highly destructive pest Early detec tion is of crucial significance to its effective control In this study the visible near infrared hyperspectral ima ging technology was used to acquire the hyperspectral images of tomato leaves at five early infestation stages of B tabaci The feature wavelengths were extracted using four methods successive projections algorithm SPA variable combination population analysis VCPA Monte Carlo uninformative variable elimination MCFS and principal component analysis loading PCA loading These feature wavelengths were then used as input variables to construct detection models employing linear discriminant analysis LDA support vector machine SVM and backpropagation neural network BPNN The results indicated that the SVM model built with feature wavelengths extracted by SPA achieved the best detection performance with an accu racy of 86 21 Subsequently texture features were extracted from the images corresponding to the SPA se lected wavelengths using the gray level co occurrence matrix GLCM Ten texture features were selected through analysis of variance and used as input variables independently or in combination with the feature wave lengths for model construction The results showed that the models using only texture features as input variables had significantly lower detection accuracy compared to those using only feature wavelengths Furthermore combining feature wavelengths with texture features as input variables did not lead to significant improvement in model detection accuracy In conclusion detecting early B tabaci infestation on tomato leaves is achievable by acquiring images via visible near infrared hyperspectral imaging extracting feature wavelengths using the SPA method and inputting them into an SVM model for detection This approach offers technical supports for early detection and management of B tabaci Keywords Bemisia tabaci Tomato leaves Hyperspectral imaging technology Feature wavelength Texture feature Machine learning 烟粉虱 Bemisia tabaci Aleyrodidae 是一种 破坏性极强且分布十分广泛的害虫 通过刺吸汁 液为害植物 1 2 给多种农作物带来严重的品质 和产量损失 3 另一方面 烟粉虱是超过 300 种 植物病毒的寄主 4 比如番茄黄花曲叶病毒 To mato yellow leaf curl virus TYLCVs 番茄斑驳病 毒 Tomato mottle virus ToMoVs 其发生会造成这 些病毒的扩散传播 导致严重的病毒病 5 进一 步加剧农作物产量损失 6 因此 及时有效防治 烟粉虱对于保障农作物生产和粮食安全具有重要 意义 烟粉虱繁殖率高 繁殖速度快 具有极强的暴 发性 7 需要尽早发现 精准防控 一旦错过防控 时机 防治效果会大大减弱 使用杀虫剂是控制 烟粉虱种群的最有效策略之一 然而过度使用杀 虫剂不仅导致环境污染 而且易对非目标物种造 成致命伤害 8 及时发现并准确检测烟粉虱发 生阶段对于确定防治时间及方法至关重要 但烟 粉虱习惯生长于植物叶片背面 具有隐蔽性 增加 了从叶片正面辨别侵害症状的困难 并且虫体小 即使是成虫 体长也小于1 mm 肉眼难以发现 9 传统的检测和计数主要依赖于人工在放大设备下 进行 耗时 费力 影响烟粉虱发生阶段的及时 准 确监测 因此迫切需要更高效的检测方法 烟粉虱通过刺吸植物叶片和茎部汁液为食 会破坏细胞结构 影响光合色素积累及相应生理 生化特性 1 2 从而带来叶片在电磁波谱上的反 射率变化 10 研究表明 400 700 nm 的光谱反 射率与光合色素 主要是叶绿素和类胡萝卜素 含量相关 而700 1 300 nm 的光谱反射率与叶片 结构和含水量相关 11 这使得利用光谱技术通 过测量反射率来检测害虫侵害成为可能 高光谱 成像技术将成像技术与光谱技术相结合 可以获 取图像中每个像素点的全光谱反射率 相比传统 多光谱技术具有分辨率高 信息丰富等优势 12 近年来已经有一些研究探索了用高光谱技术检测 作物生物和非生物胁迫的可行性 王小龙等 13 通过 FieldSpec 3 便携式光谱分析仪采集 350 2 500 nm范围内的光谱数据 利用主成分分析法 PCA 进行特征降维 并通过支持向量机 sup port vector machine SVM 建立检测模型 实现了 利用高光谱技术对棉花叶片蚜虫和红蜘蛛侵害的 检测 李翠玲等 14 基于高光谱技术实现了对番 茄叶片是否被斑潜蝇侵害的快速识别 Gui 等 15 利用高光谱图像 采用元学习技术对大豆害虫进 行检测 准确率达到 94 57 Yamada 等 16 基于 高光谱成像技术和不同机器学习模型实现对棉花 二斑叶螨不同侵害水平的检测 Liu 等 17 提出一 种基于注意力机制的空间 光谱联合网络 可利 用高光谱图像实现对害虫为害玉米叶片的检测 对特写和中景高光谱图像检测的整体准确率分别 达 99 24 和 97 40 这些研究表明高光谱成像 技术在农业病虫害检测方面具有很大潜力 本研究首先将烟粉虱侵害划分为 5 个阶段 利用高光谱成像技术采集不同阶段的番茄叶片高 光谱图像 然后用连续投影算法 successive pro 251 山 东 农 业 科 学 第 58 卷 jection algorithm SPA 多聚类特征选择 multi cluster feature selection MCFS 变量组合集群分 析 variable combination population analysis VC PA 和主成分载荷 PCA loading 提取特征波长 用灰度共生矩阵 gray level co occurrence matrix GLCM 提取纹理特征 以提取的特征波长和纹理 特征单独或共同作为输入变量 利用线性判别分 析 LDA 支持向量机 SVM 和反向传播神经网 络 BPNN 构建番茄叶片烟粉虱侵害程度检测模 型 通过准确率评价筛选输入特征及模型 以期为 番茄烟粉虱发生的早期高效监测提供技术支持 1 材料与方法 1 1 试验材料 浙粉 202 番茄幼苗 购于杭州康成农业科技 有限公司 杭州 中国 置于温室中培养 培养温 度约为 25 相对湿度约为 50 并用 120 孔的 防虫网遮盖 以防止其他虫害干扰实验结果 培 养 30 d 后 将 2 000 头烟粉虱 Middle East Asia Minor 1 MEAM 1 成虫接种至25 株番茄苗上 作 为试验组 以未接种烟粉虱的 18 株番茄苗作为对 照组 对照组与试验组分别置于不同试验场地进 行隔离 以保证对照组不被感染 根据祖恒等 18 的研究 通常当 5 6 片番茄 叶上烟粉虱成虫达到 20 头时开始施药防治 为 实现烟粉虱的早期精准防治 需要在此之前密切 监测烟粉虱的发生情况 因此 本研究选择第一代 烟粉虱成熟之前 即烟粉虱产卵至若虫阶段 采集 番茄叶片的高光谱图像 依据烟粉虱发育时期和 总侵害天数 进一步将烟粉虱侵害进程划分为 5 个阶段 分别用 ID0 ID1 ID2 ID3 和 ID4 表示 各 阶段番茄叶片背面图像见图 1 其中 ID0 指没有 受到侵害 ID1 为少量一龄幼虫从第一代卵中孵 化的阶段 表现为叶片上大部分仍然是卵 仅有小 部分一龄幼虫分布 ID2 为大部分第一代一龄幼 虫成长为二龄幼虫的阶段 ID3 为大部分第一代 幼虫成长为三龄幼虫的阶段 ID4 为第一代幼虫 成长为四龄幼虫的阶段 此时叶片上已经有多代 不同龄的幼虫分布 从图 1 可以看出 从 ID2 至 ID4 幼虫数量持续增长 叶片上的幼虫分布变得 越来越不规则 说明逐渐出现世代重叠现象 鉴 于烟粉虱侵害的叶片正面并没有明显症状 试验 过程中借助体视镜对番茄叶片背面进行 80 倍放 大检查 以确定烟粉虱的发育时期 图 1 烟粉虱 5 个侵害阶段的番茄幼苗叶片背面图像 1 2 高光谱图像采集及预处理 高光谱成像系统参数设置 镜头到样本的高度 为23 5 cm 传送带的移动速度为3 95 mm s 摄像机 的曝光时间为 0 08 s 当一龄若虫从第一代卵中孵 化出来时 即7 月4 日起开始进行高光谱图像的采 集 共持续7天 每株番茄随机采集两片叶子 最终 数据集中包含 ID0 ID1 ID2 ID3 ID4 阶段样叶分别 为144 52 52 49 52片 共349个叶片样本 采用KS Kennard Stone 算法 19 将样本集按照2 1的比例划 分为建模集和测试集 其中建模集包含233个样本 验证集包含116个样本 采用 Savitzky Golay 卷积平滑算法 SG 平 滑 20 对原始高光谱数据进行预处理 选用二阶 多项式平滑 步长数为 6 选定整个叶片为感兴 趣区域 egion of Interest OI 提取 OI 内的全 部光谱进行平均来代表每片样叶的光谱 以减少 不同像素点间的异质性 1 3 特征提取 1 3 1 光谱特征波长提取 高光谱图像包含 512 个波段 每个像素点均对应 512 个波段的光谱反 射率 数据信息丰富 但过多信息可能会存在无 关干扰 影响模型检测的准确性 同时冗余信息也 会降低计算效率 因此需要从原始高光谱数据中 提取特征波长来减少输入变量个数 特征波长的 351第 3 期 樊阳阳 等 基于高光谱成像技术的番茄叶片烟粉虱侵害程度检测 选择主要根据变量与分类目标的相关性或变量对 分类的贡献度进行 为了避免单一方法的局限 性 本研究选用 SPA MCFS VCPA 和 PCA load ing 4 种方法进行特征波长提取 SPA 是一种前向变量选择方法 它通过矢量 空间投影分析 从原始光谱中筛选出共线性最小 冗余度最低的有效变量 旨在消除原始输入的共 线性干扰 从而优化模型性能 21 在本研究中 将 SPA 筛选变量的个数设置为 5 30 首先将训 练集数据进行投影筛选出候选变量 再通过验证 集进行迭代从候选变量中提取变量 迭代次数由 均方根误差 MSE 决定 随着 MSE 不断下降 直至不再下降停止迭代 如图 2 所示 当 MSE 下 降至 0 442 时停止迭代 此时的候选变量个数即 为所提取的特征波长数量 图 2 MSE 下降曲线 MCFS 是一种无监督的聚类特征选择方法 首先将原始特征进行聚类形成簇 然后对每个簇 中的特征重要性进行度量 根据得分返回排名最 高的特征 22 本研究将 MCFS 提取特征波长的 个数也设置为 5 30 PCA loading 是利用主成分分析 principal component analysis PCA 中的载荷 loading 值来 筛选特征变量 一个变量载荷的绝对值越大 说明 该变量越重要 23 本研究用 PCA loading 将 SG 平滑后的光谱进行主成分分析变换 选取前 3 个 主成分的权重分布曲线 将处于波峰 波谷的特征 波段选为特征波长 VCPA 利用模型种群分析 model population analysis MPA 构建候选变量子集 基于迭代指数 递 减 函 数 exponentially decreasing function EDF 从初始变量中逐渐剔除贡献少的变量 24 多次迭代后剩余的变量即为筛选的特征波长 1 3 2 纹理特征提取 当叶片结构受到严重破 坏时 外观形态会发生变化 对应的图像特征也会 发生改变 25 高光谱图像的纹理特征可以反映 像素点灰度在空间上的排列信息 因此可以用于 研究烟粉虱侵害过程中叶片的外观变化 灰度共 生矩阵 gray level co occurrence matrix GLCM 是 统计图像中成对像素在一定距离 D 和方向 上出现的频率 26 纹理特征提取时 首先需对图 像进行灰度共生矩阵变换 角度选为 45 像素距 离为 8 然后提取灰度共生矩阵的对比度 con trast 异质性 dissimilarity 同质性 homogenei ty 熵 energy 相关性 correlation 角二阶矩 angular second moment ASM 最后通过方差分析 ANOVA 依据显著性P值对纹理特征进行排序 P 值越小 说明组间差异的可信度越高 选取 P 值最小 的前10个特征作为本研究的纹理特征 1 4 机器学习算法选择 以提取的特征波长和纹理特征单独或共同作 为输入变量 选用线性算法中的线性判别分析 linear discriminant analysis LDA 与非线性算法 中的支持向量机 support vector machine SVM 和 反向传播神经网络 back propagation neural net work BPNN 3 种机器学习算法构建烟粉虱早期 侵害程度检测模型 其中 LDA 利用线性变换对 原始样本进行最大组间分离 27 28 从而对侵害阶 段进行判别 不需要进行参数选择 SVM 基于核 函数将原始数据投影到高维空间 训练过程中通 过选择合适的超平面使分类误差最小化 同时最 大化类间间隔 以提高分类器的泛化能力 29 30 本研究以径向基函数 radial basis function BF 作为核函数 通过网格搜索 grid search 确定最 优超参数 BPNN 是一个多层神经网络 依次包 括输入层 隐藏层和输出层 31 在非线性建模方 面表现出色 已被应用于高光谱数据分析 32 33 在本研究中 BPNN 的优化器选择 LBFGS 激活函 数选择 eLu 函数 需要寻优的参数为正则化系 数 alpha 最大迭代次数 神经元个数和神经网络 层数 本研究算法代码均由 Matlab 2014b The Math Works Natick MA USA 编译 并在硬件 配置为 Core i7 4790 8 GB AM 和软件配置为 Windows 10 操作系统的笔记本电脑上执行 使 451 山 东 农 业 科 学 第 58 卷 用准确率评估模型性能 准确率即模型预测正确 的样本数占总样本数的比例 34 2 结果与分析 2 1 受侵害番茄植株的光谱特征分析 将同一个侵害阶段内所有样本的光谱进行平 均作为该阶段的平均光谱 得到 5 个阶段的平均 光谱曲线 图 3 可以看出 5 条曲线的大致趋势 是一致的 在 480 nm 和 640 660 nm 因叶绿素对 光的吸收出现反射率波谷 35 而在 550 nm 附近 出现由未被叶绿素吸收的辐射引起的反射率峰 值 36 由于大部分入射光被细胞壁的透明纤维素 反射或透射 37 在 750 1 000 nm 之间存在平台 区 在 950 970 nm 之间存在与吸水率相关的波 谷反射区 11 同时可以看出 曲线间的差异主要 集中在可见光 530 680 nm 范围内 反射率随着 侵害程度的加重而增加 而在780 1 000 nm 范围 内的光谱反射率差异却不大 说明烟粉虱对番茄 幼苗的早期侵害主要破坏光合色素 对叶片结构 的破坏较轻微 38 2 2 基于主成分分析的定性分析 PCA 主要通过确定前几个主成分来实现关 键特征的提取和变量的降维 并可基于主成分观 察样本的聚类趋势 39 因此 为了更全面地比较 不同阶段样本间的光谱差异 本研究随机选取各 个侵害阶段的高光谱图像 将图像中每个像素点 进行 PCA 变换 保留前 6 个主成分 并在彩色空 间进行反演 结果如图 4 所示 样本的像素值范围 从 0 1 至 0 1 相应的颜色也从红色逐渐变成蓝 色 整体来看 主成分 PC1 至 PC6 的图像颜色从 暗到亮 这与从 PC1 至 PC6 所包含的信息丰富程 度逐渐减少有关 其中 在 PC5 图像中 ID0 和 ID1 的像素值明显低于其余 3 个阶段 这意味着 前两个侵害阶段与后 3 个侵害阶段之间存在明显 的分界线 图 3 5 个侵害阶段的平均光谱曲线 图 4 6 个主成分得分图像 将每个样本的平均光谱进行 PCA 变换 由于 前 3 个主成分可以解释超过 90 的变量 因此保 留前 3 个主成分并对其聚类情况进行三维展示 结果如图 5 所示 可以看出 ID0 和 ID1 聚为一 组 ID2 ID3 ID4 聚为一组 两组间区分较为明 显 但组内样本在一定程度上混杂在一起 表明 ID0 与 ID1 之间存在相似性 ID2 ID3 ID4 之间存 在相似性 这与图 4 观察到的规律是一致的 上述结果表明 番茄幼苗的光谱特征在 ID1 阶段后才会发生明显变化 这可能意味着烟粉虱 551第 3 期 樊阳阳 等 基于高光谱成像技术的番茄叶片烟粉虱侵害程度检测 在 ID2 阶段前还未对番茄幼苗造成严重的实质性 的危害 但是 PCA 定性分析很难将各个侵害阶 段区分出来 因此需要利用机器学习模型来进一 步研究光谱特性与侵害程度间的关系 2 3 基于特征波长的模型检测效果分析 2 3 1 特征波长提取 选用 MCFS VCPA SPA 和 PCA loading 4 种方法进行特征波长提取 结 果 表 1 显示 4 种方法中 MCFS 法提取的特征 波长数量最多 共 30 个 VCPA 提取的特征波长 数量最少 共 10 个 图 5 基于前 3 个主成分得分的样本聚类 表 1 4 种方法提取的特征波长统计结果 方法 个数 特征波长 nm MCFS 30 452 05 453 27 455 71 463 02 534 25 535 48 689 56 690 83 692 10 703 54 704 81 706 69 715 00 716 28 717 55 748 23 749 52 750 80 757 21 921 08 922 40 931 63 932 95 934 27 935 59 936 91 996 62 997 95 999 29 1 000 62 SPA 18 454 49 458 14 471 57 477 68 483 80 488 71 500 98 523 14 585 14 676 88 693 37 727 76 744 39 807 48 917 13 963 38 997 95 1 000 62 VCPA 10 453 27 470 35 487 36 534 25 535 48 573 93 687 02 718 83 737 99 745 67 PCA loading 11 695 91 676 88 523 14 556 54 708 63 779 07 504 66 561 50 685 76 713 73 966 03 从图 6 可以看出 SPA 和 MCFS 提取的特征 波长在可见光和近红外波段范围内均有分布 主 要呈三段集中 分别是在 450 530 670 750 920 1 000 nm范围内 VCPA 和 PCA loading 提 取的特征波长主要在可见光和短波近红外范围内 分布 主要呈两段分布 分别是在 450 530 670 750 nm 范围内 表明烟粉虱对番茄叶片的侵害 早期主要是对光合色素的破坏 这与刺吸类害虫 对作物的伤害主要是对色素结构的破坏的研究结 论 40 41 相一致 图 6 4 种方法提取的特征波长分布 2 3 2 基于特征波长的模型检测效果对比 以 提取的特征波长作为输入 分别用 LDA SVM 和 BPNN 法建立烟粉虱侵害程度检测模型 结果见 表 2 对于 4 种方法选出的特征波长 非线性模 型 SVM 和 BPNN 的准确率均高于线性模型 LDA 说明用非线性算法分析高光谱数据更具优势 4 种特征波长提取方法间比较 以 SPA 提取的特征 波长作为输入时 SVM 和 BPNN 模型的准确率均 最高 说明 SPA 法提取的特征波长能更好地反映 烟粉虱侵害后的番茄叶片高光谱特征 这可能是 因为 SPA 法提取的特征波长分布范围广 但与 MCFS 相比各波段范围内分布的特征波长少 避 免了连续波段间相关性对检测准确率的干扰 表 2 基于不同方法提取的特征波长构建的 模型检测准确率对比 特征波长 提取方法 各种模型检测准确率 LDA SVM BPNN VCPA 68 10 73 28 77 59 SPA 68 10 86 21 78 49 MCFS 70 69 75 86 77 59 PCA loading 67 24 76 72 75 86 651 山 东 农 业 科 学 第 58 卷 2 4 基于纹理特征的模型检测效果分析 2 4 1 纹理特征提取 通过前文分析已知用 SPA 法提取的特征波长作为输入时模型的检测效 果最好 因此 以 SPA 提取的 18 个特征波长所对 应的图像为基础进行纹理特征提取 从每个波长 对应的图像中提取 6 个纹理特征 共得到 108 个 纹理特征 由于纹理特征总数远大于光谱特征总 数 利用方差分析方法对每个特征按照 P 值进行 排序 以筛选与烟粉虱侵害程度最相关的纹理特 征 每个特征波长的 6 个纹理特征的 P 值分布 如图 7 所示 其中 y 轴为 lnP 值 P 值越小 则 lnP 越大 按 lnP 值由大到小对纹理特征进行 排序 位居前 10 的即为筛选出的纹理特征 包括 585 14 676 88 693 37 nm 图像对应的熵 483 8 488 71 500 98 477 68 471 57 nm 图像对应的熵 以及 477 68 471 57 nm 图像对应的相关性 图 7 6 种纹理特征的 P 值 2 4 2 基于纹理特征的模型检测效果对比 以 筛选出的 10 个纹理特征为 LDA SVM 和 BPNN 的输入进行建模 在测试集上的检测结果 表 3 显示 BPNN 模型取得了最高的检测准确率 为 61 32 但低于基于特征光谱建立的模型 说明 以纹理特征作为输入变量建立的模型检测效果较 差 这可能与烟粉虱侵害早期番茄叶片的症状表 现不明显有关 表 3 基于纹理特征的模型检测准确率 各模型检测准确率 LDA SVM BPNN 51 89 57 55 61 32 2 5 基于特征波长和纹理特征融合的模型检测 效果分析 将 SPA 法得到的特征波长与纹理特征共同 作为输入 分别建立 LDA SVM 和 BPNN 检测模 型 在测试集上得到的检测准确率如表 4 所示 可 以看出 BPNN 模型的检测准确率最高 为 83 62 其次是 SVM 模型 81 03 LDA 模型的 检测准确率最低 68 10 均高于基于纹理特征 建立模型的检测准确率 但与基于特征波长建立 模型的准确率相比并无明显提升 说明融合特征 对于提升模型效果并无太大帮助 因此 特征波长 是建立烟粉虱侵害番茄幼苗早期检测模型的主要 特征 表 4 基于特征波长与纹理特征的模型检测准确率 各模型检测准确率 LDA SVM BPNN 68 10 81 03 83 62 3 讨论与结论 当作物受到病虫害侵害时 叶片色素 水分 空间结构等生理生化特征会发生变化 在 400 1 000 nm范围的光谱反射率也会相应改变 因此 利用可见 近红外高光谱成像技术检测作物的病 虫害侵害程度可行 本研究发现 烟粉虱不同侵 害阶段的光谱曲线差异主要集中在 530 680 nm 范围内 该波段主要与光合色素尤其是叶绿素和 胡萝卜素含量有关 11 说明烟粉虱早期对番茄幼 苗的危害主要是影响光合色素积累 这与 Zhao 等 38 发现角斑病侵染不同程度的黄瓜叶片高光 谱差异主要是叶绿素含量差异导致的相一致 而 751第 3 期 樊阳阳 等 基于高光谱成像技术的番茄叶片烟粉虱侵害程度检测 且在该波段范围内 反射率随着烟粉虱侵害程度 的加重而升高 说明随着虫害加剧 叶绿素含量下 降 这与 iedell 和 Blackmer 42 的研究结论一致 上述结果同时也说明烟粉虱基本没有造成番茄幼 苗的水分胁迫或结构破坏 本研究选用 SPA MCFS VCPA PCA loading 法提取特征波长 通过比较 4 种特征波长集合发 现 提取的特征波长主要分布在可见光范围内 进 一步说明烟粉虱对番茄叶片的早期侵害主要导致 光合色素的破坏 42 43 Nansen 等 40 研究发现灯 笼椒的光谱在 530 670 nm 和 705 nm 对木虱侵害 的响应最为敏感 Liu 等 41 研究发现 水稻受褐 飞虱侵害后 筛选出的敏感波段主要集中在 400 705 nm 范围内 说明刺吸类害虫对作物造成的 伤害主要是对光合色素的破坏 本研究以从高光谱数据提取的特征波长为输 入 对比分析线型模型 LDA 与非线性模型 SVM 和 BPNN 的检测结果 发现 SVM 和 BPNN 模型的 检测准确率均高于 LDA 模型 Wakholi 等 28 在 利用短波近红外高光谱数据对玉米种子活力进行 区分时发现 SVM 模型的准确率要高于 LDA 和 PLS DA 模型 Liu 等 44 在利用高光谱图像数据 对荔枝种子进行识别时发现 非线性模型 BPNN 和 SVM 表现要优于线性的偏最小二乘判别分析 PLS DA 和软独立建模类比 soft independent modeling of class analogy SIMCA 上述研究结果 表明 高光谱数据具有高度非线性 用非线性机器 学习算法建立相应检测模型更具优势 基于 SPA 提取的18 个特征波长 采用 GLCM 法提取相应波长图像的纹理特征 通过方差分析 进一步筛选 选出与烟粉虱侵害程度相关最显著 的 10 个纹理特征 分别用特征波长 纹理特征以 及两者融合作为输入变量 建立 LDA SVM 和 BPNN 模型 通过比较模型检测准确率发现 仅用 纹理特征作为输入变量时 模型准确率较低 51 89 61 32 将纹理特征与特征波长融合 作为输入变量时 准确率明显提高 达到 68 10 83 62 但与仅用特征波长作为输入变量的模型 检测准确率 68 10 86 21 相当 因此光谱 特征可作为建立番茄叶片烟粉虱侵害程度早期检 测模型的主要特征 综上 本研究利用可见 近红外高光谱成像技 术采集烟粉虱侵害早期不同阶段 ID0 ID5 的 番茄幼苗叶片图像 通过对比分析发现 叶片光谱 特征变化主要发生在 ID1 与 ID2 之间 以 SPA 法 提取的特征波长为输入建立的 SVM 模型检测效 果最佳 准确率达到 86 21 今后可通过改进算 法等方式进一步提升检测准确率 并通过扩充数 据集提高模型的泛化性 参 考 文 献 1 Cuthbertson A G S V nninen I The importance of maintaining protected zone status against Bemisia tabaci J Insects 2015 6 2 432 441 2 Inbar M Gerling D Plant mediated interactions between whiteflies herbivores and natural enemies J Annual eview of Ento mology 2008 53 1 431 448 3 De Barro P J Liu S S Boykin L M et al Bemisia tabaci a statement of species status J Annual eview of Entomology 2011 56 1 1 19 4 Navas Castillo J Fiallo Oliv E S nchez Campos S Emerging virus diseases transmitted by whiteflies J Annual eview of Phytopathology 2011 49 1 219 248 5 Bleeker P M Diergaarde P J Ament K et al The role of spe cific tomato volatiles in tomato whitefly interaction J Plant Physiology 2009 151 2 925 935 6 Briddon W Markham P G Cotton leaf curl virus disease J Virus esearch 2000 71 1 2 151 159 7 Chen W Hasegawa D K Arumuganathan K et al Estimation of the whitefly Bemisia tabaci genome size based on k mer and flow cytometric analyses J Insects 2015 6 3 704 715 8 El Naggar J B Zidan N E H A Field evaluation of imidacloprid and thiamethoxam against sucking insects and their side effects on soil fauna J Journal of Plant Protection esearch 2013 53 375 387 9 Li J J Tang Q B Bai E et al Comparative morphology and morphometry of six biotypes of Bemisia tabaci Hemiptera Al eyrodidae from China J