柑橘黃龍病高光譜快速無損診斷方法.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偵測和聚合酶鏈式反應。相比于傳統(tǒng)的檢測技術(shù)，高光譜成像技術(shù)，作為新一代的光譜分析技術(shù)，同時提供物體的光譜及空間信息，具有快速、無損的優(yōu)點，近幾年在農(nóng)產(chǎn)品無損檢測研究中應用廣泛。本論文以贛南臍橙為研究對象，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的差異性和柑橘黃龍病光譜響應特征，確定了柑橘黃龍病高光譜檢測機理。首先，將葉綠素、淀粉、可溶性糖三個理化值結(jié)合繪制了散點圖?？梢钥闯?，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。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之間的差異，結(jié)果表明三類理化指標存在顯著性差異（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特征。但單獨通過一種理化指標是無法將

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。留一交叉驗證法來驗證模型的可靠性。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、一交叉驗證組的總體判別準確率為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）和競爭性自適應重加權(quán)算法（CARS）篩選的特征波長用于建模，大大減少了自變量的數(shù)量，從而簡化了模型，并且優(yōu)化了模型結(jié)果。對比 SPA和 CARS的結(jié)果，可以看到，SPA篩選的特征波長數(shù)量較少，CARS篩選的特征波長數(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測集相關(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)檢測模型，結(jié)合最小二乘判別法（PLS-DA），實現(xiàn)了柑橘黃龍病高光譜定量判別。在PLS-DA建模過程中，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)定值中點為閾值，分別為1.5和2.5。測量值小于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)