使用SOC710进行葡萄红斑病的检测

1.1 样品和数据获取

已知红斑病的葡萄叶片高光谱图像使用美国SOC公司便携式高光谱成像光谱仪。图1为SOC710VP便携式成像光谱仪成像的葡萄叶子，地面上的板为标准反射板。图2为获取的红斑病葡萄叶的高光谱数据立方体彩色图像，图2(a)为在葡萄藤蔓上采集的高光谱图像，图2(b)为从藤蔓上取下后立即采集获得的高光谱图像，图2(c)为实验采集叶片高光谱图像。图3为葡萄叶片不同阶段的红斑病发病情况。

图1 SOC710VP便携式成像光谱仪采集葡萄叶片

图2 获取的红斑病葡萄叶的高光谱数据立方体彩色图像

图3 葡萄叶片不同阶段的红斑病发病情况

1.2 数据和结果分析

图4显示的是从图2（b）叶片中不同区域获得的光谱曲线，图4描述了红斑病叶片、绿色叶片、晒伤叶片和反射板的反射率。图4中的晒伤叶片（sunburn）的光谱能够从红斑病叶片中区分出来，晒伤叶片光谱反映的是在图2(b)中与红斑病发病极其相似的晒伤叶片的光谱特征。

图4 修正后的反射光谱

图4的可视化光谱曲线揭示的是每个感兴趣区域光谱的峰谷和的波段渐变过程。基于这样的光谱可视化，在不同波段和波段比下的空间图像表示如图5所示，通过叶片的空间图像可以区分不同的叶片区域和背景。

图5 在不同波段和波段比下的空间图

1.3 特征提取和分类

表1为将特征波段下的有效特征，基于先前部分的描述，556nm、628nm、556nm和628nm以及680nm和738nm比值被选择作为有效特征去区分葡萄叶片的红斑病。基于这两个特征波段和两个特征波段比的修正光谱反射率去训练SVM分类器。

表1 选择出的波段与修正后的波段和波段比的反射率

对于训练集，首先要归一化然后光谱平滑如图4所示提取的光谱为图2（b）目标图。为了进行二进制SVM分类器进行分类，红斑病叶片被标为1级，所有其他的叶片被标记为2级，使用matlab2014程序二进制核函数方程进行分类。

图6到图8描述了葡萄叶片在不同阶段红斑病情况，葡萄叶片红斑病在二进制分类方法下能够进行清晰的区分。

图6 来自图2（b）中从藤蔓上取下的葡萄叶片红斑病的检测，（左）葡萄叶片红斑病的彩色图像，（中）叶片红斑病发病区域的掩膜图像，（右）叶片发病区域的色彩图像

图7.在葡萄藤蔓上进行红斑病的检测，(左)葡萄叶片RBD色彩图像，(中) 叶片红斑病发病区域的掩膜图像，(右) 叶片发病区域的色彩图像

图8.(左)在不同状态下的三个葡萄叶片红斑病彩色图像，（中）叶片红斑病发病区域的掩膜图像，（右）叶片发病区域的色彩图像

在图6中，发病部位发病于茎部，在叶子表面覆盖不到25%的叶顶部左右端进行传播。图7红斑病似乎扩散到了叶片的边缘和其他小静脉。图8超过50%的RBD图像是可见的，包括叶面积和静脉。这种方法可以用来判别和量化葡萄叶片的红斑病，作为疾病预防和监控的一种有力的手段。

1.4 结论

SOC710VP便携式成像光谱仪可以用于在藤蔓上生长的葡萄叶片、从藤蔓上取下的叶片以及试验室葡萄叶片的光谱采集。使用两个波段（R556nm，R628nm）修正反射率和两个修正反射率比（R566nm/R628nm，R680nm/R738nm）作为有效特征，使用高光谱成像技术结合图像处理分析技术实现葡萄叶片红斑病的辨别。在未来将进一步开展葡萄树的疾病管理和收获管理的量化与检测，并进一步使用SVM分类器增加葡萄叶片区域的分类数量。