高光谱成像用于定量判断茶树叶片受冻程度

作者：毛艺霖; 李赫; 王玉; 范凯; 孙立涛; 王会; 宋大鹏; 申加枝^*; 丁兆堂^*

来源：光谱学与光谱分析, 2023, 43(07): 2266-2271.

• 茶树
• 冻害
• 高光谱成像
• 深度学习

低温冻害是茶园中最常见的自然灾害之一。茶树叶片低温胁迫的定量监测对于评估茶园冻害程度和及时采取措施具有重要意义。茶树低温胁迫的传统检测方法，主要是通过人工观察和理化指标的测定，存在精度低、效率低和主观性强等问题，严重影响了灾害后期的茶树管理。该研究提出了一种基于高光谱成像的茶树冻害程度定量判断方法。首先，利用高光谱成像设备采集自然环境中茶树叶片在无冻害发生、冻害初期和冻害后期三个阶段的光谱数据，提取叶片的平均反射率；测定相应叶片中的相对电导率(REC)、叶绿素(SPAD)和丙二醛(MDA)等生理生化指标。其次，利用多元散射校正(MSC)、一阶导数(1-D)和平滑滤波(S-G)算法对采集的原始高光谱数据进行预处理，并利用无信息变量消除(UVE)和竞争性自适应重加权(SPA)算法筛选预处理后高光谱数据的特征波段。最后，利用卷积神经网络(CNN)、支持向量机(SVM)和偏最小二乘法(PLS)建立REC、 SPAD和MDA含量的定量预测模型。结果表明：(1)经MSC+1-D+S-G算法预处理的光谱曲线比原始光谱曲线的波峰和波谷更加突出，提高了光谱的分辨率和灵敏度，有利于提高后期回归模型的精度；(2)UVE算法筛选的特征波段数量最多，后期建模效果更优；SPA算法筛选的特征波段数量最少，更适合用传统的机器学习方法建立回归模型；(3)SPAD、 REC和MDA的最佳预测模型分别为SPAD-UVE-CNN(RP2=0.730, RMSEP=3.923)、 REC-UVE-SVM(RP2=0.802,RMSEP=0.037)和MDA-UVE-CNN(RP2=0.812, RMSEP=0.008)。利用高光谱成像技术与多种算法相结合，可以实现对茶树叶片低温胁迫程度的无损、准确和定量监测，对快速预测茶园冻害发生和采取必要措施具有重要意义。

• 单位
  青岛农业大学; 山东省农业科学院