[发明专利]青枯病高光谱早期无损检测方法及装置

说明书

本申请提供一种青枯病高光谱早期无损检测方法及装置，该方法包括：采集目标植株的目标光谱；根据最优解特征组合，从所述目标光谱中提取与所述最优解特征组合对应的目标特征参数；将所述目标特征参数输入目标模型，输出检测结果；其中，所述最优解特征组合为基于遗传算法模型得到的；所述目标模型为二分类模型基于所述最优解特征组合处理后的训练样本训练得到的；所述检测结果用于指示所述目标植株是否患有青枯病。本申请提供的青枯病高光谱早期无损检测方法及装置，用于青枯病的早期诊断，有助于青枯病的防治。

技术领域

本申请涉及番茄植株的青枯病检测领域，尤其涉及一种青枯病高光谱早期无损检测方法及装置。

背景技术

番茄是全球消费最多的蔬菜之一，也是全球主要经济作物之一。青枯病是番茄的一种主要病害，发病急、蔓延快，发生严重时会引起植株成片死亡，造成减产甚至绝收，严重影响了番茄的产量和品质。青枯病害的早期、快速、精准检测对病害的防治、作物的护理具有极其重要的意义。

然而，由于青枯病发病期间植株仍保持绿色，发病早期仅植株顶端叶片色泽稍淡，发生轻度萎蔫，夜间可自行恢复，肉眼观察极难判断。现有检测手段中，专家检测依赖于专家，且仅在病症显现时进行识别，存在费时费力、主观干扰等问题；化学分子检测结果准确，却不能实时田间操作，且耗时长、成本高，均难以满足青枯病害早期、快速检测的需求。

发明内容

本申请的目的是提供一种青枯病高光谱早期无损检测方法及装置，用于青枯病的早期检测。

本申请提供一种青枯病高光谱早期无损检测方法，包括：

采集目标植株的目标光谱；根据最优解特征组合，从所述目标光谱中提取与所述最优解特征组合对应的目标特征参数；将所述目标特征参数输入目标模型，输出检测结果；其中，所述最优解特征组合为基于遗传算法模型得到的；所述目标模型为二分类模型基于所述最优解特征组合处理后的训练样本训练得到的；所述检测结果用于指示所述目标植株是否患有青枯病。

可选地，所述采集目标植株的目标光谱，包括：获取所述目标植株的目标部位基于太阳光模拟光源采集到的目标光谱；其中，所述目标部位为所述目标植株的茎中靠近根部的部位。

可选地，所述根据最优解特征组合，从所述目标光谱中提取目标植被指数之前，所述方法还包括：采集至少一个番茄植株的目标部位的第一光谱，并采用卷积平滑方法对每个番茄植株对应的光谱进行预处理，生成每个番茄植株对应的第二光谱；通过主成分分析PCA，提取每个番茄植株对应的第二光谱的光谱主成分，以及使用波段运算方法，基于每个番茄植株对应的第二光谱提取植被指数；根据每个番茄植株对应的光谱主成分和植被指数，生成数据集；其中，所述植被指数包括以下至少一项：水胁迫指数，叶绿素指数，红边指数。

可选地，所述根据每个番茄植株对应的光谱主成分和植被指数，生成数据集之后，所述方法还包括：将所述数据集输入遗传算法模型，并从最终得到的种群中筛选出适应度最大的个体对应的青枯病特征组合，作为所述最优解特征组合；其中，每个个体对应的青枯病特征组合为随机分配的；所述青枯病特征组合包括：番茄植株对应的光谱主成分和植被指数组成的特征集合中的至少一项。

可选地，所述将所述数据集输入遗传算法模型，并从最终得到的种群中筛选出适应度最大的个体对应的青枯病特征组合，作为所述最优解特征组合之后，所述方法还包括：根据所述最优解特征组合，对所述数据集中的每个番茄植株对应的特征组合进行归一化处理，并根据每个番茄植株是否患有青枯病的情况，对每个番茄植株对应的特征组合进行标记；将标记后的特征组合输入所述二分类模型中，并采用十折交叉验证方法训练所述二分类模型，得到所述目标模型；其中，所述二分类模型为支持向量机SVM二分类模型。

本申请还提供一种青枯病高光谱早期无损检测装置，包括：