近红外光谱技术的小麦条锈病严重度分级识别

王茜+余海静

摘 要：小麦是我国主要的粮食产物之一。小麦的安全生产需要对一些重要病害进行有效地预防。在常见的病害中，小麦条锈病是小麦最常出现的一种疾病。这种病害对小麦的生产会造成十分严重的影响。在相关研究中，为了能够更加准确高效地对小麦条锈病进行检测以及预防，可以采用近红外光谱技術对其严重程度进行分级与识别处理，这种技术是相关研究人员最新研究出来的，所以本文将对这一问题展开进一步的研究，希望可以对今后的工作带来一定的帮助。

关键词：近红外光谱；小麦条锈病；病害严重度；分级识别

小麦条锈病是小麦生产过程中常见的一种疾病。这种疾病具有较广的流行性，并且严重危害到小麦的生产。在亚洲以及欧洲的小麦种植区域都有所出现。我国小麦生产过程中这一病害也是影响小麦稳产的“元凶”，严重的情况下还会造成小麦绝产的现象。如果可以事先对小麦条锈病进行有效的预防与检测，那么就能够将这一病害对小麦生产造成的损失降到最低，对于我国农业生产具有十分重要的意义。我国农业生产在近几年中十分重视对这一疾病的监测工作，并且投入了大量的资源，研制出了近红外光谱技术。希望通过本文的论述可以对今后的农业建设带来有效的建议。

1、实验部分

为了探究近红外光谱技术对小麦条锈病的监测效果，某实验室专门选取了具有高感染度的小麦品种，在人工实验室中进行栽种，并且使用孢子悬浮液向这些小麦进行喷洒，这样做主要是对小麦的发病程度进行有效的控制。在经过15天的接种以后，分别对小麦的发病程度按照不同的等级标准进行区分，并且和健康的小麦叶片进行对比，在所有的小麦叶片中，一共选择出严重程度不同的小麦叶片以及健康的叶片，通过近红外光谱技术绘制出光谱曲线，以便观察。

通过观察可以看出小麦的光谱曲线存在一定的差异，并且这之前具有一定的关联性，在此基础上建立起来的模型可以更加准确的对小麦叶片的受损程度进行定性，这样就能够得到小麦条锈病的严重度级别。为了能够更加准确的提高监测效果，又专门对测试集与训练集的小麦进行了对比，尽可能的将噪声因素对该模型产生的不良效果降到最低。实现近红外光谱技术水平的进一步提高。

2、结果与讨论

光谱数据预处理方法对所建模型识别效果的影响可知原始光谱数据经不同方法处理后，训练集和测试集的平均总体识别准确率分别为91.34%和90.83%，除矢量校正和一阶导数预处理方法外，原始光谱数据经其他方法预处理后，训练集和测试集的总体识别准确率均高于90.00%。其中，经中心化预处理后模型识别效果较好，训练集和测试集的总体识别准确率分别为94.58%和95.52%。原始光谱数据经中心化处理后建模，训练集和测试集的不同比例对所建模型识别效果的影响可知，不同建模比对所建模型识别效果影响较小，按照五种不同建模比建模后，所建模型对训练集和测试集的总体识别准确率均高于90.00%，平均总体识别准确率分别为93.20%和95.32%，所建模型稳定性较好。其中，建模比为3：1时，训练集和测试集的总体识别准确率分别为94.58%和95.52%，识别效果较好。因此，优先选择中心化和3：1分别作为原始光谱数据预处理方法和建模比。

3、结论

在进行传统小麦条锈病监测的过程中，不但会消耗大量的时间，还会浪费很多的精力，并且具有较强的主观性，这样就需要一种更加高效快捷的检测技术来帮助农业生产，对小麦条锈病进行监测，而近红外光谱技术的出现可以更加准确的对叶片的光谱信息进行收集，并且在其他方法的基础上建立起一个叶片定性识别模型，这种模型可以将数据进行预处理，有效地提高准确程度，对准确率具有十分理想的效果。所以是当前小麦条锈病监测预防过程中一种十分有效的方法。

在实际光谱采集过程中，常存在多种因素的影响和干扰，如非单色光、杂散光、测试温度等，使样品的近红外光谱信息与化学值信息之间呈现较复杂的非线性关系。为在学习能力和模型复杂性之间寻求最佳，提高模型的可靠性和共享能力，可尝试采用PLS和SVM相结合的方法建模，将可能实现构建模型的优化，提高所建模型的鲁棒性和稳定性。

通过相关实验表明，在进行小麦条锈病的监测过程中，主要的实验材料是在人工气候室中获得的。因此不会受到外界环境因素的干扰，有效地建立起了一个模型，可以实现更加准确地识别效果。因为田间的小麦具有比较复杂的环境，受到干扰的情况也比较多，所以如果将这一技术应用在田间小麦条锈病的监测中，能够产生更加重要的现实意义。当前，相关单位已经陆续研制出了具有便携特点的红外光谱仪器，但是这些仪器能否进一步应用在田间小麦的监测中还需要更多的研究结果。

参考文献：

[1]小麦条锈病单片病叶特征光谱的初步研究[J].安虎，王海光，刘荣英，蔡成静，马占鸿.中国植保导刊.2005（11）

[2]小麦条锈病的危害与防治[J].赵煜明，何翠萍.农业技术与装备.2013（20）

[3]近红外光谱技术在小麦条锈病菌和叶锈病菌定性识别和定量测定中的应用[J].李小龙，马占鸿，赵龙莲，李军会，王海光.光谱学与光谱分析.2014（03）