近紅外光譜技術的小麥條銹病嚴重度分級識別

王茜+余海靜

摘 要：小麥是我國主要的糧食產物之一。小麥的安全生產需要對一些重要病害進行有效地預防。在常見的病害中，小麥條銹病是小麥最常出現的一種疾病。這種病害對小麥的生產會造成十分嚴重的影響。在相關研究中，為了能夠更加準確高效地對小麥條銹病進行檢測以及預防，可以采用近紅外光譜技術對其嚴重程度進行分級與識別處理，這種技術是相關研究人員最新研究出來的，所以本文將對這一問題展開進一步的研究，希望可以對今后的工作帶來一定的幫助。

關鍵詞：近紅外光譜；小麥條銹?。徊『乐囟?；分級識別

小麥條銹病是小麥生產過程中常見的一種疾病。這種疾病具有較廣的流行性，并且嚴重危害到小麥的生產。在亞洲以及歐洲的小麥種植區域都有所出現。我國小麥生產過程中這一病害也是影響小麥穩產的“元兇”，嚴重的情況下還會造成小麥絕產的現象。如果可以事先對小麥條銹病進行有效的預防與檢測，那么就能夠將這一病害對小麥生產造成的損失降到最低，對于我國農業生產具有十分重要的意義。我國農業生產在近幾年中十分重視對這一疾病的監測工作，并且投入了大量的資源，研制出了近紅外光譜技術。希望通過本文的論述可以對今后的農業建設帶來有效的建議。

1、實驗部分

為了探究近紅外光譜技術對小麥條銹病的監測效果，某實驗室專門選取了具有高感染度的小麥品種，在人工實驗室中進行栽種，并且使用孢子懸浮液向這些小麥進行噴灑，這樣做主要是對小麥的發病程度進行有效的控制。在經過15天的接種以后，分別對小麥的發病程度按照不同的等級標準進行區分，并且和健康的小麥葉片進行對比，在所有的小麥葉片中，一共選擇出嚴重程度不同的小麥葉片以及健康的葉片，通過近紅外光譜技術繪制出光譜曲線，以便觀察。

通過觀察可以看出小麥的光譜曲線存在一定的差異，并且這之前具有一定的關聯性，在此基礎上建立起來的模型可以更加準確的對小麥葉片的受損程度進行定性，這樣就能夠得到小麥條銹病的嚴重度級別。為了能夠更加準確的提高監測效果，又專門對測試集與訓練集的小麥進行了對比，盡可能的將噪聲因素對該模型產生的不良效果降到最低。實現近紅外光譜技術水平的進一步提高。

2、結果與討論

光譜數據預處理方法對所建模型識別效果的影響可知原始光譜數據經不同方法處理后，訓練集和測試集的平均總體識別準確率分別為91.34%和90.83%，除矢量校正和一階導數預處理方法外，原始光譜數據經其他方法預處理后，訓練集和測試集的總體識別準確率均高于90.00%。其中，經中心化預處理后模型識別效果較好，訓練集和測試集的總體識別準確率分別為94.58%和95.52%。原始光譜數據經中心化處理后建模，訓練集和測試集的不同比例對所建模型識別效果的影響可知，不同建模比對所建模型識別效果影響較小，按照五種不同建模比建模后，所建模型對訓練集和測試集的總體識別準確率均高于90.00%，平均總體識別準確率分別為93.20%和95.32%，所建模型穩定性較好。其中，建模比為3：1時，訓練集和測試集的總體識別準確率分別為94.58%和95.52%，識別效果較好。因此，優先選擇中心化和3：1分別作為原始光譜數據預處理方法和建模比。

3、結論

在進行傳統小麥條銹病監測的過程中，不但會消耗大量的時間，還會浪費很多的精力，并且具有較強的主觀性，這樣就需要一種更加高效快捷的檢測技術來幫助農業生產，對小麥條銹病進行監測，而近紅外光譜技術的出現可以更加準確的對葉片的光譜信息進行收集，并且在其他方法的基礎上建立起一個葉片定性識別模型，這種模型可以將數據進行預處理，有效地提高準確程度，對準確率具有十分理想的效果。所以是當前小麥條銹病監測預防過程中一種十分有效的方法。

在實際光譜采集過程中，常存在多種因素的影響和干擾，如非單色光、雜散光、測試溫度等，使樣品的近紅外光譜信息與化學值信息之間呈現較復雜的非線性關系。為在學習能力和模型復雜性之間尋求最佳，提高模型的可靠性和共享能力，可嘗試采用PLS和SVM相結合的方法建模，將可能實現構建模型的優化，提高所建模型的魯棒性和穩定性。

通過相關實驗表明，在進行小麥條銹病的監測過程中，主要的實驗材料是在人工氣候室中獲得的。因此不會受到外界環境因素的干擾，有效地建立起了一個模型，可以實現更加準確地識別效果。因為田間的小麥具有比較復雜的環境，受到干擾的情況也比較多，所以如果將這一技術應用在田間小麥條銹病的監測中，能夠產生更加重要的現實意義。當前，相關單位已經陸續研制出了具有便攜特點的紅外光譜儀器，但是這些儀器能否進一步應用在田間小麥的監測中還需要更多的研究結果。

參考文獻：

[1]小麥條銹病單片病葉特征光譜的初步研究[J].安虎，王海光，劉榮英，蔡成靜，馬占鴻.中國植保導刊.2005（11）

[2]小麥條銹病的危害與防治[J].趙煜明，何翠萍.農業技術與裝備.2013（20）

[3]近紅外光譜技術在小麥條銹病菌和葉銹病菌定性識別和定量測定中的應用[J].李小龍，馬占鴻，趙龍蓮，李軍會，王海光.光譜學與光譜分析.2014（03）