编辑推荐：
针对柑橘黄龙病（HLB）人工观测易误诊、PCR 检测耗时 costly 等问题，研究人员开发多激发荧光成像系统，基于黄酮类荧光特性对健康、黄斑（非 HLB 缺素）和 HLB 感染果实分类，RF 模型准确率达 87.5%，为果园防控提供技术支撑。
柑橘黄龙病（Huanglongbing, HLB）如同潜伏在果园中的 “隐形杀手”，凭借强爆发性、快速传播性和巨大破坏性，严重威胁着全球柑橘产业。在中国各大柑橘主产区，它不仅让果实产量锐减、品质下降，还大幅缩短果树的经济寿命。目前，果园中检测 HLB 主要依赖人工肉眼观察或专业机构的聚合酶链式反应（PCR）检测。但人工观察极易因黄斑（缺素黄化，与 HLB 无关）与 HLB 症状相似而误诊；PCR 虽准确，却需破坏样本，且存在耗时长、成本高、操作复杂等弊端。如何快速、无损且精准地识别 HLB 感染植株，成为摆在果农和科研人员面前的紧迫难题。
为突破这一困境，来自中国广东四会市黄田镇砂糖橘农业产业园相关研究机构的研究人员，以‘十月橘’（Citrus reticulata ‘Shiyue Ju’）为研究对象，开展了一项基于荧光特性的柑橘黄龙病检测技术研究。他们的研究成果发表在《Computers and Electronics in Agriculture》，为柑橘黄龙病的检测开辟了新路径。
研究人员主要采用了以下关键技术方法：首先通过三维荧光光谱扫描成熟柑橘果皮，获取激发发射矩阵（EEMs），分析筛选出对 HLB 感染敏感的四个荧光特征区域（FCR1-FCR4）；然后基于特征荧光波段设计了 G1（EX = 365 ± 20 nm，EM = 525 ± 20 nm）、G2（EX = 415 ± 20 nm，EM = 525 ± 20 nm）、B1（EX = 308 ± 20 nm，EM = 450 ± 20 nm）、B2（EX = 365 ± 20 nm，EM = 450 ± 20 nm）四种荧光成像条件；利用标准 CMOS 相机和滤光片构建多激发荧光成像系统采集图像；最后运用随机森林（RF）算法，基于荧光图像的颜色特征参数构建 HLB 分类模型。样本来自广东四会市黄田镇砂糖橘农业产业园，选取移栽四年已结果的‘十月橘’树，且 HLB 感染树均有可见斑驳症状。
样本制备与 qPCR 检测
研究样本取自中国广东省四会市黄田镇砂糖橘农业产业园（112.52°E，23.43°N），实验用柑橘叶和果实来自移栽四年、已结果的‘十月橘’树，所有标记的 HLB 感染树均有可见斑驳症状。采用 qPCR 检测果皮中 HLB 细菌，以循环阈值（Ct）为指标，Ct > 35 为未检出（阴性），Ct ≤ 35 为检出（阳性），对 64 个柑橘果实进行检测。
荧光特征区域筛选与成像条件设计
通过扫描成熟柑橘果皮的三维荧光光谱，分析 EEMs，筛选出 FCR1-FCR4 四个对 HLB 感染敏感的荧光特征区域。基于这些区域的特征荧光波段，设计了上述四种荧光成像条件，为后续成像检测奠定基础。
分类模型构建与准确率
利用 RF 算法，基于荧光图像的颜色特征参数构建 HLB 分类模型，分类准确率高达 87.5%。在考虑设备成本的情况下，选取贡献率最高的前 10 个图像特征参数构建分类模型，准确率为 83.33%。
结论
本研究表明，利用黄酮类化合物的荧光特性进行荧光成像，可实现柑橘 HLB 的无损、快速检测。通过分析不同健康状态柑橘果皮的 EEMs，筛选出敏感荧光特征区域，设计多激发荧光成像条件并构建分类模型，为柑橘 HLB 的检测提供了新方法。该研究为春季果园清理和 HLB 防控决策提供了有价值的数据和技术支持，有助于及时发现感染植株，指导果园科学管理，对保障柑橘产量和品质、延长果树经济寿命具有重要意义。
研究通过多激发荧光成像系统与机器学习算法的结合，成功突破了传统检测方法的局限，为柑橘黄龙病的早期精准检测提供了高效、无损的新方案。其基于黄酮类化合物荧光特性的检测思路，不仅为柑橘病害检测开辟了新领域，也为其他作物类似病害的检测提供了借鉴，有望在农业病虫害防控中发挥重要作用，推动智慧农业的发展。
