基于高光谱成像与光谱信息散度方法的蚕豆蚜虫侵染早期检测技术研究

这篇综述创新性地结合高光谱成像（HSI）与光谱信息散度（SID）算法，实现了蚕豆叶片下蚜虫侵染的早期无损检测。研究通过多变量分类模型（SVM、ANN等）和特征波长筛选（RF），在710–825 nm波段内构建了高精度（99.20%准确率）的虫害识别体系，并利用偏最小二乘回归（PLSR）量化虫口密度（R2 =0.81），为隐蔽性害虫的智能监测提供了新范式。

　　

摘要

研究针对蚜虫隐蔽于叶片背面的生物学特性，开发了基于高光谱成像（HSI）和光谱信息散度（SID）的检测体系。通过分析336份样本的平均光谱，发现健康与受侵染叶片在710–825 nm波段存在显著差异。支持向量机（SVM）模型以99.20%的准确率实现分类，随机森林（RF）筛选的22个特征波长进一步优化了性能。

引言

蚕豆作为重要经济作物，其产量常受黑豆蚜（Aphis fabae）威胁。传统检测方法效率低下，而HSI技术通过捕捉叶片反射率变化（如550–650 nm叶绿素吸收区异常），可识别早期生理胁迫。研究特别关注蚜虫在叶片背面的聚集特性，弥补了既往仅针对叶表虫体的技术局限。

材料与方法

样本制备：在控温温室（18.5±1.5°C）培育三周龄蚕豆，接种5头成虫/叶。
数据采集：使用Specim FX10相机（380–1000 nm，224波段）每日扫描14天，经SNV预处理后提取ROI。
算法开发：结合端元提取（N-FINDR算法）和SID映射定位虫害区域，采用SVM、LDA等四类模型分类，并通过PLSR预测虫口数量。

结果

1. 全叶片光谱分类：SVM模型对SNV处理数据的分类最优（AUC=0.94），但LDA表现较差（图3-4）。
2. 虫体聚集区分析：SID在710–825 nm生成的丰度图（图6d）精准定位不可见虫群，RF筛选的705–800 nm波段贡献率达63.6%（图7）。
3. 虫口预测：SNV-PLSR模型对测试集的预测R²
   达0.81，RMSE=10.29（表3），但低虫量样本存在12/30的误判率（图9a）。

讨论

蚜虫体表结构（如角质层）对NIR光的反射特性（图5b）是早期检测的关键。研究首次证实：侵染首日即可通过NIR光与虫体互作（非叶片生理变化）触发信号变化。相比传统方法，该技术将检测窗口提前至经济阈值（50头/叶）之前。

结论

该体系通过HSI-SID耦合机器学习，突破了隐蔽性虫害的监测瓶颈。未来可拓展至其他作物-害虫系统，并集成无人机平台实现田间应用。