一种基于光谱生理特征的融合模型，用于早期检测柑橘叶片上的炭疽病

《Computers and Electronics in Agriculture》：A spectral-physiological feature fusion model for the early detection of anthracnose in citrus leaves

柑橘叶黑斑病早期检测方法整合可见-近红外光谱（VNIR/FTNIR）与光合参数及植被指数，通过PSO、BOSS、LASSO算法提取关键波长，结合ANN、KNN、CatBoost模型进行多源数据融合，实现98.9%的准确率，为精准防控提供技术支撑。

　　

肖正伟|杨传科|魏珍|傅星兰|赵春江|李光林

中国重庆市西南大学工程技术学院，邮编400715

摘要

柑橘炭疽病是一种由Colletotrichum gloeosporioides引起的破坏性真菌病害，会导致叶片损伤、果实腐烂和产量损失。本研究提出了一种结合光谱和生理数据的柑橘叶炭疽病早期检测方法。人工接种实验表明，受感染的叶片会出现黄褐色病斑，可见近红外（VNIR）光谱和傅里叶变换近红外（FTNIR）光谱得到的反射率显著下降。接种后4天，气孔导度和光合速率也有所下降。真菌感染对叶片造成的生理损伤比机械损伤更为严重。本研究结合了三种波长提取算法[粒子群优化（PSO）、自助软收缩（BOSS）和最小绝对收缩与选择算子（LASSO）以及三种机器学习模型[人工神经网络（ANN）、k最近邻（KNN）和分类提升（CatBoost）]，对光谱数据、光合参数和植被指数进行特征级融合，以提高分类准确性。融合模型的分类准确率（0.958–0.989）和Matthews相关系数（MCC）（0.917–0.978）均较高。该模型在区分早期症状叶片和健康叶片方面表现最佳，准确率为0.989，F1值为0.989，MCC为0.978。这项研究为柑橘炭疽病的精准识别及早期防控提供了可靠的理论基础和技术支持。

引言

柑橘是全球最受欢迎的水果之一，年产量达1.59亿吨（FAOSTAT，2023年）。由于其风味、营养价值和商业价值，受到全球消费者和种植者的青睐。然而，柑橘作物容易受到病害的影响。Colletotrichum gloeosporioides引起的柑橘炭疽病是一种影响柑橘叶片、枝条、花朵、果实、叶柄和幼苗的真菌病害，会导致叶片枯萎、枝条死亡、果实脱落和果实腐烂，在严重情况下甚至会导致植株死亡。在高温高湿条件下（温度25–30°C，湿度90–95%），病原体会迅速传播，导致柑橘产量大幅下降和经济损失。因此，在新梢期和无症状阶段准确检测叶片上的柑橘炭疽病对于精准喷药、减少环境污染和降低抗性风险至关重要。

传统的柑橘炭疽病检测方法主要依赖于主观和专家的目视检查。这些方法效率低下且准确性低，因为可见病斑和表型变化通常只在局部或广泛感染发生后才会出现，使得及时干预和有效管理疾病变得困难。血清学和基于核酸的分子检测常用于在早期无症状阶段检测植物病原体和诊断病害状况（Tian等人，2020年；Tang等人，2023年）。尽管酶联免疫吸附测定（ELISA）和聚合酶链反应（PCR）具有高准确性，但其时效性低且专业性强，限制了它们在大规模非破坏性筛查中的应用。因此，迫切需要开发快速、非破坏性的诊断工具来早期检测无症状感染。

近红外（NIR）光谱是一种能够快速定量测定单个样本中多种成分或对样本进行定性分类的技术（Alander等人，2013年；Xiao等人，2023年）。该技术通过检测来自泛音和组合带的吸收峰来揭示样本的分子特性（Be?等人，2020年；Xiao等人，2024年）。由于其快速、准确且非破坏性的特点，NIR光谱在检测植物病害方面显示出优势（Zhang等人，2023年；Zhang等人，2024年），例如小麦早枯病（Ba等人，2023年）、马铃薯维管束萎蔫病（Shin等人，2023年）、柑橘黄龙病（Xiao等人，2023年）和水稻稻瘟病（Zhang等人，2022年）。尽管许多研究关注基于病害严重程度的检测和分类，但很少有研究关注感染胁迫下植物叶片的生理状态。敏感的生理指标可能对早期病害识别至关重要。

当植物受到病原体感染时，其生理状态（如水分含量、叶绿素水平和组织结构）会发生变化，这些变化通常会反映在光谱特征和植被指数（VIs）中。VIs是从光谱数据中提取的遥感指标，用于量化植物健康状况和胁迫程度。Wu等人（2023年）评估了结合高光谱成像（HSI）、光谱特征和纹理特征（TFs）检测草莓叶片灰霉病的潜力。结果表明，基于最佳波长和显著VIs的模型表现良好，最大分类准确率为93.33%。结合多种特征的模型始终优于仅依赖单一特征的模型，精度范围为93.33%至96.67%。类似地，Rivera-Romero等人（2025年）利用光谱反射率分析和支持向量机（SVM）算法开发了一种南瓜植株白粉病的早期检测方法，成功识别出七个关键特征，实现了98%的准确率和0.96的Cohen’s κ系数。这些研究表明，VIs有助于早期检测植物病害。

病原体入侵植物是一个复杂的生物学过程，单一的光谱响应不足以提供全面的信息（Shen等人，2023年；Yu等人，2025年）。光合作用是植物的一项关键生理活动，反映了植物的生长状态，提供了有关感染的生理参数，可作为通过光谱技术检测病害胁迫的辅助指标（Mumtaz等人，2020年）。先前的研究表明，将生理参数与光谱技术结合用于病害检测可以显著提高模型的稳健性（Chen等人，2020年；Zhang等人，2024年）。多模态信息融合部分弥补了单一传感器数据的局限性，具有互补优势，可能推动早期病害检测的应用发展。关于整合光谱信息、纹理特征（TFs）和生理化学指标（如叶绿素和花青素）进行早期植物病害检测的研究很多，尤其是在400–1000纳米光谱范围内（Wu等人，2023年；Zhang等人，2024年；Liu等人，2025年；Su等人，2025年）。然而，将全波长可见近红外（VNIR）光谱数据与植物光合参数（PP）结合的策略仍然较少，尤其是在检测柑橘园中常见的真菌病害方面。全波长VNIR光谱能够捕捉色素、结构和水分的变化（Baslam等人，2020年；Stejskal等人，2023年）。PP反映了光合作用功能的变化，而VIs放大了生理信号的差异（Riefolo等人，2021年；Raihan等人，2025年）。因此，结合全波长VNIR光谱、PP和VIs的多传感器融合策略具有早期检测柑橘叶炭疽病的潜力。

本研究使用VNIR光谱（400–1000纳米）和傅里叶变换近红外光谱（FTNIR）（1000–2500纳米）结合PP和VIs对柑橘叶片上的炭疽病进行早期检测。本研究的目标是：（1）研究炭疽病感染阶段（接种后7天内）柑橘叶片的表型结构、光谱特征和PP，阐明炭疽病的机制及其对植物光谱和生理特性的影响；（2）整合VNIR和FTNIR光谱的全波段光谱信息，反映疾病引起的柑橘叶片组织结构和物质含量的微妙变化，通过波长提取算法提高炭疽病检测的分类准确性；（3）提出一种基于光谱数据、PP和VIs的特征级融合策略，为早期检测柑橘叶炭疽病提供高效创新的方法。

实验部分

样品制备

实验在西南大学北碚校区的人工气候室中进行（北纬29°48′，东经106°24′，重庆），柑橘植株于2025年3月从重庆市北碚区的重庆Kezheng开花结果苗圃购买（北纬29°45′，东经106°22′，重庆）。将植株移植到人工气候室后，实施了农药消毒和统一的水肥管理。

接种7天后的柑橘叶片感染情况

图2显示了接种后连续7天内三组样本（IG、SIG和CK）的叶片表型比较。

IG组的所有样本均表现出柑橘炭疽病的症状。Colletotrichum gloeosporioides的感染程度随着接种时间的增加而加重。接种后4天，柑橘叶病的症状变得更加明显。在接种后5天、6天和7天，叶片边缘出现了大的黄褐色云状病斑。

结论

本研究系统分析了Colletotrichum gloeosporioides感染期间柑橘叶片的表型、光谱和生理变化。提出了一种基于多光谱和生理数据融合的早期检测方法。结果表明，光谱和生理指标比表型观察提供了更多有意义的早期病害发生信息。真菌病原体显著抑制了光合作用

CRediT作者贡献声明

肖正伟：撰写 – 审稿与编辑，撰写 – 原稿，软件开发，资金获取。杨传科：验证，方法学设计。魏珍：可视化处理，正式分析。傅星兰：资金获取。赵春江：项目管理，概念构思。李光林：监督，资源调配，资金获取。

利益冲突声明

作者声明他们没有已知的可能会影响本文工作的财务利益或个人关系。

致谢

作者感谢农业科学技术重大项目（NK202302020206）和西南大学研究生研究创新项目（SWUB25058）提供的财政支持。