面向马铃薯甲虫高光谱检测的高效波段选择：关键红外波段的识别方法

《Potato Research》：Efficient Band Selection for Identifying Key Infrared Bands in Hyperspectral Detection of Colorado Potato Beetles

　　

科罗拉多马铃薯甲虫（Leptinotarsa decemlineata，CPB）是马铃薯生产中的主要害虫，可导致高达20%的产量损失，且因杀虫剂抗性及化学防治带来的环境风险，对可持续农业生产构成严峻挑战。当前主流的RGB成像检测方法受限于可扩展性不足、数据集需求量大以及在伪装害虫检测中精度下降等问题。针对这一现状，研究人员探究了937–1718 nm范围的高光谱成像（HSI）结合机器学习技术，用于在马铃薯叶片上精准检测CPB。研究共采集了327只甲虫的高光谱图像，并开发了一种基于CPB与马铃薯叶片光谱斜率差异的波段选择方法，用于筛选最小集合的有效光谱波段。该方法与支持向量机（SVM）、随机森林（RF）及k近邻（k-NN）分类器相结合，并与前向序列特征选择（FSFS）、重要性-相关性（IC）及递归特征消除（RFE）三种常用特征选择技术进行了比较。结果表明，仅使用四个波段，该方法在像素级F1分数上超过97.3%，且在计算效率上显著优于耗时约3天的RFE方法，仅需0.28秒完成处理，同时在所有分类器中均保持更高精度。所选的四个关键有效波段分别为972 nm、1125 nm、1188 nm和1286 nm。研究指出，基于这些波段设计的窄带多光谱相机可在快照模式下工作，从而实现实时昆虫检测。该研究展示了开发更快、更高效的高光谱系统的可能性，为定向害虫检测提供了技术基础，有望通过实现更精准和环境友好的手段推动害虫管理领域的变革。

马铃薯是全球重要的主粮作物之一，年产量达3.66亿吨，因其高产潜力、短生长周期及对不同环境的适应性，对粮食安全具有重要意义。然而，科罗拉多马铃薯甲虫（CPB）通过取食叶片造成减产，严重时可达20%。传统防控依赖人工捕捉、诱捕作物及轮作等措施，但在大规模生产中效率低、规划难度大；化学杀虫剂的长期广泛使用导致CPB产生抗药性，增加了施用成本与环境风险。现有的自动化检测多采用RGB图像结合深度学习，需要数千至数万张训练图像，且易受到伪装及叶片遮挡的影响，在资源受限地区的实时部署存在瓶颈。高光谱成像（HSI）能够获取可见光至近红外及短波红外的精细光谱信息，通过光谱特征区分植物与昆虫，但高维数据带来“维度灾难”，需进行降维处理。常用方法如主成分分析（PCA）和部分最小二乘（PLS）虽能提取重要信息，但生成的新特征无法直接对应原始波段，限制了实时应用。波段选择则通过挑选最具判别性的原始波段，兼顾信息量与计算效率，是构建轻量型多光谱系统的关键。

本研究在德国卡塞尔大学实验农场的马铃薯田采集327只CPB及新鲜马铃薯叶片，使用Specim Fx17红外高光谱相机（937.33–1718.44 nm，平均光谱宽度7 nm）于实验室条件下采集图像，经白参考与暗参考校正后剔除信噪比低的波段，最终保留103个波段用于分析。像素标注采用手动多边形与随机森林模型结合的方法，并通过隔离森林（Isolation Forest）剔除异常值，平衡叶片与甲虫像素数量。波段选择方法（CPB_bands）基于两类光谱的峰谷位置计算局部斜率差，选取差异最大的波段，强调斜率变化而非绝对值，以增强鲁棒性。对照组包括前向序列特征选择（FSFS）、重要性-相关性（IC）及递归特征消除（RFE）。分类器选用支持向量机（SVM）、随机森林（RF）及k近邻（k-NN），数据集按8:2划分为训练验证集与独立测试集。

波段选择结果

CPB_bands选出972 nm、1125 nm、1188 nm和1286 nm四个波段，这些波段分别对应昆虫表皮脂质吸收区、反射峰区及蛋白质相关吸收区，与叶片光谱形成显著差异。对照组选择的波段亦与昆虫生化成分吸收特征相关，但部分波段在叶片中也有类似吸收，导致区分能力下降。

分类性能

在验证集上各方法均取得99%以上的精度，但在独立测试集上，CPB_bands在SVM、RF和k-NN中均表现最优，RF分类器下昆虫类F1分数达97.3%，且假阳性率最低。RFE精度接近CPB_bands，但计算时间长达3天；FSFS精度最低，且假阳性集中在叶片边缘。RF在所有波段选择方法中均表现最佳，但CPB_bands在不同分类器中稳定性最高。

波段选择鲁棒性评估

移除各方法贡献最大的波段后，FSFS、IC和RFE的精度分别下降超过73%、62%和67%，而CPB_bands仅下降不到21%，表明其波段组合均衡，不依赖单一波段。

讨论部分指出，波段选择不仅影响分类精度，也决定实时部署的可行性。CPB_bands在计算速度与精度之间实现了最佳平衡，为窄带多光谱相机的研发奠定了基础，可在田间实时检测CPB，减少杀虫剂滥用，推动精准农业发展。研究结论确认，基于斜率差异的波段选择方法能在极短时间内筛选出少量高判别性波段，并在多种分类器中保持高性能，为其他害虫的高光谱检测提供了可迁移的技术路径。论文发表于《Potato Research》。