摘要
西瓜（Cucumis melo L.）是一种具有全球重要意义的园艺作物，其营养价值高且商业价值显著。然而，白粉病的频繁爆发严重威胁着其产量和果实品质。目前的早期检测方法主要依赖于对脱离植株的叶片进行检测，但这些方法往往缺乏足够的模型泛化能力。本研究通过将多光谱成像技术与3D重建技术相结合，提出了一种用于西瓜植株的时序3D多光谱点云重建方法。基于半球形白色参考物，构建了一个用于3D空间光场分布的人工神经网络模型，以实现多光谱点云的精确反射率校准。校准后，3D空间中半球形参考物的光谱反射率变异系数（CV）降至2.4%以下。在此基础上，利用偏最小二乘判别分析方法，根据各植株点云的平均反射率谱，构建了西瓜白粉病的早期分类模型。实验结果表明，从接种后4天开始，该模型的平均识别准确率可达85.94%，从而能够提前3天发出疾病预警。这项研究为设施农业中作物的无损早期监测以及精准智能植保提供了重要的理论支持和技术参考。
