基于RGB光谱指数对玉米秋粘虫(Spodoptera frugiperda)叶片受害的探索性评估:墨西哥萨卡特卡斯州赫雷斯案例研究

《AgriEngineering》:RGB-Based Spectral Indices for Exploratory Assessment of Fall Armyworm (Spodoptera frugiperda) Leaf Damage in Maize: A Case Study in Jerez, Zacatecas, Mexico

【字体: 大 中 小 】 时间:2026年08月29日 来源:AgriEngineering 3.1

编辑推荐:

  摘要:玉米可见叶片受害常通过人工田间巡查进行评估,该过程劳动密集且难以在大型种植区域推广。多光谱和高光谱传感可支持更客观的评估,但成本高昂且不适用于常规田间作业。本探索性案例研究评估了低成本红绿蓝(RGB)图像能否为自然秋粘虫(Spodoptera fr

  
摘要:玉米可见叶片受害常通过人工田间巡查进行评估,该过程劳动密集且难以在大型种植区域推广。多光谱和高光谱传感可支持更客观的评估,但成本高昂且不适用于常规田间作业。本探索性案例研究评估了低成本红绿蓝(RGB)图像能否为自然秋粘虫(Spodoptera frugiperda)侵染相关的可见叶片受害提供初步指标。研究在墨西哥萨卡特卡斯州赫雷斯的玉米田记录了RGB视频,获得7个田间采集序列和302帧提取图像。处理流程结合了基于色调-饱和度-明度(HSV)的叶片分割、四种可见光谱指数——过量绿(ExG)、过量红(ExR)、可见光大气阻抗指数(VARI)和绿叶指数(GLI)——以及ExG比值受害阈值和每帧17维特征描述符,用于训练随机森林(RF)严重度分类器。本研究通过强调可追溯性、低采集成本和序列感知验证,定位了其与RGB、无人机(UAV)、深度学习和多模态方法的相对关系。使用恢复的规范HSV/ExG-比值流程,序列级平均受害范围为0.1086%至0.4511%,最大帧级受害达7.7401%。严重度标签由规范受害指数的百分位数得出,产生100个低、99个中和103个高样本。在分层帧级划分下,RF基线达到76.9%的准确率和0.759的宏F1分数。在留一序列交叉验证下,性能降至57.3%的总体准确率和0.577的宏F1分数,表明序列级依赖性,并支持对分类器泛化能力的保守解释。使用Segment Anything Model(SAM)在每序列10帧的精选子集上进行的零样本比较产生了更高的受害估计(SAM为1.30–11.67%,而HSV在同一帧上为0.82–2.61%),表明HSV分割可能低估苍白或漂白组织。这些结果提供了初步的探索性证据,表明低成本RGB指数可以捕获与所研究记录中可见叶片受害相关的信息,但尚未建立农艺验证、超越该数据集的泛化能力或田间部署准备。
论文解读

一、研究背景与问题
玉米(Zea mays L.)是墨西哥和拉丁美洲最重要的主粮作物之一,支撑着粮食安全和农村生计。秋粘虫(Spodoptera frugiperda)是影响玉米生产最具经济破坏性的害虫之一,其幼虫取食叶片和心叶组织,若未及时检测和管理,可降低植株活力。该害虫寄主范围广、扩散能力强,已成为玉米种植区持续关注的焦点。及时检测叶片受害是害虫综合管理(IPM)的核心,受害严重度信息决定是否干预及何时干预。现有受害评级框架通常依赖训练有素观察者在田间应用顺序视觉量表,虽能结构化记录受害严重度,但其可靠性依赖不同观察者、田间和生育期的一致性应用。人工巡查劳动密集、难以在大面积或重复监测中规模化,且存在主观性,监测频率受劳动力限制。多光谱或高光谱成像以及基于大像素级标注数据集的机器学习模型虽可实现更客观评估,但专用传感器成本高、标注密集型方法需大量专家标注,均限制了在资源受限农业环境中的实际应用。相比之下,标准RGB相机价格低廉、广泛可用,且兼容手持、车载或机器人平台。从RGB通道衍生的植被指数可提供低成本且可解释的变换,用于增强植物-背景对比并突出与叶绿素含量、组织衰老或暴露叶片疤痕相关的颜色变化。然而,现有研究缺乏将简单RGB植被指数、可记录的受害估计准则、轻量级监督分类器和独立非参数分割方法相结合的完全可追溯流程的报道;且不同研究在传感器、尺度、任务、标签来源和验证协议上差异显著,难以直接数值比较。本研究旨在通过一个探索性田间案例研究填补这一空白。

二、研究内容与技术方法
研究人员在墨西哥萨卡特卡斯州赫雷斯的一块受自然秋粘虫侵染的玉米田中,于2025年5月24日使用Intel RealSense D435i相机录制RGB视频,并以机器人操作系统(ROS)包文件存储,离线处理为302帧图像(分辨率640×480像素),共7个视频序列。研究建立了两个主要流程:Pipeline A对全部302帧执行全帧HSV受害估计,采用HSV颜色空间中的固定绿色植被阈值生成叶片掩膜,基于ExG比值(归一化过量绿与植被指数之和的比值)和固定阈值计算帧级受害百分比,并提取17维特征(四个可见光谱指数ExG、ExR、VARI、GLI在叶片掩膜内的均值、标准差、最小值和最大值,以及植物面积)。使用随机森林(RF)分类器进行严重度分类,标签由帧级受害百分比的百分位数生成(<33%为低,33–66%为中,>66%为高),采用分层70/30划分训练评估,并报告5折分层交叉验证和留一序列交叉验证结果。Pipeline B在每序列10帧(共70帧)的精选子集上,额外加入低饱和高明度的苍白/漂白疤痕判据,并进行形态学开闭操作,与零样本Segment Anything Model(SAM,ViT-H骨干)分割结果进行描述性比较。主要技术方法包括:HSV颜色空间分割、四种可见光谱指数计算、ExG比值受害阈值、RF分类器、零样本SAM对比。

三、研究结果
5.1 全帧HSV受害估计:Pipeline A对全部302帧的序列级平均受害范围为0.1086%至0.4511%,最大帧级受害达7.7401%。最低平均受害序列为20250524_113655(0.1086%),最高平均受害和最大单帧值序列为20250524_114223(平均0.4511%,最大7.7401%)。该结果基于绿色植被掩膜的HSV/ExG比值估计,符合早期局部取食损伤而非均匀冠层受害的模式。
5.2 精选HSV/SAM比较:在每序列10帧的精选子集上,HSV受害估计范围为0.82%–2.61%,而SAM为1.30%–11.67%,所有序列中SAM估计均高于HSV。SAM/HSV植物面积比在7个序列中的3个超过100%。该模式与SAM捕获HSV绿色植被掩膜可能排除的苍白或漂白叶组织一致。SAM仅作为描述性比较基线,不视为地面真值。
5.3 随机森林严重度分类:百分位数标签产生100个低、99个中和103个高样本。在分层帧级划分下,RF基线在保留评估集上达到76.9%准确率和0.759宏F1分数;分层5折交叉验证平均准确率74.8%(标准差4.0%)。留一序列验证下性能降至57.3%总体准确率和0.577宏F1分数,平均每序列准确率62.4%,跨序列标准差15.3%,表明序列级依赖性。帧级划分下,Low和High类的单类AUC(0.936和0.967)高于Medium类(0.814),与连续受害指数中间类别更易混淆一致。
5.4 时间和光谱趋势:帧级受害估计在序列间和帧间变化明显,最大单帧值出现在序列20250524_114223,其他序列尽管均值相似或更低但最大值较低。由于序列内帧为时间相关视频样本,这些时间模式仅作描述性报告。

四、讨论与结论
讨论要点包括:规范HSV/ExG比值流程产生生物学合理、低幅度的受害估计,但该指标反映可见绿色组织破坏指数,而非昆虫丰度或潜在侵染压力;RF分类器在帧级划分下显示17个RGB指数特征携带判别信息,但留一序列验证的性能下降表明随机帧级划分可能高估跨序列行为,应视为保守的探索性基线;SAM与HSV的差异提示纯绿色判据可能漏检苍白或漂白损伤,但此比较仅为描述性;工程上该流程具有低成本、可解释、可复现的特点,适合离线筛选记录序列;在IPM背景下可作为文档和探索性监测的辅助工具,但不估计害虫密度、经济损失或处理阈值。结论部分翻译如下:本研究提出了一种低成本、可解释且可复现的基于RGB的工程流程,用于探索性评估玉米秋粘虫(Spodoptera frugiperda)可见叶片受害,并以墨西哥赫雷斯7个田间序列和302帧RGB图像作为案例研究。主要贡献是流程本身:包含规范的HSV叶片分割和ExG比值受害判据、17维RGB指数描述符和随机森林基线,以及完整可追溯的评估。使用完整302帧数据集(Pipeline A),规范流程产生的序列级平均受害估计为0.1086%至0.4511%,个别帧达7.7401%。在分层帧级划分下,随机森林基线达到76.9%准确率和0.759宏F1分数,表明RGB指数特征在采样帧内携带判别信息。留一序列验证下性能降至57.3%准确率和0.577宏F1分数,揭示序列级依赖性并支持保守解释。精选子集上的零样本HSV/SAM比较中,SAM产生比HSV更宽的受害估计,表明纯绿色HSV判据可能低估苍白或漂白损伤组织;该比较是描述性的,SAM不视为地面真值。总体而言,这些结果提供了初步探索性证据,表明低成本RGB指数可捕获所研究记录中与可见叶片受害相关的信息。该流程应理解为可复现的探索性基线,而非经过验证的农艺诊断系统:它尚未达到田间就绪状态,不能替代专家巡查,不提供IPM处理阈值或管理建议,也不等同于多光谱或高光谱传感。未来工作应扩展至更多地点、日期、生育期和采集条件,纳入专家标注参考,并在任何操作使用前评估跨条件泛化能力。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号