基于高光谱成像与双分支ResNet12-SE空谱融合网络的马铃薯采后块茎干腐病早期检测

《Journal of Fungi》:Early Detection of Postharvest Potato Tuber Dry Rot Based on Hyperspectral Imaging and a Dual-Branch ResNet12-SE Spatial–Spectral Fusion Network

【字体: 大 中 小 】 时间:2026年09月21日 来源:Journal of Fungi 4.3

编辑推荐:

  马铃薯块茎干腐病是一种主要由镰刀菌属(Fusarium spp.)引起的重大采后腐烂病害。在感染早期,即使内部已出现轻微褐变、局部脱水和组织结构改变,外部症状仍可能不明显。因此,人工检查、破坏性切割以及基于培养或分子检测的方法难以满足快速、无损、高通量筛查的需

  
马铃薯块茎干腐病是一种主要由镰刀菌属(Fusarium spp.)引起的重大采后腐烂病害。在感染早期,即使内部已出现轻微褐变、局部脱水和组织结构改变,外部症状仍可能不明显。因此,人工检查、破坏性切割以及基于培养或分子检测的方法难以满足快速、无损、高通量筛查的需求。研究人员开发了一种近红外高光谱成像方法,在双分支ResNet12-SE网络中融合空间与光谱表征。工作数据集包含1725条标注记录(862条健康记录和863条早期感染记录);记录按块茎标识符分配至各子集,并以感染体积比低于5%作为操作性早期感染阈值。校准后的模型输入为224波段、224 × 224的高光谱数据立方体。空间分支采用带有空间挤压激励(SE)模块的ResNet-12骨干网络,光谱分支则采用光谱SE后接双向长短期记忆网络(BiLSTM)。两个特征向量经拼接后用于二分类。在单次划分测试中,所提模型达到98.22%的准确率,而ResNet-12基线为90.67%,视觉Transformer(Vision Transformer)为97.43%。预处理、主成分图像、局部二值模式(LBP)和灰度共生矩阵(GLCM)分析为光谱与空间响应提供了互补性解释。研究结果支持在受控实验室方案下进行高光谱筛查的可行性,并明确了更广泛部署前所需的验证工作。
马铃薯作为重要主食与工业作物,其采后品质直接影响粮食安全、加工价值与农户收益。干腐病由硫色镰刀菌(Fusarium sulphureum)引起,是中国内蒙古地区贮藏块茎中最主要的采后病害之一。感染通常经由伤口或自然孔口侵入,在褐变、脱水、皱缩、空腔形成及腐烂等外部症状显现之前,病变可能长期保持表皮下或内部状态。现有检测手段依赖目视分级、破坏性切割、培养鉴定或分子检测,存在主观性强、耗时、需专业操作且具破坏性等局限。高光谱成像(Hyperspectral Imaging, HSI)可同时获取连续反射光谱与空间信息,能够反映伴随病害发生的含水量、色素、细胞结构及化学成分变化,为采后块茎内部品质评估提供了可行途径。然而,早期马铃薯块茎干腐病病变区域小、外部对比度弱,单一可见光图像或手工纹理描述符难以完整捕捉病害信号,而全谱段高光谱数据中相邻波段高度相关且空间结构复杂,简单特征拼接无法显式建模光谱轴上的依赖关系。因此,研究人员构建了双分支ResNet12-SE空谱融合网络,旨在实现早期干腐病的快速无损检测。
研究人员以内蒙古呼和浩特当地市场购买的马铃薯品种“Favorite”为材料,经表面消毒后,在每块块茎两个对称赤道位点进行穿刺接种硫色镰刀菌孢子悬浮液,并在25 ± 2 °C、90%相对湿度条件下培养,每48小时采集高光谱图像。使用Specim FX17近红外高光谱成像系统在900–1700 nm名义波段范围内采集图像,经黑白参考校正后得到224波段、224 × 224像素的校准数据立方体。采集后对块茎进行切割,测量病变最大横向半径与有效纵向深度,以等效圆锥近似病变体积,以等效椭球近似整薯体积,计算感染体积比,并以5%作为早期感染操作性阈值。数据集共1725条标注记录,其中健康862条、早期感染863条,按块茎标识符以7:1:2比例划分训练、验证与测试子集,确保同一块茎的记录不跨子集。
研究采用的主要技术方法包括:光谱预处理方面,比较了Savitzky–Golay平滑(SG)、多元散射校正(MSC)、标准正态变量变换(SNV)及一阶、二阶导数等组合,最终选用SG-MSC作为统一预处理方案;特征分析方面,对SG-MSC校正后的数据立方体进行主成分分析(PCA),提取前三个主成分图像用于局部二值模式(LBP)与灰度共生矩阵(GLCM)纹理描述符计算;模型构建方面,提出双分支ResNet12-SE网络,空间分支以ResNet-12为骨干并引入空间挤压激励(SE)模块,光谱分支采用光谱SE后接双向长短期记忆网络(BiLSTM),两分支特征拼接后输入全连接层进行二分类。对照模型包括ResNet-12/18/34/50、EfficientNetV2-S与视觉Transformer(ViT),所有模型使用相同校准输入与训练配置。
研究结果部分如下:
光谱预处理方法比较:健康与早期感染记录的平均反射光谱在935–1700 nm可用区间内存在差异,包括1450 nm水分吸收特征附近区域。早期感染记录反射率较高,可能与局部脱水、组织破坏、褐变及内部散射改变有关。全谱段支持向量机(SVM)基准测试中,SG单独处理达到93%准确率,MSC为91%,SNV仅为58%,而SG-MSC组合达到最高的97%,故被选为后续统一预处理方案。
探索性主成分图像与纹理分析:对SG-MSC校正数据立方体进行PCA,前三个主成分分别解释61.7%、27.1%和1.9%方差。PC1主要反映整体反射率与组织结构变化,PC2与PC3补充局部边缘与灰度信息。LBP与GLCM分析显示,早期感染样本的局部灰度模式与边缘聚集发生改变,GLCM描述符中早期感染示例呈现较高相关性、能量、同质性与角二阶矩,以及较低对比度与相异性,表明空间纹理可补充光谱反射信息。
单特征基准与空谱融合:常规光谱基准中,使用竞争性自适应重加权采样(CARS)与连续投影算法(SPA)选择波段,结合SVM、K近邻(KNN)、随机森林(RF)与反向传播神经网络(BP)分类器,其中SPA-KNN达到95.68%准确率。纹理基准中,融合LBP–GLCM特征的SVM达到91.13%准确率。双分支ResNet12-SE模型从校准全波段立方体提取256维空间特征与8维光谱序列特征,实现空谱融合分类。
ResNet12-SE模型训练过程分析:训练与验证曲线显示,准确率在初期快速上升,损失下降,约50个epoch后趋于平稳。模型训练150个epoch,在最后30个epoch中依据验证准确率保存最优检查点,未使用基于耐心的早停规则。
消融实验与模块贡献分析:以ResNet-12骨干为基线(90.67%准确率),单独添加空间SE使准确率提升至92.24%,单独添加BiLSTM提升至93.79%,在ResNet-12 + BiLSTM基础上添加光谱SE达到95.34%,三者联合达到最高的98.22%,较基线提升7.55个百分点,表明空间注意力、光谱重加权与序列建模具有互补贡献。
与其他深度学习模型比较:在相同输入与训练配置下,ResNet12-SE取得最高测试准确率98.22%,其次为ViT(97.43%),其余模型介于92.72%至94.89%之间。ResNet-34表现优于ResNet-18与ResNet-50,表明更深网络未带来单调增益。ResNet12-SE与ViT之间0.79个百分点的差距在单次划分下属于描述性结果,需重复分组验证确认其可重复性。
讨论部分指出,干腐病可在表面症状出现前始于表皮下或内部组织,5%感染体积比仅为该概念验证任务的操作性阈值,不应视为通用病理边界。SG-MSC预处理提高了病害相关反射差异的稳定性,PC图像、LBP与GLCM分析显示早期感染同时影响生化或水分相关反射与空间组织。ResNet12-SE的设计结合256维空间向量与8维光谱序列向量,消融模式与各模块贡献一致。当前分析未按连续病变体积比分层评估预测误差,无法确定误分类是否集中在5%阈值附近。健康对照仅依据切割后无病变定义,未单独设置无菌模拟接种机械伤口对照组。验证仅涉及单一品种、单一采购批次、单一地理来源、单一接种设置、单一实验室成像系统与受控培养条件,跨品种、自然感染块茎、不同分离株、贮藏条件、地理来源、校准状态与采集设备的稳健性仍需独立外部数据与重复分组评估验证。
结论部分总结如下:本研究实现了四项目标。(1)光谱预处理与主成分图像分析识别了与早期干腐病相关的独特反射光谱与空间纹理响应,SG-MSC为单次基准中最优预处理方案,LBP/GLCM提供了可解释的空间描述符。(2)构建了基于校准224波段、224 × 224数据立方体的双分支ResNet12-SE模型,在264维特征融合前分别进行空间与光谱编码。(3)消融结果显示空间SE、光谱SE与BiLSTM联合使用时取得可观测增益,在固定划分下准确率达98.22%。(4)在与ResNet变体、EfficientNetV2-S及ViT的比较中,所提模型取得最高观测准确率,但较ViT高出的0.79个百分点为描述性结果,需重复验证确认。研究支持在受控实验室条件下进行高光谱筛查的可行性,并为后续模拟伤口对照、连续病变体积分布、替代阈值敏感性分析、重复分组检验、多品种、自然感染块茎、多样化贮藏条件及独立采集系统的研究提供了方向。
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