高光譜成像結合機器學(xué)習檢測火炬松幼苗梭形銹病發(fā)病率
火炬松是美國南部最重要的森林樹(shù)種，它生長(cháng)迅速、適應性強，可用于建筑木材、膠合板和紙漿等。松梭形銹病是由真菌Cronartium quercuum f.sp. fusiforme（Cqf）引起的一種影響該物種的常見(jiàn)且具有破壞性的病害。這種真菌通常會(huì )感染幼樹(shù)的莖，導致被稱(chēng)為“銹癭”的腫瘤樣生長(cháng)物產(chǎn)生，可能會(huì )造成樹(shù)木死亡或產(chǎn)生“銹叢”，從而妨礙樹(shù)木生長(cháng)，降低木材使用價(jià)值。種植抗病苗是限制該病害的最有效的措施。溫室中抗病性測試在人工接種幼苗后的目視估計病害發(fā)病率和嚴重程度具有高度主觀(guān)性，容易出現人為錯誤，且勞動(dòng)密集。此外，目視評估只有在病害感染一段時(shí)間后，癥狀充分發(fā)展時(shí)才能進(jìn)行。而高光譜成像可同時(shí)獲取空間和光譜信息，提供了在不同空間尺度上分析光譜信息的機會(huì )，已成功應用于多種植物物種的病害和脅迫檢測。
基于此，在本文中，來(lái)自北卡羅來(lái)納州立大學(xué)和密西西比州立大學(xué)的研究團隊提出了一種利用高光譜成像技術(shù)篩選火炬松幼苗梭形銹病發(fā)病率的創(chuàng )新方法，具體目標為（1）開(kāi)發(fā)高光譜圖像處理管道，用于從火炬松幼苗圖像中的特定感興趣區域（ROI）中提取光譜數據；（2）基于來(lái)自(1)的特定ROI的光譜數據，評估用于區分患病和未患病幼苗的SVM分類(lèi)模型。
圖1 火炬松幼苗高光譜圖像采集的成像裝置。
【高光譜圖像獲取】
線(xiàn)性?huà)呙韪吖庾V成像儀（Pika XC2，Resonon Inc.，Bozeman，MT，USA）用于收集400至1000 nm范圍內的高光譜數據，光譜分辨率為1.3 nm。高光譜圖像立方體的尺寸為1600×n×462，其中n為創(chuàng )建一個(gè)數據立方體使用的線(xiàn)掃描數，1600為每條線(xiàn)的像素數。
獲取高光譜圖像后，通過(guò)閾值化歸一化植被指數（NDVI）圖像從背景中分割出幼苗，并通過(guò)使用Faster RCNN模型的目標檢測來(lái)實(shí)現個(gè)體幼苗的描繪。隨后使用DeepLabv3+模型對植物部分進(jìn)行分割。并使用幾何特征分割冠層像素。從植物片段中提取光譜數據后，訓練支持向量機（SVM）分類(lèi)模型用于患病和非患病植物的分類(lèi)。
【結果】
圖2 測試集隨機組圖像的莖像素（紅色）和非莖像素（綠色）。對于每株植物，左圖顯示了地面實(shí)況標簽，右圖顯示了DeepLabv3+模型預測結果。?
表1 利用DeepLabv3+對莖葉像素進(jìn)行分割的像素精度和平均交并比(mIoU)值。
?
表2 不同ROI的分類(lèi)模型結果。
圖3 左：箱線(xiàn)圖顯示了從不同ROI提取的數據中使用SVM判別模型獲得的平衡精度。ST：莖上半部分；S：全莖；SB：莖下半部分；WP：整株植物；C：冠層。右圖：使用莖上半部分光譜數據的SVM分類(lèi)模型的接收器操作特征(ROC)曲線(xiàn)與具有完美和不存在判別能力的模型進(jìn)行比較。
【小結】
作者通過(guò)研究發(fā)現，本文所提出的方法可有效檢測病害發(fā)病率。隨著(zhù)進(jìn)一步研究圖像采集和處理方法，以及通過(guò)使用自動(dòng)化表型平臺，火炬松幼苗的高通量表型分析將成為目前在抗性篩選中心所使用方法的一個(gè)組成部分。