稻瘟病是中國南北稻作區危害最嚴重的水稻病害之一，與紋枯病、白葉枯病並稱為水稻三大病害。目前稻瘟病的辨識主要還是人工透過圖片對比或根據文字描述來完成，然而這些辨識方法主觀性太強，對工人專業素質要求較高，且效率低，往往會引起人為判斷的誤差，這樣就很難準確和及時地對癥下藥，進而影響防治效果，造成水稻減產。高光譜成像技術是傳統成像技術和光譜技術有機結合而成的一項新技術,利用成像技術可以獲得農作物的影像資訊，利用光譜技術可以獲得農作物的光譜資訊。
本文以出現稻瘟病病斑的水稻葉片為研究物件，利用高光譜成像系統獲取其高光譜影像，再運用主成分分析方法確定適合病斑分割的主成分影像，最後利用密度分割法實作對水稻葉瘟病斑的辨識。並在此基礎上，分析了病斑部份的光譜變化規律及其與正常葉片的光譜差異。
1、材料與方法
1.1實驗材料
試驗研究的供試水稻品種為廣陸矮1號，為感病品種。經浸種、催芽後，采用盆栽試驗，共60盆，進行相同水平的管理。待稻苗長到第3~4葉時在人工接種箱內進行稻瘟病病菌噴霧接種(將制備的孢子懸浮液搖勻後，均勻地噴在葉表面直至葉片完全布滿小水珠為止),接種後移入暗箱保濕24h再轉移至溫室進行保濕培養，以促其發病。連續5天采集高光譜影像數據，以得到不同發病等級的樣本。
1.2高光譜成像系統
本研究套用了400-1000nm的高光譜相機，可采用杭州彩譜科技有限公司產品FS13進行相關研究。光譜範圍在400-1000nm，波長分辨率優於2.5nm，可達1200個光譜通道。采集速度全譜段可達128FPS，波段選擇後最高3300Hz（支持多區域波段選擇）。
1.3稻葉瘟病高光譜影像的主成分分析
高光譜成像技術能獲取許多非常窄的光譜連續的影像數據，這些影像數據具有很強的譜間相關性。而主成分分析主要是對於相互相關的一組數據，透過正交變換使其變為一組相互無關的變量的方法，它能夠充分去除相關性，把有用的資訊集中到數目盡可能少的主分量中。主成分(PC)波段是原始波段的線性合成，它們之間互不相關。第1主成分包含最大的數據變異數，第2主成分包含第二大變異數，以此類推，最後的主成分波段由於包含很小的變異數，顯示為雜訊。透過主成分分析，可根據貢獻率的大小來選擇主成分影像，表1可以看出，前6個主成分影像的貢獻率達到了99.81%。圖2為水稻稻葉瘟的PC1到PC6主成分影像，比較這6個主成分影像，PC2影像病斑與葉片背景差異明顯，利於水稻稻葉瘟病斑分割。
2、結果與分析
2.1影像分割結果
圖3為PC2影像分割後的二值影像。其中白色部份表示水稻葉瘟病斑，可以看出該二值影像基本反映出了受葉瘟病脅迫的水稻葉片的全部病斑區域。為了進一步檢驗該分割方法的有效性，套用主成分分析和密度分割法於本試驗中的60個樣本，其中54幅影像中的病斑部份可被準確分割，分割率為90%。
2.2病斑光譜特性分析
利用分割後的二值影像與原高光譜影像進行相乘運算，得到只含病斑區域的高光譜影像，選取該區域作為感興趣區域，對其光譜特性進行分析。圖4為正常部位與葉瘟病斑部位感興趣區域的光譜曲線。由病斑曲線可以看出，在400～988nm波段範圍內，病斑光譜曲線總體上呈上升趨勢。在藍光波段(435~480nm)反射率較低，但呈上升狀態，一直到綠光波段。在紅光波段(600~760nm),先反射率逐漸增加，在650nm左右開始下降，但下降振幅較小，隨後上升，在680nm左右形成一個較淺的波谷，690~760nm陡峭上升。在近紅外波段，760nm以後光譜反射率緩慢上升，一直到988nm達到最高反射率值。透過對水稻葉瘟病斑區域和正常區域光譜反射率在可見光-近紅外範圍內的對比分析，在藍光波段(435~480nm)和紅光波段(600~700nm),稻葉瘟病斑區域反射率大於正常葉片區域反射率，水稻葉瘟病斑曲線在紅光波段的680 nm附近出現了一個較淺的波谷，此處葉瘟病斑區域光譜反射率與正常葉片區域光譜反射率相比，差異顯著。在綠光波段(530~580nm)水稻葉瘟病斑區域較正常葉片部位的光譜反射率略有降低，這主要與該時期水稻葉片葉綠素逐漸衰退而葉黃素逐漸呈現有關。另外在近紅外波段內(720~988nm),水稻葉片染病部份與正常葉片部份相比，在近紅外區光譜反射率下降，這種變化是由葉片內部細胞結構決定。
3、結論
本文套用高光譜成像技術對水稻葉瘟病進行檢測。得到結論如下：
(1)采用主成分分析方法對高光譜數據進行降維處理，得到了PC1到PC6主成分影像，選取第2主成分影像對稻葉瘟進行分割辨識，病斑分割率為90%。
(2)分析了水稻葉瘟病病斑和正常葉片感興趣區域的光譜特征，在段綠光波段(530~580nm)和紅光波段(600~700nm),水稻葉瘟病區域與正常葉片相比，光譜反射率分別呈現出下降和上升的趨勢。在近紅外譜段內，水稻在近紅外波段(720~988nm),水稻葉片染病後會引起近紅外區光譜反射率下降。
(3)透過本文的研究，實作了對單葉片稻葉瘟病斑的準確分割，為下一步田間套用多光譜/高光譜成像技術探測水稻冠層稻葉瘟的發生提供了基礎。
