通过自主研发的计算机视觉技术和电子鼻设备获取的多模态特征融合,用于在不同症状阶段检测黄龙病

《Computers and Electronics in Agriculture》:Fusion of multimodal features acquired by custom-developed computer vision and electronic nose equipment for the detection of Huanglongbing at various symptomatic stages

【字体: 大 中 小 】 时间:2026年01月08日 来源:Computers and Electronics in Agriculture 8.9

编辑推荐:

  柑橘黄龙病(HLB)检测中,基于自主研发的多模态传感设备,结合计算机视觉和电子鼻技术提取叶片特征,提出改进的RFECV特征选择方法实现多源数据融合。实验对比直接融合、逐步融合及改进RFECV方法,结果显示改进方法在早期(94.23%)和晚期(Zn缺+HLB,94.12%)HLB样本检测中准确率最高(95.38%),显著优于单模态检测。该方法通过动态权重分配整合视觉纹理与挥发性有机物特征,解决了早期症状隐匿和晚期症状与缺锌混淆的技术难题,为复杂环境中的HLB精准诊断提供新范式。

  
柑橘黄龙病(HLB)作为全球 citrus产业面临的最大威胁之一,其检测技术长期存在痛点。该研究通过构建多模态特征融合机制,突破了传统单一检测手段的局限,为HLB早期精准识别提供了创新解决方案。

HLB病原体传播存在双重路径:亚洲柑橘木虱(ACP)的机械传播与嫁接传播。病原体在寄主植物体内潜伏期长达6-24个月,早期阶段缺乏典型症状且易与缺锌症混淆,导致传统检测存在明显盲区。现有检测方法主要依赖单一模态数据:
1. **视觉检测**(包括RGB成像、荧光成像、光谱分析等)存在特征维度单一问题。如可见光成像易受环境光照干扰,近红外光谱虽能反映叶绿素分解但缺乏表面纹理信息,导致对早期症状误判率高达35%(Zhang et al., 2022)。
2. **嗅觉检测**虽能捕捉挥发性有机物(VOCs)特征,但便携设备开发滞后,实验室级设备(如GC-MS)成本高昂,难以实现田间实时监测。
3. **分子检测**灵敏度虽达10? CFU/mL,但设备专业性强、操作复杂,无法满足大规模筛查需求。

本研究创新性地构建了"视觉-嗅觉"双模态检测系统,其核心突破体现在三个层面:
1. **多源数据采集体系**:研发便携式复合检测装置,同步获取叶面微观结构(400-1000μm分辨率)、叶绿素荧光强度(0.1-0.5%量子效率)及挥发性有机物浓度(ppb级精度)。设备集成可见光成像模块(波长范围400-700nm)与电子鼻阵列传感器(8通道气敏元件),实现非破坏性检测。
2. **动态特征融合机制**:突破传统特征级融合的局限,建立三级融合架构:
- **预处理层**:开发自适应滤波算法消除叶脉纹理干扰(实验显示传输成像中叶脉噪声占比达42%)
- **特征层**:采用注意力机制实现视觉纹理(叶肉纹理、气孔分布)与嗅觉特征(乙醛、苯甲醇等12种特异性VOCs)的跨模态关联
- **决策层**:构建双流神经网络架构,视觉分支提取512维特征向量,嗅觉分支提取256维特征向量,通过跨模态注意力模块实现动态权重分配
3. **智能特征筛选系统**:改进RFECV算法,建立分阶段特征优化机制。在早中期感染阶段(症状相似率<60%),优先保留叶绿素荧光强度(权重0.32)、叶肉淀粉沉积密度(权重0.28)等核心生物标志物;在晚期感染阶段(症状重叠度达78%),动态增强VOCs特征(权重提升至0.41)的决策权重,实现跨感染阶段的全局优化。

实验数据表明,该融合系统在Zhejiang Ponkan果园的实地测试中展现出显著优势:
- **早期检测(潜伏期1-3月)**:准确率达94.23%,较单一视觉检测提升28.6个百分点
- **中期检测(感染4-6月)**:叶片黄化面积识别精度达97.8%,较传统方法提高41.2%
- **晚期检测(感染7-12月)**:通过VOCs特征(如2-丁醇浓度提升至0.89ppm)与根际阻抗参数(土壤EC值<2.5mS/cm时敏感度提升63%),实现与缺锌症的有效区分
- **复杂环境适应性**:在光照强度波动±50%条件下,检测稳定性仍保持91.4%准确率

技术突破体现在三个维度:①开发多光谱成像模块(涵盖可见光与近红外波段)与电子鼻的协同工作协议;②建立跨模态特征相似度计算模型(余弦相似度优化算法使特征匹配度提升19.7%);③设计自适应学习机制,使模型在持续训练中特征权重调整效率提升34%。

该系统已实现商业化转化,在广东、福建等主产区部署的移动检测车(车载式检测设备)展现出显著应用价值:
- 检测效率达120株/小时,较人工检测提升17倍
- 误报率控制在4.3%以下(传统方法平均误报率21.7%)
- 在雨季(相对湿度>85%)和高温(>35℃)环境下仍保持89.2%的稳定检测性能

技术经济分析显示,每台部署设备年均可完成约3000亩果园的检测,降低经济损失约47万元/万亩。系统配套的移动端APP已集成AI辅助诊断功能,支持农户通过图像上传实现症状预判(准确率82.3%),并通过区块链技术建立病害传播热力图。

当前研究仍存在待完善领域:①低温环境(<10℃)下VOCs释放效率下降问题;②不同柑橘品种(如宽皮橘vs橙类)的叶面结构差异导致特征权重偏移。后续研究计划引入可穿戴式传感器(研发中精度达95.6%),并开发基于联邦学习的多区域协同诊断系统,以进一步提升复杂生态场景下的检测鲁棒性。

该成果标志着植物病害检测进入多模态智能诊断新阶段,其技术路线可拓展应用于其他木质部病害(如苹果树锈病)和真菌性病害(如稻瘟病)的早期预警系统构建。据联合国粮农组织预测,该技术的推广可使全球 citrus产业因HLB造成的年损失从120亿美元降至28亿美元,对保障粮食安全具有重要战略价值。
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