基于高光谱成像与光谱特征融合策略的辣椒日灼病三级无损评估

《Horticulturae》:Non-Destructive Three-Grade Assessment of Pepper Sunscald Using Hyperspectral Imaging and Spectral Feature Fusion Strategy

【字体: 大 中 小 】 时间:2026年09月26日 来源:Horticulturae 3.4

编辑推荐:

  辣椒(Capsicum annuum L.)生产在中国新疆南部受到日灼病的严重制约,日灼病是一种由强烈太阳辐射和高温引起的非传染性生理性病害,会损害果实品质和产量稳定性。本研究提出一种互补的多特征融合框架,整合主成分分析(Principal Component

  
辣椒(Capsicum annuum L.)生产在中国新疆南部受到日灼病的严重制约,日灼病是一种由强烈太阳辐射和高温引起的非传染性生理性病害,会损害果实品质和产量稳定性。本研究提出一种互补的多特征融合框架,整合主成分分析(Principal Component Analysis, PCA)、二维相关光谱(Two-Dimensional Correlation Spectroscopy, 2DCOS)和竞争性自适应重加权采样(Competitive Adaptive Reweighted Sampling, CARS),以实现基于高光谱成像的辣椒日灼病三级(健康、轻度、重度)无损分类。研究人员采集了“湘辣702”辣椒果实的高光谱图像,并通过小波变换去噪进行预处理;提取了三组特征集,并在单特征、两两融合和三元融合方案下,使用支持向量机(Support Vector Machine, SVM)、随机森林(Random Forest, RF)和K近邻(K-Nearest Neighbors, KNN)进行分类。消融实验表明,在所有分类器中,三特征融合的表现始终优于单特征和两两融合策略。最优的PCA-2DCOS-CARS-SVM模型实现了预测集总体准确率97.2%、宏F1分数(macro F1-score)0.963和Kappa系数0.956,其中健康样本和轻度(早期)样本的召回率均为100%,重度样本的召回率为90.9%。这些发现证实,互补的多特征光谱融合可提升日灼病分级性能,为园艺作物生理性病害的无损评估提供了一种有前景的方法学参考。
论文解读:基于高光谱成像与光谱特征融合的辣椒日灼病三级无损评估

一、研究背景与问题

辣椒是全球重要的蔬菜作物,中国是主要生产国之一。在中国新疆南部,强太阳辐射和高温气候适宜辣椒种植,使其成为当地经济支柱产业。然而,同样的气候条件也诱导日灼病发生,这是一种非传染性生理性病害,导致果实表皮脱水、坏死和结痂,降低果实商品价值并使其易受继发感染。随着辣椒种植面积扩大和极端高温事件频繁发生,日灼病对辣椒生产构成重大制约。目前,日灼病严重程度分级主要依赖人工目视评估,该方法主观性强、劳动密集、通量低且缺乏统一评价标准,延误田间干预。因此,亟需一种客观、快速、无损且精确的分级技术。高光谱成像(Hyperspectral Imaging, HSI)结合了光谱敏感性和空间分辨率,可无损获取二维图像和连续光谱数据,已成为植物病害检测与严重程度分级的核心分析工具。尽管该技术在多种作物病害检测中已获成功应用,但当前辣椒病虫害高光谱研究主要集中于生物胁迫(如根腐病、病毒感染、真菌感染和虫害),对于以日灼病为代表的高光高温诱导的非传染性生理性病害缺乏系统研究,且现有模型多为二分类,缺少田间分级管理所需的三级粒度。

二、研究目标与假设

本研究提出整合PCA、2DCOS和CARS三种特征提取方法的互补多特征融合框架。PCA生成概括去噪光谱全局方差的新潜在成分;CARS选择与日灼病严重程度最相关的精简信息波长子集;2DCOS揭示由日灼病进展驱动的同步光谱关系。研究假设这三种特征能提供互补且非冗余的光谱信息,其整合可有效提升日灼病分类精度。通过在同一分类器和评估基准下比较单特征、两两融合和三元融合策略的消融实验,验证该假设,最终实现辣椒日灼病的准确、快速、无损早期识别和三级严重程度分类。

三、材料与方法概述

研究人员于2025年9月10日在中国新疆阿拉尔市塔里木大学试验基地(40.65° N, 81.07° E)采集“湘辣702”品种(湖南省湘研种业有限公司选育)完熟期果实,该区域日灼病发生严重。共获得218个有效样本,按日灼病严重程度分为健康(106个)、轻度(44个,表面轻微黄斑无坏死)和重度(68个,病斑面积占果面30%以上,有明显黑色坏死)。采用分层留出法按2:1将样本分为校正集(147个)和预测集(71个)。高光谱图像采集使用杭州彩谱科技有限公司FS-64C相机,波长范围390-1712 nm,共688个光谱通道。提取每个果实表面4个30×30像素感兴趣区域(ROI)的平均光谱作为样本数据。主要技术方法包括:离散小波变换(DWT)去噪预处理;PCA降维(累积方差贡献率95%);CARS基于偏最小二乘回归(PLSR)回归系数权重进行特征波长选择(迭代50次,选出24个特征波长);2DCOS以日灼病严重级别(健康=1,轻度=2,重度=3)为外部扰动计算同步相关谱,提取3个自相关峰顶点波长(778 nm、1071 nm、1381 nm)。分类模型采用SVM(RBF核,网格搜索优化C和γ)、RF(树数搜索50/100/200)和KNN(k搜索1/3/5/7),所有超参数通过校正集五折交叉验证优化,预测集仅用于最终评估。模型评价指标包括总体准确率、宏F1分数和Kappa系数。

四、主要研究结果

(一)光谱分析

在592-1531 nm有效波段内,健康、轻度和重度三组样本的反射光谱总体趋势相似。可见光区域(600-700 nm)反射率急剧上升,健康样本最高,轻度次之,重度最低,这与严重脱水、结构损伤和色素降解一致。750-1100 nm出现近红外反射平台,反射率随日灼病严重程度增加而逐渐降低。在980 nm、1200 nm和1430 nm附近存在与水相关的吸收谷,且随严重程度增加逐渐变浅。组间光谱差异在近红外波段更为明显,重度胁迫样本的标准差带更宽,表明其光谱异质性更强。

(二)光谱预处理结果

基于DWT的db4小波基进行四层分解去噪。原始光谱存在明显高频波动,第1-3层细节分量主要代表随机噪声,而第4层近似分量保留了主要光谱特征。通过wbmpen规则确定逐光谱最优阈值,对细节系数进行软阈值处理后重构,去噪光谱明显更平滑,随机噪声被有效抑制,同时保留了主要光谱特征。

(三)单特征提取与建模

PCA得分散点图显示,前两个主成分PC1和PC2分别解释62.5%和34.5%的谱方差,累计贡献率97.0%。健康样本主要分布于坐标系下部,重度样本聚集于左上区域,轻度样本位于两者之间并与重度样本部分重叠,表明轻度与重度日灼病光谱差异较细微。CARS算法通过50次迭代从约500个变量快速缩减至28次迭代时的24个特征波长,主要集中600-700 nm(色素吸收区)和1400-1500 nm(水分吸收区),RMSECV在28次迭代时达到最优平衡。2DCOS同步谱在对角线出现三个明显自相关峰,顶点位于778 nm、1071 nm和1381 nm,其中778 nm处相关性最强。在单特征输入下,PCA特征集配合SVM取得最优总体准确率(0.958),但所有单特征模型对轻度样本的召回率较低,表明对轻度与重度日灼病的区分能力不足。

(四)两两融合与三元融合的消融分析

在两两特征融合中,SVM预测总体准确率在PCA-CARS和2DCOS-CARS输入时均达0.944,PCA-2DCOS为0.930。与单特征模型相比,2DCOS-CARS融合提升了两DCOS单特征模型在所有分类器上的表现;但PCA-CARS和PCA-2DCOS融合未能超越单独PCA模型,表明PCA已捕获主要光谱方差,额外融合特征提供的互补判别信息有限。三元互补融合(PCA-2DCOS-CARS)实现了进一步性能提升。SVM模型最优,预测总体准确率0.972,宏F1分数0.963,Kappa系数0.956。尤为重要的是,三元融合SVM对轻度类别的召回率达到1.000,对重度类别召回率提升至0.909,缓解了两两融合模型中对重度样本的分类偏差。RF模型也取得了良好预测结果(OA=0.958),KNN对轻度类别召回率相对较低。消融实验证实多特征融合可有效提升模型泛化能力,SVM是最适合本研究中融合光谱特征的分类框架。

(五)最优融合模型的混淆矩阵分析

基于PCA-2DCOS-CARS特征集,SVM、RF和KNN在预测集上的总体准确率分别为97.2%、95.8%和94.4%。三种分类器对健康样本均实现完全正确分类,无任何错分。主要分类混淆发生在轻度和重度日灼病类别之间。SVM模型判别力最佳,仅少数重度样本被误判为轻度,所有轻度样本均正确识别;RF模型将额外一个轻度样本误判为健康;KNN模型将额外一个轻度样本误判为重度,总体准确率明显较低。混淆矩阵结果进一步证实SVM结合三元互补融合输入能有效减少相邻严重等级之间的混淆。

五、讨论与结论

研究通过消融实验验证了PCA、2DCOS和CARS特征互补融合能提升辣椒日灼病三级无损分类性能。最优模型在预测集上总体准确率达97.2%,宏F1为0.963,Kappa为0.956,优于所有单特征和两两融合配置。特别是融合模型对轻度(早期)类别实现100%召回率,同时保持90.9%的重度类别召回率,直接解决了过渡日灼病等级间最具挑战性的区分问题。与以往针对根腐病、病毒感染和真菌性枯萎病等生物胁迫的高光谱研究不同,日灼病是非传染性、连续进展的生理性病害,相邻等级间边界样本固有模糊,但三元融合策略仍提供了稳定的判别能力。

光谱观察结果与已知日灼病诱导的生理变化一致:红边斜率(650-750 nm)随严重程度增加而逐渐平坦,与叶绿素降解和色素变化一致;980 nm和1430 nm附近水相关吸收谷变浅,与组织脱水一致。研究局限包括:所有模型基于单一品种、单一时点和地点采样并在实验室受控光照下建立,跨品种、季节和田间条件的稳健性有待验证;轻度日灼病样本仅44个,且主要结论依赖单次分层留出划分;严重程度分级为目视赋值,ROI提取仅覆盖局部表面。未来工作应扩展多品种多环境数据集,采用重复交叉验证,探索回归方法或利用空间纹理信息的深度学习方法。尽管存在局限,该互补多特征融合框架为园艺作物生理性病害的无损分级提供了可迁移的方法学参考,筛选出的关键波长(778 nm、1071 nm、1381 nm及24个CARS选择波长)为开发低成本便携式多光谱设备奠定了基础,可支持新疆南部及其他地区辣椒生产的精准管理。

研究结论:本研究表明,PCA、2DCOS和CARS特征的互补融合为基于高光谱成像的辣椒日灼病三级分级提供了一种准确、无损的方法。db4小波基函数分解的小波变换去噪有效抑制了高频噪声。特征提取通过CARS获得24个判别波长,通过2DCOS获得3个日灼病敏感波长(778、1071和1381 nm),加上累计谱方差贡献97%的前两个主成分,为日灼病表征提供了非冗余信息。消融实验证明三元特征融合对所有分类器均带来稳定的性能提升,最优SVM模型预测集总体准确率达97.2%,宏F1分数0.963,Kappa系数0.956,健康样本和轻度样本召回率均为100%,重度样本召回率90.9%。这些结果证实了实验室高光谱成像用于高精度日灼病分级的可行性。由于所有模型均基于单一品种和实验室受控光照条件开发,未来工作应优先开展便携式、低成本多光谱系统的田间验证,并扩展到多个品种和生长阶段,以支持新疆南部及其他地区辣椒生产的精准管理。
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