文献类型： 中文期刊

作者： 姜雪妍 ¹ ; 辛星龙 ² ; 薛文鑫 ¹ ; 李文杰 ³ ; 汪季涛 ³ ; 江厚龙 ⁴ ; 王树林 ⁵ ; 王新伟 ¹ ;

作者机构： 1.中国农业科学院烟草研究所/烟草行业病虫害监测预警与综合防治重点实验室

2.青岛农业大学

3.安徽中烟工业有限责任公司

4.中国烟草总公司重庆市公司烟叶分公司

5.四川中烟工业有限责任公司

关键词： 烟草;病毒病;高光谱成像;特征波段;机器学习

期刊名称： 生物灾害科学

ISSN： 2095-3704

年卷期： 2024 年 47 卷 004 期

页码： 561-573

摘要： 【目的】烟草病毒病影响烟草生长，甚至导致烟叶减产、烟株死亡，严重影响烟叶的品质。为实现快速高效烟草病毒病害监测。【方法】采用芬兰SPECIM IQ高光谱相机，通过无损检测烟草病毒病感染程度的技术，建立了高光谱相机在烟田中采集健康和不同级别病毒病感染程度的烟草植株图像，预处理后提取波长范围为397～1 004 nm的204个波段光谱特征，使用四种波长选择方法与四种机器学习算法构建了16个田间烟草病毒病等级分类模型。【结果】模型检测结果表明一半以上模型精度超过0.70。其中，鲸鱼优化算法结合随机森林算法的模型识别准确率达到0.83，表现最佳。波段选择与变量贡献分析表明，近红外光谱区在区分健康与感染病毒病烟草叶片中具有重要参考价值。【结论】研究证明了基于高光谱成像技术结合机器学习和波长选择算法，能够有效监测烟草病毒病，为大范围田间烟草病毒病害监测提供了基础与理论支持。