袁培森 曹益飞 马千里 王浩云 徐焕良

(1.南京农业大学人工智能学院， 南京 210095; 2.南京农业大学工学院， 南京 210031)

0 引言

植物表型是植物在一定环境下可观察的形态特征，在植物保护、育种等领域具有重要应用价值，其研究涉及植物学、数据科学、机器学习等领域[1-2]。水稻细菌性条斑病属于水稻表型研究的重要内容，是一种由稻黄单胞菌致病变种引发的水稻病害[3]，实时准确地判定水稻细菌性条斑病的分布区域和危害程度是采取有效防控措施和实现精准喷药的关键。目前，水稻细菌性条斑病常用的诊断方法主要依靠人力在田间观察，这种方法不仅费时费力、难以在大范围内展开，还受观察者自身经验的影响[4]，并且细菌性条斑病早期症状并不明显，很容易被忽略。因此，研究既能克服传统观测方法局限性，又能精确、有效诊断早期细菌性条斑病病害的技术迫在眉睫[5]。

高光谱成像是植物病害检测中常用的监测技术，具有无污染、高效等特点[6]。通过光谱中的每个波段记录一个图像，反映每个空间像素点的光谱信息，从而弥补了传统光谱分析与成像技术的缺点[7-8]。研究人员对高光谱成像技术应用于植物病理分析进行了大量的研究。WU等[9]利用高光谱成像技术结合病理分析，通过聚合酶链式反应标记不同条件下收集的稻粒真实感染状态，使用主成分分析分离健康稻谷粒和受感染稻谷粒，并使用随机森林极限学习机模型(RF-ELM)对不同感染程度的健康和感染混合粒进行分类。……