柑橘病害會(huì)影響葉子和果實(shí)的健康，由于其癥狀影響，繼續(xù)對(duì)柑橘種植者的生產(chǎn)力和經(jīng)濟(jì)穩(wěn)定構(gòu)成威脅。黃龍病 (HLB) 或柑橘綠化病對(duì)柑橘樹(shù)是致命的，且缺乏治愈方法，并已多次復(fù)發(fā)，造成樹(shù)木毀壞 。它是一種普遍存在的威脅，由細(xì)菌病原體引起，會(huì)在葉片、莖和果實(shí)上引起壞死性病變。受感染的葉片形狀不規(guī)則、發(fā)育不良或起皺。嚴(yán)重的感染會(huì)導(dǎo)致不良后果，如葉片脫落、果實(shí)過(guò)早脫落、樹(shù)枝腐爛、整棵樹(shù)衰弱以及果實(shí)上出現(xiàn)斑點(diǎn)。由柑橘球腔菌引發(fā)的油斑病和由柑橘黑斑病引起的柑橘黑斑病也使柑橘樹(shù)面臨著一系列挑戰(zhàn)。由真菌引起的瘡痂病對(duì)檸檬品種、朗布爾酸橙和粗糙檸檬砧木構(gòu)成了明顯威脅，導(dǎo)致果實(shí)、葉片和樹(shù)枝上出現(xiàn)類似瘡痂或疣的不規(guī)則突起，常伴有葉片扭曲。在佛羅里達(dá)州，缺鋅最初表現(xiàn)為葉片綠色葉脈之間出現(xiàn)小黃斑，逐漸發(fā)展為除綠色葉脈區(qū)域外的整體變黃，缺鋅情況會(huì)逐漸惡化。柑橘病害不僅影響產(chǎn)量，颶風(fēng)、冬季霜凍、小雪、雨夾雪和凍雨等惡劣天氣條件以及勞動(dòng)力短缺也會(huì)導(dǎo)致產(chǎn)量下降。因此，確保柑橘的盈利能力和市場(chǎng)競(jìng)爭(zhēng)力的關(guān)鍵在于對(duì)受感染水果的有效控制和識(shí)別?？煽?、準(zhǔn)確地檢測(cè)病害感染至關(guān)重要，因?yàn)檫@些可以通過(guò)人為干預(yù)來(lái)預(yù)防，而天氣條件則無(wú)法控制。然而，一般的檢測(cè)方法依賴于人工檢查，這容易出現(xiàn)人為錯(cuò)誤，或者依賴于電子顯微鏡或聚合酶鏈反應(yīng)等傳統(tǒng)方法，這些方法既耗時(shí)又昂貴，而且需要實(shí)驗(yàn)室技能。在考慮病害檢測(cè)的長(zhǎng)期最終策略時(shí)，需要能夠以更快的速度準(zhǔn)確、不知疲倦地對(duì)柑橘病害進(jìn)行分類的自動(dòng)化系統(tǒng)。

大多數(shù)關(guān)于葉片病害檢測(cè)方法的研究都側(cè)重于利用圖像分類和識(shí)別技術(shù)的視覺(jué)或彩色數(shù)字成像。HSI 系統(tǒng)已被證明是一種可靠、準(zhǔn)確且無(wú)損的方法，可以進(jìn)行高光譜分辨率的深入光譜分析。此外，熒光成像系統(tǒng)已被廣泛用于評(píng)估植物葉片在環(huán)境壓力或病害條件下的生理特性。當(dāng)特定波長(zhǎng)激發(fā)葉綠素分子時(shí)，葉綠素會(huì)發(fā)出不同波長(zhǎng)范圍的光。這些光譜特征可以在寬光譜范圍內(nèi)表征疾病的存在，得益于 HSI 的能力，這些光譜特征可以執(zhí)行疾病檢測(cè)和分類任務(wù) 。先前的研究已經(jīng)探索了多光譜檢測(cè)以評(píng)估柑橘病害對(duì)葡萄柚的影響，分類準(zhǔn)確率達(dá)到 95.7% 。這項(xiàng)研究展示了雙波段多光譜成像的潛力。Thomas 等人還探索了一種結(jié)合反射和透射的高光譜成像系統(tǒng)來(lái)研究植物病原體。他們的發(fā)現(xiàn)表明，基于反射率的測(cè)量有助于早期檢測(cè)，而透射率測(cè)量則為理解和量化植物-病原體相互作用的復(fù)雜時(shí)空動(dòng)態(tài)提供了補(bǔ)充見(jiàn)解。 Bauriegel 和 Herppich 利用高光譜和葉綠素?zé)晒獬上裣到y(tǒng)對(duì)小麥赤霉病進(jìn)行了早期檢測(cè) 。他們?cè)趯?shí)驗(yàn)室環(huán)境中使用高光譜成像系統(tǒng)測(cè)量鐮刀菌，在田間使用葉綠素?zé)晒獬上裣到y(tǒng)測(cè)量鐮刀菌。現(xiàn)有的高光譜和熒光系統(tǒng)需要復(fù)雜的設(shè)置和單獨(dú)操作，導(dǎo)致數(shù)據(jù)收集時(shí)間更長(zhǎng)，并且需要手動(dòng)對(duì)齊數(shù)據(jù)，從而降低準(zhǔn)確性。

此外，準(zhǔn)確區(qū)分健康葉片和受感染葉片或具有相似可見(jiàn)癥狀的葉片疾病仍然是一項(xiàng)具有挑戰(zhàn)性的任務(wù)。近年來(lái)，包括支持向量機(jī) (SVM)、k 最近鄰 (KNN)、人工神經(jīng)網(wǎng)絡(luò) (ANN) 和卷積神經(jīng)網(wǎng)絡(luò) (CNN) 在內(nèi)的機(jī)器學(xué)習(xí)方法加速并推進(jìn)了自動(dòng)化系統(tǒng)的發(fā)展，并在疾病檢測(cè)任務(wù)中取得了可喜的成果 。在農(nóng)業(yè)領(lǐng)域，HSI 與機(jī)器學(xué)習(xí)相結(jié)合已被證明是一種高度準(zhǔn)確的方法，可用于檢測(cè)和分類各種葉片上的疾病，如柑橘 、葡萄、紅樹(shù)林、南瓜等。謝等人利用 HSI 檢測(cè)番茄葉片上的疾病，并應(yīng)用了全光譜的極限學(xué)習(xí)機(jī) (ELM) 模型以及針對(duì)選定波長(zhǎng)的連續(xù)投影算法 (SPA)-ELM。在測(cè)試數(shù)據(jù)中，ELM 模型的準(zhǔn)確率 (100%) 高于 SPA-ELM 模型 (97.1%)。SPA-ELM 方法具有模型簡(jiǎn)化、計(jì)算時(shí)間短以及開(kāi)發(fā)基于多光譜的檢測(cè)儀器的潛力。吳等采用 ELM、SVM 和 KNN 的反射率 HSI 檢測(cè)草莓葉片上的灰霉病。三種機(jī)器學(xué)習(xí)分類器在測(cè)試集中的準(zhǔn)確率超過(guò) 90%。劉等還展示了將反射率 HSI 與機(jī)器學(xué)習(xí)模型結(jié)合使用在評(píng)估蘋果葉片上與蘋果花葉病相關(guān)的葉綠素含量方面的潛力。使用基于多種波長(zhǎng)、平均葉片葉綠素含量及其組合的隨機(jī)森林模型從驗(yàn)證數(shù)據(jù)集獲得了最高的準(zhǔn)確率（98.89%）。陳等研究了一種帶有機(jī)器學(xué)習(xí)模型的熒光成像系統(tǒng)，即一種采用 ResNet50 進(jìn)行遷移學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)，用于識(shí)別受黃瓜霜霉病感染的葉片。植物因病害應(yīng)激而產(chǎn)生的葉綠素?zé)晒鈪?shù)為植物的生理特性提供了寶貴的信息。這些參數(shù)被用作深度學(xué)習(xí)模型的輸入，增強(qiáng)型 ResNet 模型的準(zhǔn)確率達(dá)到了 94.76%，有助于早期疾病檢測(cè)。Weng 等人使用三個(gè) 650 nm 的 LED 對(duì)柑橘 HLB 葉片進(jìn)行了葉綠素?zé)晒鉁y(cè)量。最小二乘支持向量機(jī)對(duì)臍橙的準(zhǔn)確率達(dá)到 95.0%，對(duì)無(wú)核小蜜柑的準(zhǔn)確率達(dá)到 96%。

雖然已經(jīng)有大量研究?jī)H研究基于反射或熒光的高光譜測(cè)量，但對(duì)于在單一系統(tǒng)中同時(shí)使用反射和熒光成像來(lái)識(shí)別葉片疾病的潛在用途的研究卻非常有限。同時(shí)使用高光譜反射和熒光成像可以帶來(lái)區(qū)分疾病的優(yōu)勢(shì)（例如，分類準(zhǔn)確度高）。本研究探索了便攜式高光譜反射和熒光成像系統(tǒng)與機(jī)器學(xué)習(xí)相結(jié)合在區(qū)分柑橘葉片上各種疾病方面的潛力。使用高光譜成像系統(tǒng)測(cè)試了感染六種不同疾病的葉子的正面和背面以及健康對(duì)照組。使用機(jī)器學(xué)習(xí)分類器研究了高光譜葉片圖像。

圖2顯示了在Windows 11筆記本電腦上使用LabVIEW開(kāi)發(fā)的系統(tǒng)軟件。為了操作系統(tǒng)，使用硬件制造商提供的帶有LabVIEW的軟件開(kāi)發(fā)工具包（SDK）來(lái)實(shí)現(xiàn)參數(shù)化和數(shù)據(jù)傳輸功能。SDK包括用于LED燈控制的用戶數(shù)據(jù)報(bào)協(xié)議（UDP）、用于攝像頭控制的網(wǎng)絡(luò)協(xié)議、用于平臺(tái)移動(dòng)控制的串行通信以及用于圖像和光譜顯示的LabVIEW視覺(jué)開(kāi)發(fā)模塊（VDM）。在測(cè)量過(guò)程中，VNIR線燈打開(kāi)10秒以穩(wěn)定LED輸出。然后平移臺(tái)將樣品架向左移動(dòng)，而高光譜相機(jī)從標(biāo)準(zhǔn)面板收集線掃描反射信號(hào)并傳遞樣品。當(dāng)樣品架完成通過(guò)時(shí)，反射圖像采集結(jié)束，并且VNIR燈關(guān)閉。隨后，UV-A線燈打開(kāi)10秒以穩(wěn)定。然后，當(dāng)平臺(tái)返回到起始位置時(shí)，相機(jī)獲取線掃描熒光信號(hào)，完成后關(guān)閉 UV-A 燈，從而結(jié)束一個(gè)完整的成像周期。

對(duì)于預(yù)定的掃描距離，沿平移方向的空間分辨率取決于載物臺(tái)移動(dòng)速度和總掃描次數(shù)。例如，當(dāng)總掃描次數(shù)為 250 線、距離為 250 毫米時(shí)，載物臺(tái)以 3.3 毫米/秒的速度移動(dòng)，則大約需要 76 秒，從而得到近似于 1 毫米/像素的空間分辨率。根據(jù)相機(jī)的曝光時(shí)間，調(diào)整載物臺(tái)移動(dòng)速度，以使連續(xù)線掃描圖像采集與平移載物臺(tái)移動(dòng)同步。根據(jù)經(jīng)驗(yàn)，確定了移動(dòng)速度（V，單位為毫米/秒）和曝光時(shí)間（T，單位為秒）之間的倒數(shù)關(guān)系（V = 0.99/T），從而當(dāng)曝光時(shí)間為 0.3 秒時(shí)，速度為 3.3 毫米/秒，當(dāng)曝光時(shí)間為 0.6 秒時(shí)，速度為 1.65 毫米/秒。除了連續(xù)移動(dòng)模式外，高光譜系統(tǒng)還能夠以增量逐步線掃描模式運(yùn)行。該軟件顯示反射率和熒光圖像以及原始光譜和空間輪廓，逐行更新以顯示獲取圖像時(shí)的實(shí)時(shí)掃描進(jìn)度。完成后，反射率和熒光的每幅圖像都以標(biāo)準(zhǔn)波段逐行交錯(cuò) (BIL) 格式保存到單獨(dú)的數(shù)據(jù)文件中。