39、利用高光谱数据和机器学习实现植物病害感染的早期检测

利用高光谱数据和机器学习实现植物病害感染的早期检测

1. 油棕基腐病（BSR）概述

油棕（Elaeis guineensis）在东南亚广泛种植，以满足全球对植物油不断增长的需求。然而，由灵芝（Ganoderma boninense）病原体引起的基腐病（Basal Stem Rot，BSR）严重影响了油棕的生产，每年造成高达5亿美元的损失。

BSR在早期很难通过肉眼识别，最早的可见症状是树干上出现子实体，随后叶片部分变黄或基部叶片出现斑驳，当茎基部超过50%被内部破坏时会出现坏死。目前，传统的检测方法存在诸多问题：
- 人工检查 ：依赖肉眼观察病害的可见症状，容易受到经验不足和主观判断的影响，且无法检测无症状感染。
- 实验室方法 ：如收集茎部样本进行检测，会对植物造成损害，甚至导致植物死亡。
- 其他方法 ：包括电子鼻、电阻抗、断层扫描、热成像、多光谱成像、光谱或高光谱数据以及地面激光扫描等，但每种方法在准确性和局限性方面存在差异。近红外（NIR）光谱传感器已被证明可以准确检测灵芝感染，但光谱法每次只能对小样本点进行一次测量，数据采集时间长，而高光谱相机可以在一次成像中覆盖大面积区域，减少数据采集时间。

2. 高光谱成像技术

高光谱成像技术结合了传统光谱学和成像技术，能够同时获取场景的空间和光谱信息。高光谱成像传感器测量二维区域中每个像素在窄而连续波长下反射的光，其数据呈三维结构，类似于“立方体”，每个像素包含完整的光谱特征，为图像内现有材料的分类和分析提供了足够的信息。

在农业领域，植被在40