低空多源遥感图像融合的柑橘黄龙病田间智能监测研究

Citrus huanglongbing（HLB）is a destructive disease of citrus production in China even in the world. The spread of the disease leads to the huge economic damage to citrus producers and related industries. Early and accurate detection of HLB is a critical management step to control the spread of this disease, however, no effective,nondestructive and in-filed HLB diagnosis method exists yet. . This work focuses on the further research of citrus HLB early detection and a wide range of in-field detection of HLB. Based on spectroscopy, computer vision, UAV(unmanned aerial vehicle) and multi-sensor information fusion techniques, this work will analyze systematically and model the response traits of citrus canopy, fruit and leaf under HLB threaten. A low-attitude remote sensing information acquisition platform based on UAV will be built; The feature extraction methods of HLB from Multi-source images will be explored; The discrimination between HLB and non-HLB will be focused and the software and hardware system of in-field HLB monitoring system also will be developed. The effective implementation of this project, will provide a kind of effective, nondestructive, in-field HLB diagnosis method, it will also be a positive role in promoting the UAV applications like the crop disease monitoring, variable rate technology for spraying and other modern agricultural development.

柑橘黄龙病（Citrus huanglongbing，HLB）是一种毁灭性病害，其发生和蔓延严重影响了柑橘产量及品质。及时准确诊断是柑橘黄龙病主要的防控和管理手段，但至今尚无有效的、无损的HLB田间诊断方法。本项目基于前期对柑橘叶片的HLB无损诊断的研究基础，致力于柑橘黄龙病发生早期的病状分析和大面积田间监测研究。采用多源信息融合技术系统分析柑橘树顶稍、果实以及叶片的高光谱、多光谱、可见光和热红外图像等数据，揭示其在HLB胁迫下的异质性和解析模型。项目拟构建基于无人机的低空多遥感信息采集平台，探究柑橘HLB异质信息的挖掘方法，重点研究柑橘HLB与其他非HLB病情的诊断识别，研发无损、高效的柑橘黄龙病田间智能监测软硬件系统。本项目的有效实施，不仅可实现大面积柑橘果园黄龙病病情监控与预警，还将对其他农作物病害监控、无人机变量喷施等现代精细农业发展有积极的推动作用。

柑橘黄龙病（Citrus huanglongbing，HLB）是一种毁灭性病害，其发生和蔓延严重影响了柑橘的产量和品质。及时准确地诊断柑橘黄龙病并及早铲除病株，是目前柑橘黄龙病防控的主要手段。本项目从近地监测和无人机遥感监测两个角度，展开了柑橘黄龙病发生早期的病状分析和大面积果园田间监测的研究。在柑橘黄龙病的早期监测上，采用地物谱仪获取400-1000nm波段的光谱信息，提取了柑橘黄龙病的13个特征波段，基于这13个波段的光谱信息进行机器学习建模，对健康叶片、柑橘黄龙病病状明显叶片和柑橘黄龙病早期患病叶片的分类准确率达到90.8%；对健康叶片与黄龙病病状明显叶片的识别率高达96%。在大面积黄龙病遥感监测方面，通过无人机搭载高光谱、多光谱等传感器，可以监测出大面积果园柑橘黄龙病的病情分布。其中，基于无人机高光谱遥感进行大面积黄龙病监测，挖掘了柑橘黄龙病的10个特征波段图像，基于像素级样本和多特征融合输入深度神经网络的柑橘黄龙病识别模型，识别精度高达99%。基于无人机多光谱图像的像素样本级检测精度不甚理想，但基于阈值决策机制的条件下，采用AdaBoost建模并基于植株级样本的柑橘黄龙病患病植株识别精度可高达100%，采用神经网络建模的识别精度高达97.28%。本项目首次探索了拉曼光谱技术在柑橘黄龙病检测的可行性，研究表明，拉曼光谱提供了柑橘黄龙病检测的新途径。除了模型的构建，本项目搭建了多套无人机低空遥感信息采集平台，研制了基于特征波段光谱信息的柑橘黄龙病检测仪，研究了柑橘果园“智慧大脑”——智能小站，通过将基于多源信息的黄龙病识别模型部署到果园智能小站，实现了实时、高效的柑橘黄龙病边缘智能监测软硬件系统。本项目在完成既定研究目标的基础上，拓展研究了柑橘黄龙病处理以及柑橘园上的无人机施药药效评估。本项目的研究成果对柑橘产业病虫害防控、智慧果园生产智能化及无人化管理、按需精准作业、无人机变量喷施等现代精细农业发展起到了积极的推动作用。

内容获取失败，请点击重试