基于高光谱荧光成像的灰霉病感染草莓早期检测深度学习算法开发
2024年5月10日，韩国春川市江原国立大学智能农业跨学科项目系Seung-Woo Chun（第一作者）和Changyeun Mo（通讯作者）在国际期刊《Postharvest Biology
and Technology》（JCR一区，IF2023=6.4）上发表题为"Deep learning algorithm development for early detection of Botrytis cinerea infected strawberry fruit using hyperspectral fluorescence imaging"（基于高光谱荧光成像的灰霉病感染草莓早期检测深度学习算法开发）的研究论文。
摘要
灰霉病（Botrytis cinerea）是一种导致全球经济损失的草莓病害。在储存或运输过程中，若发生病害，它会迅速传播到邻近的物品，因此需要开发早期诊断技术以预防。研究开发了一种使用高光谱荧光成像技术快速无损地确定草莓果实感染阶段的方法。使用‘Keumsil’品种草莓，通过控制组和接种组在144小时内获取高光谱荧光图像。根据可见霉菌孢子将草莓分为健康、无症状、感染和感染后四个阶段。提取高光谱荧光光谱，开发基于部分最小二乘判别分析（PLS-DA）、VGG-19和ResNet-50的一维卷积神经网络（1D-CNN）模型，并对数据集应用数据增强和六种光谱预处理技术。数据增强技术的应用提高了PLS-DA和1D-CNN模型确定感染阶段的性能。基于均值归一化数据和数据增强技术的ResNet-50模型表现最佳，精度为96.88%，召回率为96.87%，F1评分为96.85%，准确率为96.86%。研究结果表明，通过高光谱荧光成像和1D-CNN技术可以确定草莓果实上灰霉病的感染阶段。预计该技术将应用于草莓生长、采后分拣和包装以及分销阶段的灰霉病早期检测。
引言
草莓（Fragaria × ananassa）因其高含量的维生素C、叶酸和酚类化合物等对人体有益成分而广泛分布。除了健康益处外，草莓还是重要的经济作物，全球年产量约为900万吨。然而，草莓表皮脆弱，易受组织损伤，因此在采后过程中容易感染各种细菌和病毒。其中，灰霉病感染全球超过200种作物，造成重大经济损失。该真菌在冷湿环境中繁殖良好，因此草莓易受感染。灰霉病感染导致多种症状，在出现明显迹象之前，细胞壁开始溶解，果皮变薄，组织软化，增加了在分销或出口期间的感染和传播可能性。需要在早期诊断感染，以防止产品质量和安全受到损害。
研究内容
材料与方法
实验使用了‘Keumsil’品种的草莓，采自韩国庆尚南道山清郡。选取200个无瘀伤或污染的草莓样品进行实验，其中100个作为对照组，剩余样品接种灰霉病菌作为接种组。所有样品在实验前均储存在4±1°C的冰箱中。
使用高光谱荧光成像系统获取样品图像，测量波长范围为463-800nm的169个波段。提取感兴趣区域的平均光谱，并将样品分为四个感染阶段：健康组（HG）、无症状组（AG）、感染组（IG）和感染后组（AIG）。
开发基于PLS-DA和1D-CNN的灰霉病早期检测模型。使用PLS-DA模型将独立变量折叠成新变量以开发判别模型，1D-CNN模型使用VGG-19和ResNet-50架构进行图像分类。
应用数据增强和六种光谱预处理技术，包括平滑、归一化、标准正态变量（SNV）和多重散射校正（MSC）。
结果
PLS-DA模型: 最佳判别模型采用均值归一化预处理，校准模型的R2c和RMSEC分别为0.900和0.405，预测样本的R2p为0.934和RMSEP为0.337。数据增强技术提高了模型的区分性能。
1D-CNN模型: 最佳模型为基于数据增强和均值归一化预处理的ResNet-50，训练和测试准确率分别为0.98和0.94。分类性能优于PLS-DA模型，能够更准确地预测感染阶段。
光谱特性: 灰霉病感染导致荧光强度变化，健康样品在紫色波段的荧光强度较高，感染样品在红色和红外波段的荧光强度较低。
总结与展望
研究首次开发了基于高光谱荧光成像和1D-CNN分析的草莓灰霉病早期检测技术。结果表明，通过高光谱荧光成像和1D-CNN技术可以准确确定草莓灰霉病的感染阶段，尤其是在感染初期。本技术预计可应用于草莓生长、采后分拣和包装以及分销阶段的灰霉病早期检测，有助于提高草莓的质量和安全性，增加消费者信心，并提高农业产业的竞争力和盈利能力。未来的研究应进一步验证该技术在实际应用中的效果，并探索其在其他农产品中的应用潜力。
图文赏析
原文链接：
https://www.sciencedirect.com/science/article/pii/S0925521424001637?via%3Dihub
