基于组合模拟波段的油菜菌核病早期诊断方法研究

应用组合模拟波段建立的线性和非线性判别模型实现了油菜菌核病的早期诊断。采集油菜健康叶片80个,菌核病染病叶片100个,采用预处理算法与连续投影算法(SPA)相结合提取组合模拟波段,分别建立偏最小二乘法(PLS)、多元线性回归(MLR)和最小二乘-支持向量机(LS-SVM)模型。通过比较,最优PLS判别的预处理分别为直接正交信号校正(DOSC)、De-trending和原始反射光谱(Raw),准确率分别为100%,95.7%和95.7%。应用组合模拟波段的最优线性模型为SPA-MLR(DOSC)和SPA-PLS(DOSC)模型,准确率均为100%,基于DOSC、De-trending和Raw组合模拟波段的SPA-LS-SVM模型的判别准确率均为100%。结果表明,基于组合模拟波段进行油菜菌核病早期诊断是可行的,为油菜菌核病的早期诊断及病害监测仪器的开发提供了方法和依据。     

基于热红外成像技术的油菜菌核病早期检测研究

将热红外成像技术和低空遥感技术相结合,基于冠层和叶片两个尺度对菌核病侵染油菜的过程进行检测研究。从冠层尺度分析,首先获取整株样本的温度值(平均温度与最大温差),并采集其生理指数(气孔导度、CO₂浓度、蒸腾速率及光合速率)。然后,将染病样本与健康样本的温度值进行判别分析,并对其进行单因素方差分析。从结果可知,平均温度和最大温差值都可以对染病样本与健康样本进行区分,且最大温差相较平均温度结果较明显。同时单因素方差分析也显示,最大温差三次检测中均存在显著性差异。对获取的生理指数进行分析,发现染病样本与健康样本之间可以通过生理指数进行明显区分。另外,将生理指数与叶片温度进行相关性分析,结果表明二氧化碳浓度与叶片温度之间的三次检测均存在显著性差异。基于叶片尺度,首先从单一叶片来看健康区域和染病区域的温度差异,可以明显区分出染病区域和健康区域的温度差异。然后,提取健康区域与染病区域的的温度值(最大温度、最小温度、平均温度以及最大温差)对进行对比分析,并对其进行单因素方差分析。结果表明,以上四个温度指标均可以区分叶片的染病区域和健康区域。但根据单因素方差分析结果可知,与冠层尺度相同,最大温差三次检测中均存在显著性差异,可以实现对油菜菌核病的早期识别。     

甘蓝型油菜抗(耐)菌核病近等基因系的创建及抗病性分析

以抗 (耐 )菌核病显著强于中油 82 1的中R 888、中R 783、宁RS 1作供体亲本 ,中油 82 1作受体亲本和回交亲本创建了甘蓝型油菜抗菌核病的近等基因系 经离体叶片接种菌核病菌抗性鉴定 ,结果表明 3个近等基因系 (NIL)与回交亲本抗菌核病差异极显著 (P <0 .0 1) ,其中以供体亲本中R 888品系抗病性最强 ,NIL的抗病性强弱的排列顺序与抗性亲本的相一致 油菜种子带菌率的测定结果显示 (中油 82 1×中R 888)BC5的带菌率为 0 也与供体亲本的带菌率大小顺序相一致 随机选择的油菜品种 (系 )种子中游离脯氨酸含量分析 ,结果表明 3大类型油菜的脯氨酸含量差异极显著 ,芥菜型油菜 >NIL(甘蓝型油菜 ) >白菜型油菜 >极感病甘蓝型油菜 .     

基于共聚焦拉曼光谱技术的油菜菌核病早期判别分析

油菜菌核病是一种真菌性病害,可造成油菜产量严重减少,而快速准确地进行病原物的早期侵染对于植物病害防治意义重大。采用共聚焦拉曼光谱(500～2 000 cm-1波数范围内)技术结合化学计量学方法对油菜菌核病早期侵染进行判别分析。采用共聚焦拉曼光谱仪采集健康和接种12 h核盘菌的油菜叶片表面拉曼光谱,应用小波变换(wavelet transform,WT)进行拉曼光谱预处理以去除荧光背景。并利用基于全谱范围的偏最小二乘判别分析(partial least squares-discriminant analysis,PLS-DA)的回归系数(regression coefficient,RC)进行特征峰的识别,选出983,1 001,1 205,1 521,1 527,1 658,1 670和1 758 cm-1共八个特征峰用于建立PLS-DA模型进行油菜菌核病的早期侵染判别,其识别准确率为100%。结果表明：拉曼光谱技术结合化学计量学方法能够实现油菜叶片中菌核病早期侵染的检测,这为后续探究核盘菌与油菜叶片互作过程以及为进一步的病害早期监测和预防提供理论参考。     

宁波桑果基地菌核病菌的多样性与ITS初步分析

桑葚菌核病又称白果病,是目前威胁桑葚生产的主要病害,且具毁灭性.使用真菌通用引物扩增,对桑葚菌核病原菌rDNA的ITS保守区进行分析,结合形态确定病菌种类,发现宁波天宫庄园桑果观赏基地的菌核病菌有以下4种：桑实杯盘菌（Ciboria shiraiana）、肉阜状杯盘菌（Ciboria carunculoides）、核地杖菌（Scleromitrula shiraiana）和核盘菌（Sclerotinia sclerotiorum）.     

高光谱图像结合深度学习的油菜菌核病早期识别

油菜菌核病为土传病害,发病早期叶片无可见症状,从植株表面很难发现。用叶片的普通光谱图像或RGB图像无法对其进行识别。采用高光谱图像作为监测技术,结合深度学习模型构建油菜菌核病发病早期识别模型,并取得了较好的识别效果。以油菜菌核病为研究对象,采用菌丝块接种法,在油菜根部诱发病害。分别于发病后第2、 5、 7、 9天采集发病油菜植株和健康植株光谱图像。对高光谱图像去除背景、 S-G光谱曲线平滑处理、剪切、分割等处理后构建模型训练测试数据集。以Resnet50深度学习模型为基础,通过增加特征图数量,减小第1层卷积核大小来提高模型对油菜菌核病发病早期的识别能力。通过交叉验证、模型结构改进前后识别能力对比、模型泛化能力测试等,验证了改进模型的识别能力和泛化能力。Resnet50模型结构改进前后,对油菜菌核病发病早期的识别正确率分别是66.79%、 83.78%和88.66%,改进后模型的识别正确率分别提高了16.99%和4.88%,模型的识别精度和召回率也得到很大提高。所提出的识别模型平均识别正确率为88.66%,精度和召回率达到83%以上,只有对发病第7天的召回率为79.04%。把构建的多分类...