基于SVC的苧麻褐斑病葉片高光譜識別

汪佩佩，崔國賢，李 運，曹曉蘭*

(湖南農(nóng)業(yè)大學(xué) a.信息與智能科學(xué)技術(shù)學(xué)院； b.苧麻研究所， 長沙 410128)

苧麻(BoehmeirianiveaL.)是我國的特產(chǎn)，作為一種傳統(tǒng)的纖維作物，我國苧麻種植面積和原料產(chǎn)量占世界的95%以上[1]，有著較高的經(jīng)濟地位。褐斑病是苧麻常見的病種，染病時葉面能形成大小不一的不規(guī)則形病斑，并產(chǎn)生大量生孢子進行再侵染，導(dǎo)致病害迅速蔓延，嚴重影響苧麻產(chǎn)量和品質(zhì)。以往對苧麻褐斑病的監(jiān)測和診斷主要基于肉眼觀測結(jié)合實驗室進行病原分析，過程復(fù)雜，而且受各種主客觀因素的影響，時效性差。隨著高光譜技術(shù)的發(fā)展，以高光譜技術(shù)為基礎(chǔ)，以計算機數(shù)據(jù)分析處理為輔助手段的無損光學(xué)檢測和診斷技術(shù)使得農(nóng)作物精準生產(chǎn)成為可能。當(dāng)前，基于高光譜的作物病害識別在水稻紋枯病和葉瘟病[2,3]、柑橘黃龍病[4,5]、小麥條銹病和赤霉病[6,7]、蘋果Marssonina斑病[8]等上均有研究，其研究內(nèi)容一般包括作物健康和病害高光譜差異分析、病害敏感光譜區(qū)域確定、高光譜數(shù)據(jù)降維和病害識別模型建立：

1)作物健康和病害高光譜差異分析。葉片對光譜的吸收和反射受色素、水分、細胞結(jié)構(gòu)等因素影響，因此不同生長和健康狀況的作物，其光譜曲線也會不同，特別是在綠色植物高光譜曲線上特有的綠峰、紅谷和紅邊等位置及其反射率上，更容易發(fā)生改變。因此很多研究對二者差異的比較主要在這幾個位置：如，劉燕德等[5]發(fā)現(xiàn)柑橘黃龍病葉片在綠峰的反射峰高于正常葉片，而在720 nm左右正常葉片反射率高于病害葉；黃旭影等[9]發(fā)現(xiàn)在剛竹毒蛾危害下的毛竹葉片原始光譜的綠峰和紅谷逐漸消失，紅邊區(qū)域斜率明顯減小，近紅外波段反射率較高；楊興川等[10]發(fā)現(xiàn)銀木的健康葉片綠峰比煙煤病葉片要明顯，且煙煤病葉片紅邊有紅移現(xiàn)象。

2)確定病害敏感光譜區(qū)域是為了去掉冗余和干擾信息，提高準確性，同時光譜范圍縮小能減少后續(xù)計算量。敏感區(qū)域確定一般建立在上一步對健康和病害葉片光譜曲線差異分析基礎(chǔ)之上，如王利民等[11]通過分析光譜一階微分特征確定紅邊區(qū)域(680～780 nm)是春玉米大斑病敏感區(qū)域。但該方式不足之處是主觀性比較強，而有研究則采用了更為客觀的標準，如采用單因素方差分析原始光譜和一階光譜，選擇差異達極顯著水平(P<0.01)的波長為敏感區(qū)域[9]；或通過相關(guān)性分析，取相關(guān)系數(shù)絕對值較大區(qū)域為敏感區(qū)域[10]。

3)高光譜數(shù)據(jù)降維是指利用特定方法，提取特征變量，作為后續(xù)建立識別模型的輸入變量，方法有主成分分析(principal components analysis，PCA)、連續(xù)投影算法(successive projections algorithm，SPA)、競爭性自適應(yīng)重加權(quán)算法(competitive adaptive reweighted sampling，CARS)等；而建立基于高光譜的作物病害識別模型是利用模式識別方法建立定性模型，常用的模式識別方法有支持向量分類(support vector classification，SVC)、判別分析(discriminant analysis，DA)、誤差反向傳播神經(jīng)網(wǎng)絡(luò)(back propagation neural network，BPNN)、決策樹、極限學(xué)習(xí)機等。

對于不同作物和病害，確定了病害敏感區(qū)域之后，采取何種“降維方法”+“模式識別方法”組合效果最佳需要多次嘗試和比較：李志偉等[2]建立水稻紋枯病識別模型采用基于最小噪聲分離變換算法提取特征信息，分別于DA和BPNN組合，發(fā)現(xiàn)BPNN建模效果更佳，預(yù)測集正確率達98.4%；Yao等[6]在建立小麥白粉病、條銹病識別模型時，采用PCA-載荷法、連續(xù)投影算法和競爭性自適應(yīng)重加權(quán)算法等方法降維，用最小二乘-支持向量機和極限學(xué)習(xí)機分類，各組合的識別模型準確率均在94.58%以上，其中以PCA-載荷法+極限學(xué)習(xí)機組合建模型最優(yōu)，識別率可達100%；梁琨等[7]建立小麥赤霉病識別模型時，分別用SPA和CARS降維，組合SVC和BP神經(jīng)網(wǎng)絡(luò)，發(fā)現(xiàn)SPA+SVM效果最優(yōu)。

本研究在了解苧麻褐斑病葉片和健康葉片高光譜響應(yīng)特性異同的基礎(chǔ)上，基于離散系數(shù)篩選敏感子波段，然后采用PCA方法對各子波段進行數(shù)據(jù)降維，選擇不同個數(shù)的主成分作為特征變量，分別建立各子波段的SVC苧麻褐斑病識別模型，對比各模型的效果，獲得最佳建模方案，為利用高光譜開展苧麻葉片褐斑病診斷探索一種快速高效的新方法。

1 材料與方法

1.1 儀器設(shè)備

高光譜數(shù)據(jù)采集設(shè)備選用美國ASD公司生產(chǎn)的FieldSpec3便攜式地物光譜儀和配套的手持葉片夾持器，光譜儀波段范圍為350～2 500 nm，葉夾器具有內(nèi)置石英鹵化燈，光源穩(wěn)定。采用的光譜數(shù)據(jù)分析處理軟件有Excel、Spss Statistics和Umscrambler。

1.2 樣本采集與劃分

樣本采集于2018年5月和7月苧麻旺長期,在湖南農(nóng)業(yè)大學(xué)國家麻類長期定位試驗點(28°10′N，113°4′E)進行，采集樣本時，選擇中等危害程度的褐斑病葉片，健康葉片則選擇同株、位于中層的旺盛葉片。測量葉片高光譜時，避開葉脈，將葉夾器夾緊葉片所測部位，沿主葉脈左右各采集2個點，共4個采樣點，取平均值代表該葉片的高光譜數(shù)據(jù)，本研究均以葉片光譜數(shù)據(jù)做為分析對象。同時，為消除光譜數(shù)據(jù)在采集時首端與末端產(chǎn)生的噪音，選擇420～2 450 nm之間的光譜數(shù)據(jù)進行分析。

健康葉片和褐斑病葉片高光譜數(shù)據(jù)各采集了215個，一共430個樣本，每種樣本按2∶1比例隨機分成訓(xùn)練集和預(yù)測集。訓(xùn)練集用于建立褐斑病識別模型；預(yù)測集不參與建模，僅用于評測模型的準確率。

1.3 數(shù)據(jù)處理與分析

1.3.1 數(shù)據(jù)降維方法

全波段的高光譜數(shù)據(jù)雖然信息全面，但維度高，數(shù)據(jù)量大，其中存在大量無效、冗余和干擾信息，這不僅會增加建模計算量，并且會降低模型的穩(wěn)定性、可靠性。因此在滿足一定精度要求的前提下，通過特定方法對全波段數(shù)據(jù)降維，篩選、提取出更有代表性的特征參數(shù)建模，不僅可以節(jié)約計算成本，還能提高模型的質(zhì)量。本文對數(shù)據(jù)的降維分為兩個步驟，先基于離散系數(shù)篩選敏感子波段，然后對子波段采用PCA方法提取特征參數(shù)。

1.3.1.1 基于離散系數(shù)的敏感子波段篩選

離散系數(shù)是一組數(shù)據(jù)的標準差s與其相應(yīng)的平均數(shù)x之比，標準差s的計算公式為：

s=i=1n(xi-x)2n-1

其中，x1，x2，……xn為樣本數(shù)據(jù)；n為樣本量；x為樣本平均數(shù)。

離散系數(shù)能夠反映樣本數(shù)據(jù)的差異，離散系數(shù)大的數(shù)據(jù)，差異程度大，反之則差異程度小。本研究提出一種基于離散系數(shù)篩選敏感子波段的方法：先求褐斑病葉片和健康葉片高光譜反射率均值，再計算二者在各波長的離散系數(shù)，設(shè)置合理閾值，篩選出離散系數(shù)較大，即數(shù)據(jù)差異大的波段，選擇這些波段作為褐斑病敏感子波段進行下一步處理。

1.3.1.2 子波段主成分分析PCA

PCA方法通過線性變換，將原始變量映射到一個新的坐標系統(tǒng)中，使得任何數(shù)據(jù)投影的最大方差在第一個坐標(第一主成分P1)，第二大方差在第二個坐標(第一主成分P2)上，……，依此類推。經(jīng)轉(zhuǎn)換得到的新變量相互正交，互不相關(guān)，消除了眾多共存信息中相互重疊的部分，同時這些新變量要盡可能多地表達原變量的數(shù)據(jù)特征而不丟失信息[12]。PCA的主要統(tǒng)計量包括3個：特征值λ，它反映的是原始變量的總方差在各成分上重新分配的結(jié)果；各成分的貢獻率，即各成分所包含的信息占總信息的百分比；前k個成分的方差累積貢獻率[13]。由于轉(zhuǎn)化后得到的主成分保留了原始變量的絕大多數(shù)信息，因此可以代替原始變量用于建模，所得結(jié)果多半優(yōu)于利用原始變量直接建模。

主成分個數(shù)的選擇標準有幾種：1)取所有特征值λ大于1的成分；2)根據(jù)方差累積貢獻率達到的百分比值(如85%)的前l(fā)個主成分；3)依據(jù)所建模型的結(jié)果而定[14]。本文對上一步篩選出來的敏感子波段進行PCA二次降維，選擇合適的主成分個數(shù)作為建模的特征變量。

1.3.2 支持向量分類SVC

和很多傳統(tǒng)分類方法相比，SVC能有效降低噪聲、提高學(xué)習(xí)效率，廣泛應(yīng)用于模式識別[15]，在解決小樣本、非線性和高維的二分類和回歸問題上有許多優(yōu)勢[16]，在高光譜分類上也有比較好的效果。SVC的基本思路是：找到兩個相互平行且間距最大，并能將屬于不同類別的樣本點正確分開的邊界，位于兩邊界中間位置并與之平行的超平面稱為最大邊界超平面，即為最終解。

對于線性不可分的問題，SVC采用映射的方法將其轉(zhuǎn)化為高維空間中的線性可分問題，并且通過核函數(shù)計算出轉(zhuǎn)換處理后的內(nèi)積結(jié)果來解決從低維空間轉(zhuǎn)換到高維空間產(chǎn)生的維災(zāi)難問題。本研究中采用徑向基核函數(shù)(radical basic function kernel，RBF)。

1.3.3 定性模型的評價

定性模型的評價以預(yù)測集準確率結(jié)合建模特征變量個數(shù)為主：準確率越高，模型效果越好；參與建模的特征變量個數(shù)越少，計算量越小越好，但個數(shù)太少，可能會導(dǎo)致失去一部分有效信息，使得建模準確率降低，因此二者需要權(quán)衡考慮。

2 結(jié)果與分析

2.1 褐斑病與健康葉片高光譜特性

分別對樣本中的褐斑病和健康葉片高光譜反射率取均值，其均值曲線如圖1所示，從圖1中可知褐斑病葉片高光譜反射率整體高于健康葉片；在550 nm左右的綠峰區(qū)域差異比較明顯；從紅谷區(qū)域陡然上升到高平臺區(qū)之后，在700～1 400 nm區(qū)域，二者反射率差異較??；但在1 400 nm之后的兩個波峰區(qū)域，健康葉片反射率明顯又低于褐斑病葉片。

圖1 褐斑病和健康葉片高光譜波形Fig.1 The hyperspectral waveformsof brown spot leaves and healthy leaves

求二者離散系數(shù)，其曲線如圖2所示。由圖2可知，離散系數(shù)反映出來的二者差異特性與圖1基本吻合：在550 nm左右的綠峰區(qū)域、1 430 nm左右和1 920 nm之后區(qū)域離散系數(shù)較高；而在在700～1 400 nm區(qū)域離散系數(shù)較小。表明這幾個區(qū)域是敏感波段區(qū)域。

圖2 褐斑病和健康葉片高光譜數(shù)據(jù)離散系數(shù)Fig.2 The variation coefficient of the hyperspectral data of both the brown spot leaves and the healthy leaves

2.2 波段選擇

根據(jù)所求得的離散系數(shù)值，以0.1為閾值，選擇離散系數(shù)≥0.1的波段作為后續(xù)PCA的子波段，共篩選出4個波段，各子波段情況如表1所示。

表1 子波段情況Tab.1 The sub bands

2.3 PCA結(jié)果及主成分個數(shù)確定

為了對比不同波段對建模結(jié)果的影響，分別對全波段、全部子波段(即波段A+B+C+D)、波段A、波段B、波段C和波段D作PCA分析。各波段參與PCA的波長個數(shù)分別為2 013個、838個、126個、25個、106個和581個，各波段PCA結(jié)果的前10個主成分特征值λi和累積方差貢獻率如表2所示。

根據(jù)表2中結(jié)果可知，若按照特征值λ>1或累積貢獻率>85%為主成分個數(shù)選擇標準，兩個標準得到的主成分個數(shù)差別較大。因此，為了確定最佳主成分個數(shù)，本研究選擇1～10個主成分作為特征變量，分別建立各個波段的SVC(RBF)模型并進行預(yù)測，比較不同主成分個數(shù)對模型正確率的影響，再根據(jù)模型預(yù)測集正確率拐點決定主成分個數(shù)。

2.4 SVC建模結(jié)果

各波段選擇1～10個主成分，以訓(xùn)練集數(shù)據(jù)，分別建立不同主成分個數(shù)的SVC(RBF)識別模型，然后將預(yù)測集數(shù)據(jù)代入模型，統(tǒng)計其各模型的預(yù)測正確率，正確率曲線如圖3所示，訓(xùn)練集和預(yù)測集詳細正確率如表3所示。

圖3 預(yù)測集正確率Fig.3 Predictive set accuracy

從圖3可知，所有波段正確率均是先隨著主成分個數(shù)增加而增大，但當(dāng)個數(shù)增至某點時，正確率均會減少，說明該點之后有過擬合的情況，這是需要避免的[14]。因此本研究以預(yù)測集正確率的拐點作為最佳主成分個數(shù)的選擇標準。由表3可知，全波段、全部子波段、波段A、波段B、波段C和波段D的拐點分別為第2、第4、第3、第4、第5和第5個主成分，其對應(yīng)的正確率分別為83.8%、91.6%、85.2%、88.0%、93.0%和92.3%。

所有波段拐點的正確率中，以波段C最高(93.0%)，全波段最低(83.8%)。而波段C參與PCA的波長個數(shù)比較少(106個)，僅多于波段B(25個)，最佳主成分個數(shù)為5個，沒有明顯高于其他波段，因此綜合權(quán)衡，本文認為用波段C建模正確率和計算量最佳。

表2 主成分分析結(jié)果Tab.2 The result of PCA

表3 訓(xùn)練集和預(yù)測集正確率(%)Tab.3 Accuracy of train set and predictive set(%)

3 討論

3.1 健康與褐斑病葉片高光譜差異原因

在350～2 500 nm光譜區(qū)域內(nèi)，健康的綠色植物光譜反射率曲線變化特性非常相似，且有明顯的規(guī)律[17]：380～780 nm可見光波段，光譜特性主要受各種葉色素的支配，特別是在550 nm左右的綠峰區(qū)，是葉綠素的強反射區(qū)；而在1 350 nm之后的波段，其反射率與水分、二氧化碳和植物本身的生物學(xué)特性有關(guān)。

褐斑病葉片顏色偏黃，表明其葉綠素含量低于健康葉片，因此對綠色波長的光吸收較少，在光譜曲線上表現(xiàn)為綠峰的峰值明顯高于健康葉片，相對應(yīng)的離散系數(shù)也較高；1 430 nm左右和1 920 nm之后區(qū)域離散系數(shù)較高，本文推測也許與褐斑病葉片水分明顯減少導(dǎo)致葉片在該區(qū)域?qū)獾奈諟p少，反射增加有關(guān)，這需要做進一步研究證實。

3.2 敏感波段的篩選

本文提出的利用離散系數(shù)篩選敏感波段的方法，從預(yù)測集正確率可知，未經(jīng)篩選的全波段模型拐點正確率最低(83.8%)，而其他各子波段模型(包括全部子波段)拐點的正確率均高于全波段模型，可見，該方法在閾值設(shè)置合理的情況下，不僅降維效果十分明顯，而且能準確獲取最具有識別能力的子波段，為敏感波段的篩選提供了一個新的方法。

各子波段中，波段C波長個數(shù)為106個，為全波段(2 013個)1/20左右；模型拐點正確率達到93.0%，主成分個數(shù)為5個，綜合權(quán)衡，波段C為最敏感波段。

3.3 PCA主成分個數(shù)選擇

PCA主成分個數(shù)選擇時，若主因子太少，將會丟失原始光譜較多的有用信息，擬合不充分；但選擇的主成分太多，將測量噪聲過多地包括進來，會出現(xiàn)過擬合現(xiàn)象，所建模型預(yù)測誤差會顯著增大[12]。

由表2可知，波段C僅用1個主成分就能代表99.71%的原始數(shù)據(jù)信息，但由圖3曲線走勢可知，適當(dāng)增加主成分個數(shù)可以較大幅度提高模型正確率，但當(dāng)主成分個數(shù)超過某個值之后，所有正確率曲線均呈現(xiàn)下降或者趨于平緩的走勢，這說明正確率與主成分個數(shù)并不完全成正比，這一點與前人研究結(jié)果吻合[18，19]。

綜上所述，采用離散系數(shù)篩選子波段，各子波段參與PCA的波長個數(shù)有較大幅度減少，且子波段模型的正確率明顯高于全波段模型?？梢娀陔x散系數(shù)篩選子波段不僅能較大幅度降低PCA計算量，還能有效地減少冗余和噪聲，提高模型準確率。綜合考慮波長個數(shù)、正確率和最佳主成分個數(shù)等因素，波段C(1 406～1 511 nm)不僅波長個數(shù)較少(106個)，而且建模效果最佳，主成分個數(shù)為5個時，其預(yù)測集準確率達到93.0%。因此，應(yīng)用分波段PCA結(jié)合SVC方法建立基于高光譜的苧麻葉片褐斑病識別模型是可行的，選擇1 406～1 511 nm區(qū)域進行PCA分析，然后選取5個主成分作為特征變量建立SVC(RBF)的識別模型是最優(yōu)方案。