实验样本来自江西省新余市渝水区柑橘果园, 采摘时间为2019年2月底, 包括柑橘正常叶片46片、 柑橘溃疡病叶片46片、 柑橘除草剂危害叶片80片、 柑橘红蜘蛛叶片51片、 柑橘煤烟病叶片98片。

高光谱成像系统如图1所示, 主要由高光谱成像仪、 光源、 计算机、 样本、 载物台和电源等构成。 高光谱成像仪采用SOC710VP, 光谱范围为350~1 050 nm, 光谱分辨率为1.3 nm, 光谱波段数为128, 镜头类型为C-Mount, 焦距可调。 光源选用4个12 V的卤素灯, 亮度可调、 角度可调。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 高光谱成像系统Fig.1 Hyperspectral imaging system

本文设定高光谱图像采集时曝光时间为150 ms, 物距为57.6 cm, 扫描速度30行· s^-1, 32 s· cube^-1, 采集的原始图像大小为696× 520, 获取的光谱图像原始数据是像元亮度值(digital number, DN), 需将像元亮度值转化成光谱反射率供后续处理。 图2为五类柑橘叶片高光谱图像, 依次为正常叶片、 溃疡病叶片、 除草剂叶片、 红蜘蛛叶片和煤烟病叶片。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 五类柑橘叶片高光谱图像Fig.2 Hyperspectral images of leaves of five citrus species

在ENVI中导入反射率.float文件, 去除400和1 000 nm附近受噪声影响较大的波段, 选择478~900 nm间81个波段作为有效光谱范围, 在每个叶片一个或多个发病区提取5× 5的感兴趣区域(region of interest, ROI), 将ROI内每个像素的反射率值作为光谱信息, 则一个ROI得到的光谱信息为25× 81, 五类柑橘叶片共提取530个ROI, 得到13 250× 81的光谱信息矩阵。 图3为所有样本的光谱曲线图, 图4为五类叶片平均光谱曲线。 由平均光谱图可知在478~500 nm的蓝光波段内光谱反射率低, 形成一个波谷; 在550 nm左右由于叶绿素反射作用呈现一个反射率峰; 在红光波段内的680 nm附近由于叶绿素强吸收作用光谱曲线有一个波谷, 700~900 nm为高反射率区域。 五类叶片光谱曲线呈现典型绿色叶片特征, 而不同病虫害有不同特征, 各类叶片的光谱曲线不完全一致, 溃疡病叶片光谱曲线与其余四种在680 nm之前有明显差异; 在全波段光谱(full-band spectral, FS)范围内正常叶片、 除草剂叶片、 红蜘蛛叶片和煤烟病叶片光谱曲线相似度高, 仅反射率值存在差别。 依据光谱曲线无法进行准确类别区分, 还需后续建模处理。

受测量环境和高光谱仪器性能影响, 获得的光谱信号易存在噪声和谱线漂移等干扰, 需对其进行预处理以消除干扰^[10]。 利用The Unscrambler X 10.4软件对光谱数据分别进行一阶求导(first derivative, 1^stDer)、 多元散射校正(multiplicative scatter correction, MSC)和标准正态变换(standard normalized variate, SNV)预处理, 对不同预处理方法下的光谱数据建模以得到最优分类结果。

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 13 250个样本光谱曲线Fig.3 Spectral curves of 13 250 samples

图4

Fig.4

	Figure Option ViewDownloadNew Window
	图4 五类叶片平均光谱曲线Fig.4 Average spectral curves of five types of leaves

高光谱数据在光谱维含有上百个连续波段, 存在冗余信息, 若利用这些全波段光谱数据进行实验, 计算量大, 影响准确率, 因此可采用降维方法筛选出特征波长代入模型。 主成分分析(principal component analysis, PCA)是一种正交线性变换技术, 通过线性投影的方法, 将目标分量根据其信息含量分布到新的坐标空间中^[11]。 采用PCA将高光谱图像信息进行压缩, 去除波段间的冗余信息, 实现降维。 PCA特征波长提取原理如下。

(1)光谱数据X为m× n的矩阵, m表示样本数, n表示特征维度;

(2)计算X的协方差矩阵C(n× n);

(3)求C的特征值和特征向量, 并按从大到小的顺序排序, 选择其中最大的k个, 将其对应的k个特征向量分别作为列向量组成新的特征向量矩阵U(n× k);

(4)将样本投影到选取的特征向量上, 如式(1)

Y=XU(1)

投影后的数据Y为m× k的二维矩阵, 则原始的n维特征变成了k维, 达到了降维与特征波长提取目的。

支持向量机(support vector machines, SVM)是核变换技术的代表算法之一, 具有精度高、 运算速度快、 泛化能力强等优点^[12]。 SVM依据结构风险最小理论, 在解决小样本、 非线性、 高维模式等问题上具有优势, 近年来广泛应用于高光谱数据处理。 SVM算法的原理是构造一个分类超平面, 该平面使得特征空间上正负样本的间隔最大化^[13]; 对于线性不可分情况, 将低维空间问题映射到高维空间, 引入核函数代替预测样本和支持向量内积, 避免高维复杂运算。 常用的核函数有线性核函数、 RBF核函数、 多项式核函数和Sigmoid核函数。 线性核函数是RBF核的一个特例, 多项式核函数参数多会影响模型复杂程度, Sigmoid核函数在某些参数上近似RBF核的功能, 综上本文选择RBF核函数。

随机森林算法(random forest, RF)是决策树分类器的集合^[14], 具有较高的分类准确性, 不易出现过拟合现象^[15]。 基本思路为使用Bootstrap法从原始训练集中采样生成k个训练子集, 构建k棵决策树, 形成森林, 通过每棵决策树的预测投票决定最终结果。 “ 随机” 指两方面: 一是随机抽样训练子集; 二是决策树构建时随机地从总的特征中选取远小于总特征个数的特征子集。 随机性的引入使得每两棵树之间的差异度增加, 从而使得模型的泛化能力提高, 近年来随机森林算法已逐渐应用于高光谱分类。

目前基于支持向量机和随机森林算法进行柑橘病虫害分类识别的研究较少。 本文选择上述两种算法建立五类柑橘叶片的分类模型, 使用随机法将总样本划分为9 938个训练集和3 312个测试集, 训练集与测试集之比为3: 1。 采用测试集的总分类精度(overall accuracy, OA)和Kappa系数作为模型评价标准。

主成分分析使原始光谱波段经过线性组合得到主成分, 根据主成分的载荷(loadings)绝对值大小来确定特征波长。 载荷是主成分与原始波长变量的相关系数, 用于反映主成分和各波长变量间的密切程度。 图5所示为原始光谱前4个主成分的载荷曲线, 每条主成分曲线的波峰和波谷位置处载荷绝对值较大, 对应的波长即为特征波长。 由此原始光谱得到7个特征波长, 分别是525.5, 678.5, 710.1, 720.7, 725.9, 757.6和762.9 nm。 运用相同的方法, 1^st Der预处理光谱得到7个特征波长, 分别是520.2, 689.0, 704.8, 715.4, 731.2, 741.8和757.6 nm; MSC预处理光谱和SNV预处理光谱得到7个一致的特征波长, 分别是551.9, 678.5, 704.8, 710.1, 725.9, 731.2和757.6 nm。 由于病虫害影响, 叶片表面颜色和叶绿素含量发生改变, 红光波段高反射率区域受影响较大, 故特征波长多落于此区间, 绿光波段内受叶绿素影响原反射率峰附近也出现特征波长, 所以特征波长集中在520~760 nm范围内。

图5

Fig.5

	Figure Option ViewDownloadNew Window
	图5 原始光谱前4个主成分载荷曲线Fig.5 The first four principal component load curves of the original spectrum

通过主成分分析还能得到光谱样本的散点图, 用来分析样本的分布情况。 图6显示了不同预处理下光谱数据样本的散点图, 编号1— 5分别表示柑橘正常、 溃疡病、 除草剂、 红蜘蛛和煤烟病叶片。 由图6可知, PC-1和PC-2累计贡献率达86%以上, 解释了原始数据的绝大部分信息, 五类叶片呈现出一定聚类效果。 经MSC和SNV预处理后, 正常叶片、 溃疡病叶片和红蜘蛛叶片有较为清晰的分类界限, 除草剂和煤烟病叶片样本重叠较多。 经1^st Der预处理后聚类效果差, 五类叶片样本均有大量重叠。 因此还需对PCA后光谱数据作进一步处理以实现重叠样本的分类。

图6

Fig.6

	Figure Option ViewDownloadNew Window
	图6 样本分布散点图 (a), (b), (c)和(d)分别表示原始及经1st Der, MSC和SNV预处理后光谱得到的样本分布散点图Fig.6 Sample distribution scatter diagram Figure (a), (b), (c) and (d) respectively represent the scatter plots of sample distribution using original spectra and the spectra after preprocessing by 1st Der, MSC and SNV

对全波段数据(FS)进行SVM和RF建模, 运用网格搜索法和交叉验证法确定不同预处理后数据在SVM模型的最优参数。 C是惩罚系数, 表示对误差的宽容度, 值越大, 表示越不能容忍出现误差, 易过拟合。 gamma是RBF核自带的参数, 决定了数据映射到新的特征空间后的分布情况, 值越大, 支持向量个数越少。 最终得到原始光谱数据下, C为16, gamma为128; 1^st Der数据下, C为8, gamma为8 192; MSC数据下, C为8, gamma为512; SNV数据下, C为4, gamma为16。 RF建模时, 选择决策树颗数为500。 表1为不同预处理方法下全波段数据测试集的识别结果, 由表1可知, 对柑橘正常叶片、 溃疡病叶片和红蜘蛛叶片, 模型识别率分别可达98%, 97%和96%。 除草剂叶片识别率在原始数据和经1^st Der预处理数据的SVM模型下可达90%, 1^stDer-FS-SVM模型识别率为91.05%。 在进行RF建模后识别率均较低, 最高为原始数据下84.91%。 对煤烟病叶片, 均在经1^st Der预处理数据的模型下有最高识别结果, 1^st Der-FS-SVM模型识别率为94.09%, 1^st Der-FS-RF模型识别率为93.29%, 但与正常、 溃疡病和红蜘蛛叶片相比, 识别率不够稳定。 除草剂叶片在五类叶片中识别结果最差, 煤烟病叶片次之, 其他三种叶片识别率均较稳定维持在96%之上。

表1

Table 1

表1(Table 1)

表1 全波段数据建模结果 Table 1 Modeling results of full-band data 模型 预处理 方法 识别率/% 正常 叶片 溃疡病 叶片 除草剂 叶片 红蜘蛛 叶片 煤烟病 叶片 SVM 原始 100.00 99.78 90.03 100.00 92.08 1st Der 100.00 99.78 91.05 99.58 94.09 MSC 99.73 99.78 80.69 97.35 88.38 SNV 100.00 99.78 79.80 98.60 87.17 RF 原始 99.46 98.44 84.91 98.74 93.19 1st Der 99.46 99.33 74.04 98.74 93.29 MSC 98.91 97.10 72.76 96.23 85.97 SNV 98.91 97.10 73.40 96.37 87.17

表1 全波段数据建模结果 Table 1 Modeling results of full-band data

对PCA特征波长数据进行SVM和RF建模识别, 利用网格搜索法和交叉验证法得到不同预处理后数据在SVM模型的最优参数: 原始数据下, C为128, gamma为512; 1^st Der数据下, C为4 096, gamma为8 192; MSC数据下, C为4, gamma为4 096; SNV数据下, C为4, gamma为256。 RF建模时, 决策树棵树设为500。 表2为PCA特征波长数据测试集的识别结果, 分析可知, 对柑橘正常叶片、 溃疡病叶片和红蜘蛛叶片, 模型识别率分别可达97%, 96%和93%。 除草剂叶片在经1^st Der预处理数据的模型下有最高识别结果, 1^st Der-PCA-SVM和1^st Der-PCA-RF模型识别率分别为79.28%和80.05%, 识别效果不佳, 与图6中除草剂叶片样本大量重叠于煤烟病叶片样本现象吻合。 与除草剂叶片相同, 煤烟病叶片也在经1^st Der预处理数据的模型下有最高识别结果, 1^st Der-PCA-SVM模型识别率为87.27%, 1^st Der-PCA-RF模型识别率为91.58%。 综合五类叶片, 除草剂叶片识别结果最差, 煤烟病叶片次之, 其他三种叶片识别率均较稳定维持在93%之上。

表2

Table 2

表2(Table 2)

表2 PCA特征波长数据建模结果 Table 2 PCA characteristic wavelength modeling results 模型 预处理 方法 识别率/% 正常 叶片 溃疡病 叶片 除草剂 叶片 红蜘蛛 叶片 煤烟病 叶片 SVM 原始 100.00 99.11 72.51 98.46 81.66 1st Der 99.18 99.78 79.28 98.46 87.27 MSC 98.10 98.44 72.76 94.97 81.56 SNV 98.10 98.66 72.51 94.83 81.16 RF 原始 98.64 96.65 74.30 98.46 85.97 1st Der 99.18 96.65 80.05 98.04 91.58 MSC 97.55 97.32 68.80 93.85 80.96 SNV 97.28 97.32 68.41 93.72 81.06

表2 PCA特征波长数据建模结果 Table 2 PCA characteristic wavelength modeling results

全波段数据(FS)和PCA波长数据在不同预处理方法下的模型识别效果如表3所示。 全波段光谱数据下SVM模型的总分类精度(OA)均高于91%, 1^st Der-FS-SVM模型总分类精度(OA)最高, 为95.98%, Kappa系数为0.948 2; RF模型OA均高于88%, 原始数据下FS-RF模型OA最高, 为93.84%, Kappa系数为0.9205。 对PCA特征波长, SVM模型的OA均高于86%, RF模型的OA均高于84%。 经1^st Der预处理数据的建模效果最佳, 1^st Der-PCA-SVM模型OA为90.82%, Kappa系数为0.8816; 1^st Der-PCA-RF模型OA为91.79%, Kappa系数为0.894。 同时由表3可知各模型Kappa系数均维持在0.8以上, 表明其一致性良好。

表3

Table 3

表3(Table 3)

表3 FS和PCA波长数据不同预处理方法下建模结果 Table 3 Modeling results under different pretreatment methods of all-band and PCA wavelength data 模型 评价指标 FS PCA 原始 1st Der MSC SNV 原始 1st Der MSC SNV SVM OA 95.23% 95.98% 91.30% 91.03% 87.53% 90.82% 86.50% 86.32% Kappa 0.938 5 0.948 2 0.887 9 0.884 4 0.839 2 0.881 6 0.826 0 0.823 6 RF OA 93.84% 91.42% 88.01% 88.56% 88.77% 91.79% 84.93% 84.81% Kappa 0.920 5 0.889 2 0.845 3 0.852 3 0.855 0 0.894 0 0.805 6 0.804 0

表3 FS和PCA波长数据不同预处理方法下建模结果 Table 3 Modeling results under different pretreatment methods of all-band and PCA wavelength data

综合来看, SVM模型下识别效果优于RF, FS数据建模效果优于特征波长。 分析PCA特征波长下建模结果较全波段数据差的原因: PCA提取的特征波长大多集中在700~770 nm, 波长范围窄, 忽略了对分类识别有效的其他波长; 提取的特征波长数量较少, 包含信息量不全面, 不能很好地解释全部数据。 后续可采用其他方法提取特征波长进行分类识别。