[发明专利]一种基于近红外光谱的小麦气传病原菌孢子快速无损识别方法

说明书

本发明一种基于近红外光谱的小麦气传病原菌孢子快速无损识别方法，该方法基于近红外光谱技术，制备小麦条锈菌孢子、叶锈菌孢子和白粉菌孢子的样本并利用便携式光谱仪采集其近红外波段漫反射光谱数据，然后对整体数据进行特征波长选择，建立不同种类病原菌孢子的识别模型，其中BP神经网络模型的识别准确率达到100％。与现有检测方法相比，本判别方法使用便携式光谱仪，可实现小麦真菌孢子种类的快速无损识别，在小麦锈病的原味在线检测领域具有潜在的应用前景。

技术领域

本发明属于小麦气传病的早初期监测预警和智能防控技术领域，特别涉及一种基于近红外光谱的小麦气传病原菌孢子快速无损识别方法。

背景技术

小麦锈病属于气传性真菌病害，其危害性强、发病范围广，小麦一旦感染，其生长会受到严重影响，已发展为影响小麦高产稳产的重要限制因素之一。研究表明，条形柄锈菌是导致小麦侵染的关键致病菌，它借助气流完成侵染，因此病害发生的决定因素除寄主感病特性和栽培条件和环境气象因素外，与病原物毒性及菌源数量密切相关。

现有检测方式多采用传统或新型孢子捕捉仪对田间孢子进行捕获，将黏附孢子的载玻片或其显微图像带回实验室，利用人工、分子生物学或图像处理等方法完成计数，以此判断病害发生程度，为及时防控提供理论依据。但由于检测设备价格昂贵、检测耗时耗力和采集性能不稳定等问题，导致菌源种类的快速无损检测较难实现，对小麦锈病的有效防治提出挑战。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供一种基于近红外光谱的小麦气传病原菌孢子快速无损识别方法，利用便携式光谱仪采集孢子样本的漫反射光谱数据，采用预处理、特征波长选择和神经网络建模方法实现小麦气传病原菌孢子的快速无损识别，为实现小麦气传病的早期监测提供理论依据。

为了实现上述目的，本发明采用的技术方案是：

一种基于近红外光谱的小麦气传病原菌孢子快速无损识别方法，包括如下步骤：

步骤1，收取小麦叶锈菌孢子、白粉菌孢子和具有活性及失活的条锈菌孢子样本；

步骤2，利用便携式近红外光谱仪分别采集样本在650-1100nm波长范围的反射光谱数据；

步骤3，对得到的反射光谱数据进行预处理，并选择确定4个特征波长；

步骤4，基于支持向量机和反向传播神经网络建立真菌孢子的识别模型，确定不同孢子种类与特征波长之间的定性关系；

步骤5，将待测孢子样本特征波长处的近红外光谱数据输入所述识别模型，实现对不同种类孢子的快速无损判别。

所述步骤1中所用的小麦叶锈菌孢子、白粉菌孢子和条锈菌孢子均在低温温室内繁育收集，采集的样品存放于加硅胶的干燥皿中，于适宜条件下保存。

所述步骤2中对样本进行光谱采集前，先将其置于室内常温条件下平衡水分和温度，消除水分和温度对测量结果的影响，然后分别称取不同种类病原菌孢子样本平铺备用。

所述步骤2中便携式近红外光谱仪的触发模式参数选择0、积分时间0.1秒、滑动平均宽度为0，并启用基线校正；钨素卤光灯光源距样本距离为0.5cm；每个样本采集1000个数据。

所述步骤3中采用的预处理方法为多元散射校正和标准正态变量变换方法，采用的特征波长选择方法为主成分分析和随机蛙跳算法，确定4的个特征波长分别为766nm、785nm、841nm和911nm。

所述步骤4中分别选择全波长和步骤3中确定的特征波长3000个反射光谱数据建立气传病原菌孢子的识别模型，采用的建模方法为反向传播神经网络(BPNN)、偏最小二乘判别法(PLS)和支持向量机(SVM)。

所述步骤5中，4秒之内完成对不同种类孢子的识别。