近年來(lái)高光譜成像技術(shù)在農(nóng)業(yè)中得到了廣泛的應(yīng)用，主要表現(xiàn)在快速、精確地進(jìn)行作物生長(zhǎng)信息的提取、作物長(zhǎng)勢(shì)監(jiān)測(cè)、作物脅迫監(jiān)測(cè)、估算植被 (作物 )初級(jí)生產(chǎn)力與生物量、估算光能利用率和蒸散量以及作物品質(zhì)遙感監(jiān)測(cè)預(yù)報(bào)等方面。其中，高光譜熒光成像技術(shù)在植物長(zhǎng)勢(shì)監(jiān)測(cè)、病蟲害脅迫方面顯示出巨大的潛力。該技術(shù)能用計(jì)算機(jī)模擬人的視覺(jué)功能，不破壞也不影響植株生長(zhǎng)，從植物的熒光圖像中提取顏色、紋理、熒光強(qiáng)度等信息進(jìn)行處理并加以分析，終用于實(shí)際檢測(cè)，是植物病害檢測(cè)的重要手段。

1.1  植物熒光原理

植物受激發(fā)后發(fā)出的熒光主要有：藍(lán)綠熒光( Blue-green fluorescence，BGF ) 、紅 熒 光 ( Red-fluorescence，RF) 和遠(yuǎn)紅熒光( Far-red fluorescence，F(xiàn)RF) ，如圖3所示。

圖1波長(zhǎng) 355 nm 激光激發(fā)的熒光光譜

經(jīng)光照射后，植物的不同組織會(huì)吸收不同波段的光，因此植物能在不同波段發(fā)射出熒光，如圖2。激發(fā)光主要有以4個(gè)波段: 藍(lán)（波長(zhǎng)435-480 nm），被類胡蘿卜素和葉綠素吸收，并釋放出較高量子效率，可以激發(fā)葉片表皮及更深處組織的葉綠素?zé)晒?；紅光（波長(zhǎng) 640-780 nm），只能被葉綠素吸收，因而相比藍(lán)光還能被類胡蘿卜素吸收，該波段光的吸收范圍較窄，能激發(fā)遠(yuǎn)紅波段的葉綠素?zé)晒猓痪G光（波長(zhǎng) 500 ～ 560 nm），被葉綠素吸收，但是吸收量很小，因而相比藍(lán)、紅光，綠光可以到達(dá)葉片的深度大，能激發(fā)葉綠素?zé)晒猓蛔贤夤猓?80 ～315 nm）既能激發(fā)葉綠素?zé)晒?，還能激發(fā)短波熒光。

圖2葉面截圖

1.2  國(guó)內(nèi)外研究進(jìn)展

利用葉綠素?zé)晒饪梢詫?duì)植物的生長(zhǎng)狀況和各類營(yíng)養(yǎng)元素缺乏癥狀進(jìn)行鑒別。Subhash 等利用波長(zhǎng)355 nm 的氙氣燈作為激發(fā)光源，采集了煙草葉片4個(gè)波段( 中心波長(zhǎng)分別為 440、520、690 和 740 nm)的熒光，分析了各波段的熒光比率對(duì)煙草葉片衰老情況的鑒別能力。結(jié)果發(fā)現(xiàn)，隨著葉片的衰老，在各熒光比率中，葉綠素?zé)晒獗嚷? F 690 /F 740) 有明顯上升，說(shuō)明葉綠素?zé)晒饪梢宰鳛闄z測(cè)植物光合作用強(qiáng)弱的一項(xiàng)指標(biāo)。Langsdorf等采用大波長(zhǎng)為340 nm的氙氣燈激發(fā)甜菜葉片，獲取相同4個(gè)波段的熒光圖像及熒光比率圖像，經(jīng)偽彩色處理后，通過(guò)觀察圖像發(fā)現(xiàn)，短波熒光( F₄₄₀和F₅₂₀) 在葉脈部位強(qiáng)度較高，葉綠素?zé)晒? F₆₉₀和 F₇₄₀) 在葉脈間隔部位強(qiáng)度較高，使用F₄₄₀ /F₆₉₀和F₄₄₀ /F₇₄₀這兩個(gè)熒光比率能區(qū)分葉片含氮量的高低。Cadet等對(duì)向日葵正常葉片和分別缺乏氮、磷、鉀的葉片進(jìn)行實(shí)驗(yàn)后發(fā)現(xiàn)，缺磷葉片的紅熒光和遠(yuǎn)紅熒光強(qiáng)度比值( F_RF /F_FRF) 有明顯下；缺鉀葉片的藍(lán)綠熒光強(qiáng)度有明顯上升，并且從藍(lán)綠熒光圖像中可知：葉片的缺鉀癥狀局限在葉尖和葉邊緣部位。Benediktyová 等發(fā)現(xiàn)大量的紫外光子都被葉片表皮吸收，難以到達(dá)葉細(xì)胞更深處，激發(fā)的葉綠素?zé)晒馐治⑷?。因此采用大波長(zhǎng)為455 nm的藍(lán)色LED燈激發(fā)煙草健康葉片和病害葉片的葉綠素?zé)晒猓ㄟ^(guò)葉綠素?zé)晒獾娜S重建圖，將葉片結(jié)構(gòu)可視化，對(duì)不同深度的葉細(xì)胞進(jìn)行偽彩色處理，通過(guò)觀察圖像發(fā)現(xiàn)，受病害浸染的細(xì)胞深度位于健康細(xì)胞下方約25μm處。Pereira 等采用波長(zhǎng)473 nm 的激光激發(fā)柑橘黃龍病葉片，提取熒光圖像的10個(gè)顏色描述符對(duì)葉片感染黃龍病的過(guò)程進(jìn)行跟蹤。結(jié)果發(fā)現(xiàn)，綠色描述符的范圍、均值和標(biāo)準(zhǔn)差等值在染病到發(fā)病的整個(gè)階段都有明顯變化。Pereira 等認(rèn)為該方法可實(shí)現(xiàn)植物病害的無(wú)損檢測(cè)，檢測(cè)過(guò)程無(wú)需樣品預(yù)處理，具有檢測(cè)早期( 染病后1個(gè)月) 患黃龍病柑橘葉片的潛力。Sankaran等選取兩個(gè)品種的柑橘葉片，分別在實(shí)驗(yàn)室條件和自然環(huán)境進(jìn)行實(shí)驗(yàn)，用4種LED燈( 紫外、紅、綠、藍(lán)) 照射葉片，每個(gè)LED燈能激發(fā) 3個(gè)波段熒光(黃、紅、遠(yuǎn)紅) ，總共提取了病害葉片的12個(gè)熒光特征和10個(gè)熒光比率特征，基于這22 個(gè)特征分別用兩種分類方法對(duì)病害葉片和健康葉片進(jìn)行了鑒別。結(jié)果表明，貝葉斯分類法在實(shí)驗(yàn)室條件下的分類準(zhǔn)確率高于85% ，而采用決策樹(shù)分類器的計(jì)算時(shí)間是前者的10多倍，但是后者在實(shí)驗(yàn)室條件和自然環(huán)境都具有更好的識(shí)別能力，分類準(zhǔn)確率高于94%。此外，在22個(gè)特征中，由紫外激發(fā)的黃色熒光( YF_UV) 和由綠光激發(fā)的熒光比率(SFR_G) 能區(qū)分柑橘黃龍病葉片和缺氮葉片。

利用熒光成像技術(shù)監(jiān)測(cè)作物生長(zhǎng)及病害研究，國(guó)內(nèi)學(xué)者也做了大量的研究，如楊昊諭等用中心波長(zhǎng)為473 nm和660 nm的激光，分別在4 種激光強(qiáng)度下激發(fā)黃瓜活體葉片熒光。通過(guò)對(duì)比實(shí)驗(yàn)，確定激發(fā)光源為強(qiáng)度7.5 W、波長(zhǎng)473 nm，并在此激發(fā)條件下，建立葉片熒光參數(shù)F₇₃₂ /F ₆₈₅與葉片葉綠素含量的線性回歸模型。陳兵等研究了黃萎病對(duì)棉花葉片的葉綠素?zé)晒馓匦缘挠绊?，通過(guò)對(duì)熒光參數(shù)的分析可以發(fā)現(xiàn)，隨著病害程度增加，棉花葉片的葉綠素a、葉綠素b和葉綠素總含量均減少，而類胡蘿卜素含量先降后增。結(jié)果表明，病害程度與葉綠素?zé)晒鈪?shù)的相關(guān)性較好。隋媛媛等采集健康、染病3 d和6 d的黃瓜霜霉病葉片的熒光光譜，用一階導(dǎo)數(shù)、主成分分析處理光譜數(shù)據(jù)后，基于小二乘支持向量機(jī)對(duì)*個(gè)主成分進(jìn)行分類和預(yù)測(cè)，結(jié)果表明，使用徑向基核函數(shù)的支持向量機(jī)方法對(duì)黃瓜霜霉病害的分類預(yù)測(cè)能力達(dá)到了97. 73%。張石銳等以水稻葉片為研究對(duì)象，采集了水稻葉片在波長(zhǎng)450 nm的LED燈照射條件下的葉綠素?zé)晒夤庾V，同時(shí)測(cè)量了水稻生長(zhǎng)區(qū)土壤的濕度，建立了基于 Lorentzian 方程的土壤含水量和葉綠素?zé)晒鈴?qiáng)度的回歸模型，結(jié)果表明，該模型的決定系數(shù)達(dá)到0. 99，該方法可以用于土壤水分的檢測(cè)

圖3 不同波段下的熒光圖像

圖4  不同氮肥處理下不同波段的熒光圖像及熒光比值圖像

圖5  473 nm激光激發(fā)熒光光譜及熒光光譜參數(shù) F₇₃₂／F₆₈₅與葉綠素含量關(guān)系

圖6  葉綠素?zé)晒夤庾V及強(qiáng)度與葉片水分利用效率關(guān)系