近年來高光譜成像技術(shù)在農(nóng)業(yè)中得到了廣泛的應(yīng)用，主要表現(xiàn)在快速、精確地進行作物生長信息的提取、作物長勢監(jiān)測、作物脅迫監(jiān)測、估算植被 (作物 )初級生產(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)測預(yù)報等方面。其中，高光譜熒光成像技術(shù)在植物長勢監(jiān)測、病蟲害脅迫方面顯示出巨大的潛力。該技術(shù)能用計算機模擬人的視覺功能，不破壞也不影響植株生長，從植物的熒光圖像中提取顏色、紋理、熒光強度等信息進行處理并加以分析，最終用于實際檢測，是植物病害檢測的重要手段。

1.1  植物熒光原理

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

圖1波長 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個波段: 藍（波長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熒光；紅光（波長 640-780 nm），只能被葉綠素吸收，因而相比藍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)遠紅波段的葉綠素熒光；綠光（波長 500 ～ 560 nm），被葉綠素吸收，但是吸收量很小，因而相比藍、紅光，綠光可以到達葉片的深度最大，能激發(fā)葉綠素熒光；紫外光（280 ～315 nm）既能激發(fā)葉綠素熒光，還能激發(fā)短波熒光。

圖2葉面截圖

1.2  國內(nèi)外研究進展

利用葉綠素熒光可以對植物的生長狀況和各類營養(yǎng)元素缺乏癥狀進行鑒別。Subhash 等利用波長355 nm 的氙氣燈作為激發(fā)光源，采集了煙草葉片4個波段( 中心波長分別為 440、520、690 和 740 nm)的熒光，分析了各波段的熒光比率對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，葉綠素熒光比率( F 690 /F 740) 有明顯上升，說明葉綠素熒光可以作為檢測植物光合作用強弱的一項指標。Langsdorf等采用最大波長為340 nm的氙氣燈激發(fā)甜菜葉片，獲取相同4個波段的熒光圖像及熒光比率圖像，經(jīng)偽彩色處理后，通過觀察圖像發(fā)現(xiàn)，短波熒光( F440和F520) 在葉脈部位強度較高，葉綠素熒光( F690和 F740) 在葉脈間隔部位強度較高，使用F440 /F690和F440 /F740這兩個熒光比率能區(qū)分葉片含氮量的高低。Cadet等對向日葵正常葉片和分別缺乏氮、磷、鉀的葉片進行實驗后發(fā)現(xiàn)，缺磷葉片的紅熒光和遠紅熒光強度比值( FRF /FFRF) 有明顯下；缺鉀葉片的藍綠熒光強度有明顯上升，并且從藍綠熒光圖像中可知：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，難以到達葉細胞更深處，激發(fā)的葉綠素熒光十分微弱。因此采用最大波長為455 nm的藍色LED燈激發(fā)煙草健康葉片和病害葉片的葉綠素熒光，通過葉綠素熒光的三維重建圖，將葉片結(jié)構(gòu)可視化，對不同深度的葉細胞進行偽彩色處理，通過觀察圖像發(fā)現(xiàn)，受病害浸染的細胞深度位于健康細胞下方約25μm處。Pereira 等采用波長473 nm 的激光激發(fā)柑橘黃龍病葉片，提取熒光圖像的10個顏色描述符對葉片感染黃龍病的過程進行跟蹤。結(jié)果發(fā)現(xiàn)，綠色描述符的范圍、均值和標準差等值在染病到發(fā)病的整個階段都有明顯變化。Pereira 等認為該方法可實現(xiàn)植物病害的無損檢測，檢測過程無需樣品預(yù)處理，具有檢測早期( 染病后1個月) 患黃龍病柑橘葉片的潛力。Sankaran等選取兩個品種的柑橘葉片，分別在實驗室條件和自然環(huán)境進行實驗，用4種LED燈( 紫外、紅、綠、藍) 照射葉片，每個LED燈能激發(fā) 3個波段熒光(黃、紅、遠紅) ，總共提取了病害葉片的12個熒光特征和10個熒光比率特征，基于這22 個特征分別用兩種分類方法對病害葉片和健康葉片進行了鑒別。結(jié)果表明，貝葉斯分類法在實驗室條件下的分類準確率高于85% ，而采用決策樹分類器的計算時間是前者的10多倍，但是后者在實驗室條件和自然環(huán)境都具有更好的識別能力，分類準確率高于94%。此外，在22個特征中，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)測作物生長及病害研究，國內(nèi)學者也做了大量的研究，如楊昊諭等用中心波長為473 nm和660 nm的激光，分別在4 種激光強度下激發(fā)黃瓜活體葉片熒光。通過對比實驗，確定最佳激發(fā)光源為強度7.5 W、波長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棉花葉片的葉綠素熒光特性的影響，通過對熒光參數(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，病害程度與葉綠素熒光參數(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，用一階導數(shù)、主成分分析處理光譜數(shù)據(jù)后，基于最小二乘支持向量機對前10個主成分進行分類和預(yù)測，結(jié)果表明，使用徑向基核函數(shù)的支持向量機方法對黃瓜霜霉病害的分類預(yù)測能力達到了97. 73%。張石銳等以水稻葉片為研究對象，采集了水稻葉片在波長450 nm的LED燈照射條件下的葉綠素熒光光譜，同時測量了水稻生長區(qū)土壤的濕度，建立了基于 Lorentzian 方程的土壤含水量和葉綠素熒光強度的回歸模型，結(jié)果表明，該模型的決定系數(shù)達到0. 99，該方法可以用于土壤水分的檢測

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  葉綠素熒光光譜及強度與葉片水分利用效率關(guān)系