2022年10月11日，西北农林科技大学机电学院赵艳茹博士在农林科学类期刊Computers and Electronics in Agriculture（中科院二区Top期刊）在线发表了题为 “Hyperspectral Imaging Coupled with Dual-channel Convolutional Neural Network for Early Detection of Apple Valsa Canker”的研究论文。西北农林科技大学机电学院为第一单位，2018级本科生崔蕊艳为第一作者，赵艳茹博士为通讯作者。
准确评估苹果树的状态对于果园精确管理至关重要。腐烂病作为制约我国苹果的产量和质量的重要因素，其病菌侵染的枝条在早期感染阶段的无症状特性加大了果园中快速、高通量检测腐烂病的难度。高光谱成像（HSI）作为一种应用广泛的植物病害检测技术，其高维度、信息冗余的特性给探索有效的HSI分析方法仍带来了一定挑战。本研究基于苹果枝条的光谱和空间信息，利用不同的光谱预处理算法，建立一种双通道卷积神经网络（DC-CNN）模型（结合1D-CNN和3D-CNN）以实现苹果树腐烂病的早期检测。并基于梯度加权类激活映射（Grad-CAM）算法构造显著图和梯度直方图以可视化解释模型的分类机制。结果表明，经多元散射校正（MSC）预处理后的光谱结合图像建立的模型性能最好，对苹果树早期腐烂病的分类准确率达到98%。本研究证明了HSI结合DC-CNN在苹果腐烂病的早期检测中的可行性，且可视化解释有助于增强DC-CNN模型的解释性和可用性。
图1 DC-CNN模型结构图
图2 健康及病害样本的检测结果显著图
研究工作得到了国家自然科学基金经费资助。
原文链接：https://authors.elsevier.com/c/1fumxcFCSTf2M