快速无损监测向日葵寄生杂草地下早期寄生的方法

1.本发明属于作物杂草技术领域，具体涉及快速无损监测向日葵寄生杂草地下早期寄生的方法。


背景技术：

2.向日葵列当(orobanche cumana wallr)是一年生根寄生杂草，主要寄生于向日葵根部，通过与向日葵根系建立寄生关系，吸收向日葵的营养和水分实现全寄生。这种病害主要分布于全球干旱和半干旱地区，其中地中海地区，非洲，欧洲东南部和亚洲等地受到列当危害最为严重，在我国主要以内蒙古巴彦淖尔盟市为代表，已被我国列为进境检疫植物之一。
3.向日葵是世界上重要的经济作物，也是我国五大油料作物之一。向日葵列当一旦寄生到向日葵根部，就会引起向日葵生物量减小、产量降低，严重时可减产80％甚至绝收，且向日葵含油量也会受到严重影响。在世界范围内，列当的防除一直以来都是一大难题。
4.由于列当是根寄生杂草，在列当地下生长阶段就已经对寄主植物的生长造成了严重影响，因此防除列当的关键时期就是地下生长阶段，即向日葵列当早期侵染阶段。目前，防除列当的措施主要是微生物防治、喷施除草剂、人工拔除、利用诱捕作物诱导根除、化学防治以及抗性物种育种等，但每种方法在某种程度上都有一定的局限性。因此迫切需要一种快速无损的方法来诊断这种寄生状态进而采取适当的措施及时防除。这就在向日葵播种和向日葵列当感染后尽早使用诊断工具，在寻找有效的防治方法方面具有广泛的应用，从而提高对向日葵列当的防治效率。


技术实现要素：

5.本发明提供了快速无损监测向日葵寄生杂草地下早期寄生的方法，为快速诊断这种寄生状态进而采取适当的措施及时防除提供有效举措，将大大减少除草剂的使用，保护生态环境。
6.本发明首次利用高光谱技术快速无损监测不同抗性向日葵在寄生杂草向日葵列当早期四个阶段侵染向日葵的方法。
7.本发明通过盆栽试验将三个不同抗性向日葵和向日葵列当进行共培养，模拟寄生杂草在田间的作用过程；试验发现，高感列当向日葵sh361随着向日葵列当的寄生，对照和处理间植株生长差异越来越大，其次是感抗品种三瑞3号，而免疫品种同辉15在寄生的各个阶段对照和处理间株高、干鲜重无显著差异。
8.进一步地，基于高光谱建立了酶活生理指标的定量回归模型(包括可视化)；
9.进一步地，对完成高光谱图像后的向日葵叶片进行后续的生理指标的测定；
10.所述生理指标包括sod抗氧化酶活性，谷胱甘肽还原酶gr，谷胱甘肽含量(gssg+gsh,gsh)，苯丙氨酸解氨酶，多酚氧化酶，及丙二醛含量和ros。
11.进一步地，高光谱技术获取有无寄生、抗性品种的分类模型。
12.与现有技术相比，本发明具有以下有益效果：
13.本发明提供了一种快速无损监测向日葵寄生杂草向日葵列当早期寄生的方法，并进一步发现基于高光谱的向日葵抗性品种识别与列当寄生识别和生理指标快速定量与可视化表征，通过建立模型以期在大田生产中对向日葵列当的寄生做到快速的早期无损监测，为后续具体有效的防控措施的实施提供广泛而有力的技术支持。
附图说明
14.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
15.图1为三个不同抗性向日葵品种在列当寄生不同时期的株高和干鲜重变化。数据为三次重复的平均值(均值
±
se)。*表示turkey多元比较检验p-value《0.05时差异显著，**p-value《0.01，***p-value《0.001，****p-value《0.0001。
16.图2为三个不同抗性向日葵品种在列当寄生不同时期的sod、gr抗氧化酶和非抗氧化酶、苯丙氨酸解氨酶和多酚氧化酶活性变化。数据为三次重复的平均值(均值
±
se)。*表示turkey多元比较检验p-value《0.05时差异显著，**p-value《0.01，***p-value《0.001，****p-value《0.0001。
17.图3为三个不同抗性向日葵品种在列当寄生不同时期的丙二醛、h2o2和o
2-的变化。数据为三次重复的平均值(均值
±
se)。*表示turkey多元比较检验p-value《0.05时差异显著，**p-value《0.01，***p-value《0.001，****p-value《0.0001。
18.图4为向日葵冠层rgb图像和gr,ppo,gsh,gsh+gssg的酶活分布图，样品分别为培养10天后的(a)sh-ck组样品，(b)sh-or组样品，(c)sr-ck组样品，(d)sr-or组样品，(e)th-ck组样品，(f)th-or组样品，及培养31天后的(g)sh-ck组样品，(h)sh-or组样品，(i)sr-ck组样品，(j)sr-or组样品，(k)th-ck组样品，(l)th-or组样品。
19.图5(a)可见光-近红外区未感染(黑色)和感染(灰色)样品，(b)可见光-近红外区未感染和感染样品，(c)可见光-近红外区sh361(黑色)、sr3(深灰色)和th15(浅灰色)样品，(d)可见光-近红外区sh361、sr3、th15样品。阴影说明了反射率的标准误差。
20.图6为(a)基于融合数据的elm模型，(b)基于cars提取融合数据特征的elm模型、(c)基于酶活性敏感特征的elm模型和(d)基于spa从联合特征中重新提取特征的elm模型的品种识别测试集的混淆矩阵。
21.图7为不同阶段样品的近似冠层面积。在这个阶段，深灰色表示样本被感染，浅灰色表示样本未被感染。a，b，c，d分别表示向日葵与列当共培养10天，17天，24天和31天后向日葵叶片冠层近似面积。
具体实施方式
22.下面结合具体实施例对本发明作进一步描述，以下列举的仅是本发明的具体实施例，但本发明的保护范围不仅限于此。
23.本发明中采用的材料：所述向日葵列当(中国目前最高生理小种g)和向日葵(sh361，三瑞3号，同辉15)的种子均由内蒙古农牧科学研究院植保所提供。向日葵品种sh361对向日葵列当100％易感，三瑞3号对向日葵列当高抗但会寄生，同辉15对向日葵列当
100％免疫。
24.实施例1
25.2材料与方法
26.2.1向日葵种子的预处理和萌发
27.以高感、高抗和免疫品种向日葵作为实验材料，选取饱满健康的向日葵种子剥除外种皮，于75％无水乙醇溶液中消毒1min，用蒸馏水冲数次后，放入培养皿中，内含蒸馏水的两层滤纸，在25℃黑暗条件下培养48h，催芽、生根。分别与向日葵列当共培养，以各自品种未共培养的向日葵作为对照，在列当寄生前期(共培养10天)，刚寄生上(共培养17天)，寄生后一周(共培养24天)，两周(共培养31天)后取长势一致的植株进行各项指标测定，每个组至少六次重复。
28.2.2向日葵与向日葵列当共培养体系的建立
29.将已发芽的具有相同长度根的种子移栽到基质为泥炭土和蛭石(质量比1：1)的育苗盆中。取200mg的列当种子与0.5kg上述基质均匀混合用于向日葵与列当的共培养。田间试验表明向日葵品种sh361对向日葵列当高度感性，三瑞三号对向日葵列当高度抗性，而th15对向日葵列当高度免疫。培养条件如下：光照周期16/8h，光照强度300μmol m-2
s-1
，昼夜温度为24/20℃，相对湿度60％-70％。
30.3.形态指标
31.形态指标包括向日葵地上、地下生长状况和向日葵的高度、鲜重和干重。将鲜样置于70
±
5℃的烘箱中5天用于测量干重。
32.结果如图1所示。
33.在向日葵列当寄生前(向日葵与列当共培养10天)，地上部分向日葵各个品种的对照和处理之间无显著差异，地下根部各个品种及处理间列当也无寄生现象；向日葵与列当共培养17天后，地上部分高感与高抗品种对照长势略高于处理，地下根部出现列当寄生现象，且高感品种列当大小，数量大于高抗品种，免疫品种地上、地下对照和处理间无显著差异且无列当寄生；向日葵与列当共培养24天后，地上部分高感与高抗品种对照长势显著高于处理，地下根部列当大小都增大，且高感品种列当大小，数量大于高抗品种，免疫品种地上、地下对照和处理间无显著差异且无列当寄生；向日葵与列当共培养31天(寄生两周后)，地上部分高感与高抗品种对照长势显著高于处理，地下根部列当大小都增大，且高感品种列当大小，数量大于高抗品种，高感品种列当即将出土，免疫品种地上、地下对照和处理间无显著差异且仍无列当寄生。
34.由图1可知，被向日葵列当寄生后，向日葵植株的株高在高感品种sh361中显著降低，且随着寄生时间的延长而降低程度增大；鲜重和干重在列当寄生后一周高感与高抗品种分别与对照相比显著降低，且同一时间段不同品种在处理间株高、和干鲜重也存在不同程度的显著差异。
35.4.高光谱成像系统与图像采集
36.通过自搭建的可见近红外高光谱成像系统获取向日葵冠层高光谱图像。高光谱成像系统由一台可见近红外(vis-nir)成像光谱仪(imspector v10e；spectral imaging ltd.,oulu,finland)和一台短波近红外(swir)成像光谱仪(imspector n17e,spectral imaging ltd.,oulu,finland)，(覆盖波段分别为380-1023nm(分辨率2.8nm)和874-1734nm
(分辨率3.35nm))、两台高性能相机(hamamatsu；hamamatsu city,japan&xeva 992；xenics infrared solutions,leuven,belgium)(分辨率分别为672
×
512(空间
×
光谱)像素，320
×
256(空间
×
光谱)像素)、两个相机镜头(oles22；specim,spectral imaging ltd.,oulu,finland)、两个150w卤素灯(fiber-lite dc950 illuminator；dolan jenner industries inc.,boxborough,ma,usa)和一个步进电机驱动传送带(isuzu optics corp,taiwan,china)组成。
37.分别采集向日葵冠层的vis-nir图像与swir图像。将盆栽向日葵置于传送带。采集vis-nir图像时，将镜头与向日葵冠层距离调节为27cm，相机曝光时间设为35ms，传送带传送速度设定为3.2mm/s以保证成像清晰且无畸变。采集swir图像时，上述参数分别设置为24cm，3.2ms和15mm/s。
38.原始光谱经黑白版校正后获得反射率高光谱图像。校正公式如下(zhou&leul,1999)：
[0039][0040]
ic为校正后图像，iraw为原始图像，w为白板图像，b为黑板图像。
[0041]
高光谱图像中，向日葵冠层叶片为感兴趣区域(region of interest,roi)，通过阈值分割法分割roi并提取roi范围的像素点光谱。由于光谱首尾段存在随机噪声，截取408-1023nm(488bands)与874-1734nm(256bands)用于后续研究。以每个样本图像roi像素点光谱的平均光谱作为样本光谱。将vis-nir与swir光谱直接拼接作低级融合，在后续研究中，分别基于vis-nir、swir与融合光谱作为输入数据建立模型。
[0042]
实施例1生理参数的测定
[0043]
对三个不同抗性品种向日葵包括高感品种sh361，感抗品种三瑞3号和免疫品种同辉15在向日葵受向日葵列当寄生早期包括寄生前，刚寄生上，寄生后一周，两周(共培养10天，17天，24天和31天)四个向日葵列当地下生长阶段的生理指标包括sod抗氧化酶活性，谷胱甘肽还原酶gr，谷胱甘肽含量(gssg+gsh,gsh)，苯丙氨酸解氨酶，多酚氧化酶，及丙二醛含量和ros进行检测。
[0044]
1.sod酶的测定
[0045]
sod活性测定用nbt法(zhang等，2008)。反应体系共3ml，包含50mm磷酸缓冲液(ph 7.8)，13mm l-甲硫氨酸，75μm nbt，0.1mm edta，2μm核黄素和100μl酶提取液。反应混合液在4000lx条件下反应20min，在560nm波长下比色，以抑制nbt光化还原的50％为一个酶活性单位计算出sod活性。
[0046]
2.gr的测定
[0047]
gr活性测定方法是根据jiang and zhang(2002)的方法改良而来。反应体系为3ml，包括2.7ml磷酸钠缓冲液50mm(ph 7.8,含2mm的edta-na2)，100μl的2.4mm nadph，100μl 10mm的氧化型谷胱甘肽(gssg)和100μl上清液。空白调零管加入100μl提取液(50mm磷酸钾缓冲液(ph 7.8))反应体系在340nm测定10s和190s的吸光度，计为a1和a2，
△
a＝a1-a2。消光系数6.2mm-1
cm-1
。
[0048]
3.gsh+gssg含量的测定
[0049]
gsh+gssg含量的测定根据law等(1983)的方法改良而来，700μl 0.3mm nadph和
100μl的6mm dtnb(5,5
’‑
二硫代-2-硝基苯甲酸)，50μl的gr(10u/ml)，150μl上清液。测412nm处的吸收值变化(以加磷酸缓冲液代替dtnb试剂作空白对照)，空白管：120μl蒸馏水代替上清液。测412nm处的吸收值变化。
[0050]
4.gsh含量的测定
[0051]
500μl上清液中加入1.5ml pbs(磷酸钠缓冲液，0.1m,含5mm edta,ph 8.0)混合物，naoh调节混合物至ph为8.0，取上述混合物0.5ml加入1.4ml 0.1m的pbs(ph 8.0)和100μl opt(邻苯二甲醛，0.1g kg-1
)充分混匀，室温反应15min，测412nm处的吸收值变化(以加磷酸缓冲液代替opt试剂作空白对照)。
[0052]
5.pal的测定
[0053]
称取样品鲜样0.1g，加入2ml含5mmol/l的巯基乙醇的硼酸缓冲液(含少量聚乙烯吡咯烷酮(pvp))冰浴研磨，然后离心(10000rpm，4℃)15min，上清液为酶粗提液。测定苯丙氨酸解氨酶：1ml上清液中分别加入1ml 0.02mol/l苯丙氨酸，2ml蒸馏水(0.05mol/l硼酸盐缓冲溶液)，以1ml蒸馏水(硼酸盐缓冲溶液)代替酶液为对照。反应液置恒温水浴30℃中保温30min，后加0.2ml 6mol/lhcl终止反应。在290nm处测定吸光度od值。以每小时在290nm处吸光度变化0.01所需酶量为一单位(相当每毫升反应混合物形成1μg肉桂酸)。
[0054]
6.ppo的测定
[0055]
称取待测材料0.5g，加入0.30g pvpp，适量石英砂和10ml柠檬酸-磷酸缓冲液(ph 5.6)，冰浴研磨成匀浆后，置于4℃冰箱中浸提12h，然后8000rpm离心15min，上清液即粗酶液。测定多酚氧化酶：1ml粗酶液与3ml反应混合液(柠檬酸-磷酸缓冲液(ph 6.0)+0.1％脯氨酸溶液+1.5％邻苯二酚溶液按10：2：3混合)分别在37℃恒温水浴5min后混合(注意：上述两种溶液分别水浴后混合，此处测一次酶活)，反应10min后立即加入1mol/l偏磷酸溶液3ml终止反应，测定在460nm处的吸光度，空白对照液中用ph 6.0缓冲液代替邻苯二酚。
[0056]
7.mda的测定
[0057]
丙二醛含量根据zhou and leul(1999)用硫代巴比妥酸显色法改良后测定。2ml上清酶液加入5ml 0.5％的硫代巴比妥酸(tba，10％三氯乙酸配制)溶液在95℃水浴反应30min，立即冰浴；5000g离心10min，取上清液在532nm和600nm处进行比色，差值用于计算mda含量，消光系数为155mm-1cm-1
。
[0058]
8.h2o2的测定
[0059]
h2o2的测定根据velikova等的方法(2000)，反应体系2ml，包含0.5ml上清液，0.5ml的10mm磷酸钾缓冲液(ph 7.0)和1ml的1m碘化钾。室温(28℃)反应1hr，390nm处吸光值。根据标曲计算。
[0060]
9.o
2-的测定
[0061]o2-的测定根据jiang和zhang(2001)的方法改良而来，0.5ml样品提取液与1ml 50mm磷酸钠缓冲液(ph7.8)和0.5ml 10mm盐酸羟胺，摇匀，25℃保温1h，加入2ml 17mm对氨基苯磺酸和2ml 7mmα-萘胺，混合，25℃保温20分钟，分光光度计测定530nm处的吸光值。
[0062]
结果：
[0063]
图3和图4分别显示的是不同抗性品种向日葵在向日葵列当寄生的四个阶段叶中抗氧化酶活性、mda和ros的变化。
[0064]
与对照组相比，与向日葵列当共培养17天后，高感和高抗品种向日葵的叶中sod、
pal和ppo分别与对照相比显著增高，说明在列当侵染下，通过提高抗氧化酶活性来抑制ros等的产生；相同条件下，与阳性对照相比，gr的活性在高抗品种三瑞3号中显著增强，且与对照相比增加了100.89％；共培养24天后，与阳性对照相比，gr的活性在高感和高抗品种中也显著增强；与对照组相比，向日葵列当寄生一周(共培养24天)后，pal活性在高感和高抗品种中显著升高，寄生两周后，pal在高抗品种中显著增高，高感品种中反而显著降低(图3)。
[0065]
与阳性对照相比，向日葵与向日葵列当共培养24天后，高感、高抗品种的mda含量和h2o2、o
2-都显著升高；向日葵与向日葵列当共培养31天后，免疫品种mda含量显著增高，高感、高抗品种与对照组相比反而分别降低(图4)。
[0066]
总的来说，不同抗性品种应对向日葵列当侵染的逆境胁迫，通过调节抗氧化物酶、mda和ros的迅速积累来抵御逆境带来的伤害。
[0067]
实施例2生理指标快速定量与可视化表征
[0068]
对于sod、gr、mda、h2o2、o2-、pal、ppo、gsh、gsh+gssg共9种生理指标，分别基于vis-nir、swir和融合光谱建立偏最小二乘回归(plsr)、最小二乘-支持向量机(ls-svm)、径向基函数神经网络(rbfnn)模型，并优选各指标的最优定量模型。
[0069]
通过连续投影算法(spa)与竞争自适应重加权抽样法(cars)分别提取9种生理指标的特征波段，并分别基于特征波段子集建立模型，依据模型性能优选9种生理指标相关性最高的敏感波段。
[0070]
高光谱图像兼具向日葵冠层空间与光谱信息，克服了传统化学检测方法无法表征同一向日葵植株冠层酶活分布的缺陷。首先，通过多远散射校正法(msc)、savizkg-golag平滑对冠层像素点光谱进行预处理，再通过中值滤波对各波段的图像进行预处理，以消除随机噪声影响。将预处理后的像素点光谱输入优选的生理指标定量模型，获得向日葵冠层各像素点对应生理指标(酶活)值，并通过伪彩图可视化表征向日葵冠层不同位置的生理指标值。
[0071]
结果：
[0072]
分别基于vis-nir、swir、融合光谱建立了9种生理指标的plsr、ls-svm、rbfnn模型，最优模型的方法、参数与结果如表1所示。各指标最优模型均获得了可接受的结果(rpd均高于1.4)，gr，ppo，gsh，gsh+gssg的最优模型取得了很好的结果，rpd分别为2.12，3.12，4.33，3.75。基于cars、spa提取特征建立的最优模型的结果列于表1，依据最优模型，9种生理指标相关的敏感波段列于表2。
[0073]
由于gr，ppo，gsh和gsh+gssg四种指标的最优模型取得了较为准确的结果，选取这4种指标进行分布可视化研究。随机选取了6种处理组中培育了10天和31天的共12株向日葵的冠层高光谱图像，通过像素点光谱与最优模型获得了4种生理指标的定量分布预测图，如图4所示。不同酶活具有不同的分布特征，gr和ppo更多分布在叶片尖端，而gsh和gsh+gssg的分布更均匀。
[0074]
结果表明，不同抗性品种的向日葵在不同列当寄生阶段也表现出不同的酶活分布特征。基于高光谱的酶活分布可视化表征对于快速感知逆境下的向日葵生理状态具有重要意义。
[0075]
表1基于全谱与特征的9种生理指标最优定量模型
[0076][0077]1plsr的模型参数为nlv，ls-svm的模型参数为gam和sig2，rbfnn的模型参数为隐藏层节点数。
[0078]
表2 cars或spa筛选的9种生理指标的敏感波段
[0079][0080]
实施例3向日葵抗性品种识别与寄生识别
[0081]
1、基于敏感光谱波段的识别模型
[0082]
由于不同抗性品种向日葵的生理指标在不同实验处理下呈现较为显著的差异，推
测与生理指标相关的敏感波段与向日葵的抗性品种特性与寄生特性也存在高度相关性。结合数据驱动与经验驱动方法，将生理指标敏感波段与spa、cars特征提取方法相结合，筛选向日葵抗性品种与寄生特性敏感光谱特征波段，作为输入数据，建立极限学习机(elm)、支持向量机(svm)和偏最小二乘判别分析(pls-da)模型，筛选对向日葵抗性品种特性与寄生特性高度敏感的特征波段，优选结构简单、精度高的光谱驱动向日葵抗性品种识别模型和寄生早期识别模型。
[0083]
结果：
[0084]
感染株与未感染株、三种抗性品种向日葵的平均反射率光谱如图5所示，各类向日葵反射率在不同波段呈不同特征。基于融合数据、cars提取融合数据特征、酶活性敏感特征、spa从联合特征中重新提取特征的elm模型的品种识别测试集的混淆矩阵如图6所示。
[0085]
对于向日葵寄生识别，基于295个生理指标敏感波段的模型，和经cars或spa特征再提取建立的最优模型结果如表3所示。基于生理指标敏感波段的elm模型的训练集与测试集预测准确率分别为98.96％，97.92％，测试集的精准率、召回率和f1-score分别为90.91％，100％和95.24％，表明生理指标敏感波段与向日葵列当寄生特性同样高度相关。经cars和spa特征再提取后，模型自变量数分别减少至31和14，基于这些变量的elm模型预测集准确率分别为97.92％、95.83％。综合考虑模型复杂性与精准性，选取基于敏感波段spa特征再提取的elm为最优模型，对应向日葵列当寄生特性敏感波段为410,414,433,560,661,686,710,908,918,941,942,1656,1693,1707nm。
[0086]
结果表明，对于向日葵抗性品种识别，由于不同抗性品种间的生理指标差异不太显著，通过cars从融合光谱中提取62的特征波段，与295个生理指标敏感波段结合，组成含有331个波段的联合特征，分别建立基于联合特征和cars或spa特征再提取的模型，最优结果如表3所示。基于联合特征spa特征再提取的elm模型结果最优，训练集与预测集准确率分别为96.88％和95.83％，并将模型自变量数减少至12。综合考虑模型复杂性与精准性，选取基于联合特征spa特征再提取的elm为最优模型，对应向日葵列当抗性品种特性敏感波段为408,414,434,558,696,911,931,959,1023,1460,1656,1707nm。
[0087]
表3基于不同输入光谱与特征筛选方法的最优模型结果
[0088][0089]
注：表中的敏感波段指对生理指标敏感的295个特征波段。
[0090]
2、基于敏感3波段图像的识别模型
[0091]
向日葵冠层高光谱图像为高维数据，兼具其表型图像信息与光谱信息，在1.5.1提取特征波段的基础上，进一步融合光谱与图像特征，提取并重组敏感3波段图像。流程如下：从敏感特征波段中提取所有3波段组合，并建立基于所有3波段光谱组合的elm模型，依据elm模型分类准确率，从中筛选具有最高分类精度的3波段组合，最后提取这3波段各自对应的反射率图像并重组成3通道图像，实现高维高光谱图像的降维与有效信息提取。通过旋转、翻转、增加噪点等数据增强方法扩充图像数据集。随机选取原训练集中30％的图像作为验证集，剩余70％依然作为训练集，训练预训练的resnet18网络，经参数优化后将初始学习率设为0.01，验证频率设为15，max epoch设为30，minibatch size设为64。
[0092]
结果：
[0093]
向日葵高光谱图像冠层roi像素点数可以近似表征其冠层叶面积，不同时期、不同品种的近似叶面积如图7所示。不同抗性品种的向日葵在不同实验处理下，呈现不同的冠层叶面积变化趋势，其图像特征可一定程度表征其表型变化信息。
[0094]
从对向日葵列当寄生敏感的14个特征波段和对向日葵抗性品种敏感的12个特征
波段中分别组成了76个和40个3波段组合，分别基于三波段组合建立elm后，筛选出分类准确性最高的三波段组合，如表4所示。基于所有筛选得到的三波段组合，从高光谱图像中提取敏感3波段图像，并建立基于resnet18框架的cnn模型，所有模型的结果如表4所示。
[0095]
结果表明，对于向日葵寄生识别，以411，560，941nm三波段图像为输入数据建立的模型分类准确率最高，为95.83％，与基于14个敏感光谱波段建立的elm模型的准确率相同。对于向日葵抗性品种识别，以1460，1656，1707nm三波段图像为输入数据建立的模型分类准确率最高，为97.92％，高于所有基于光谱建立的模型。可能是不同抗性品种的向日葵的图像特征差异相对更为显著。
[0096]
表4基于cnn的3波段图像向日葵品种和向日葵列当寄生分类模型结果
[0097]

技术特征：
1.快速无损监测向日葵寄生杂草地下早期寄生的方法，其特征在于：利用高光谱成像系统对不同抗性水平向日葵在不同寄生阶段的寄生状况通过cnn模型建模的方法。2.根据权利要求1所述的快速无损监测向日葵寄生杂草地下早期寄生的方法，其特征在于：利用高光谱成像系统对抗氧化酶、苯丙氨酸解氨酶、多酚氧化酶的活性的检测判定寄生状况的方法。3.根据权利要求1所述的快速无损监测向日葵寄生杂草地下早期寄生的方法，其特征在于：利用高光谱成像系统对mda含量和ros的检测判定寄生状况的方法。4.根据权利要求1所述的快速无损监测向日葵寄生杂草地下早期寄生的方法，其特征在于：利用高光谱成像系统对谷胱甘肽代谢的检测判定寄生状况的方法。5.根据权利要求1所述的快速无损监测向日葵寄生杂草地下早期寄生的方法，其特征在于：基于高光谱建立了酶活生理指标的定量回归模型与gr、ppo、gsh、gsh+gssg定量可视化表征方法。6.根据权利要求1所述的快速无损监测向日葵寄生杂草地下早期寄生的方法，其特征在于：高光谱技术获取有无寄生、抗性品种的分类模型。

技术总结
本发明属于作物杂草防控技术领域，尤其本发明提供了快速无损监测向日葵寄生杂草向日葵列当地下早期寄生的方法，本发明首次利用高光谱技术快速无损监测不同抗性向日葵在寄生杂草向日葵列当早期四个阶段侵染向日葵的方法，基于生理指标敏感波段的ELM模型对向日葵种植后10、17、24和31天的感染株和未感染株以及不同品种的植株进行分类,准确率分别为95.83％和95.83％。结合高光谱图像的空间和光谱特征，3波段图像数据集通过CNN模型得到了95.83％和97.92％的准确率，表明多光谱成像系统在检测任务中的潜力，通过这些模型，我们可以很容易地实现对向日葵列当早期寄生阶段的预警。预警。预警。


技术研发人员：李娟娟 潘恬恬 黄倩 许玲 张康妮 刘飞 周伟军
受保护的技术使用者：浙江大学
技术研发日：2023.05.25
技术公布日：2023/8/14