【技术实现步骤摘要】
本专利技术属于现代农业和计算机，尤其涉及深度学习，具体提供了一种基于多模态的作物早期病害检测方法。
技术介绍
1、植物病害对粮食安全构成重大威胁，水稻纹枯病(shb)是一种具有破坏性的病原菌。纹枯病是水稻中的一种重大病害，可严重影响产量和生产力，特别是在集约种植中，根据感染的严重程度，可导致产量减少20％至50％；此病的流行率激增，主要是由于广泛种植高产半矮秆水稻品种，大量使用氮肥，以及高作物密度培育的有利微环境。纹枯病主要以水稻叶片和鞘为目标。根据环境因素的不同，受感染植株在24-144小时内出现病害症状，在分蘖期危害最大。
2、对纹枯病等疾病的常规诊断在很大程度上依赖于表型观察和人工检查方法，这些方法往往是主观的，容易出错。此外，这些方法通常是在已经发生实质性损害的较晚阶段才识别疾病。这种检测的延迟严重阻碍了有效的疾病管理和控制措施。分子诊断等检测技术的最新进展提高了疾病检测的准确性和及时性，但它们仍然面临成本、复杂性和可扩展性方面的挑战，不适合高通量的现场疾病诊断。这些挑战强调了对能够检测早期无症状感染的精准高效和非侵入性技术的需求。
3、光谱技术和机器学习的最新进展为植物病害检测开辟了新的途径，为非破坏性、快速和精确的监测提供了可能。特别是近红外光谱(nir)，由于其能够捕获超出常规成像技术能力的广泛光谱信息，已成为该领域的强大工具。nir利用植物独特的光谱特征来检测疾病引起的细微生理生化变化。这种非破坏性技术捕获连续光谱上的反射率数据，从而能够识别与疾病症状相关的特定波长。此外，类似于当前研究中
4、虽然有一些研究对shb疾病严重程度的估计和症状晚期感染叶片样品的鉴定进行了研究，但很少有研究致力于在感染早期对shb进行光谱检测，并检查叶片的生化特性。一些研究已经证明，植物生物胁迫的早期反应，表现为植物生理参数或光保护机制的改变，可以使用敏感的光谱指标检测到。微小的光谱和生理变化可能对早期明确鉴定感染样品构成巨大挑战。反射光谱有利于揭示由复杂的植物病原体感染诱导的细微光谱信号。作为表征光谱变化的一种简单有效的工具，特征波段提取也被用于突出感兴趣的因素并抑制其他因素的影响，是植物病害检测的一种流行工具。
5、之前的研究主要集中在独立使用高光谱或生理测量。然而，两种模式的整合，利用其协同潜力，仍然没有得到充分的探索。因此，可以探索利用先进的数学计算方法结合这些数据源来提高shb检测的精度和效率。在这种背景下，深度学习等先进数据分析技术的潜力仍未得到充分挖掘。
6、最近的研究表明，机器学习在植物病害检测中，使用不同的敏感指标作为输入具有明显优势。这些研究虽然提供了所有光谱特征或提取的生化/生物物理特征来构建疾病模型，但并未尝试优化输入变量的组合，从而更有效地检测植物病害。此外，也缺乏对相关光谱特征对病害检测贡献的深入理解。更进一步，研究中没有充分探索将特征波段与关键生理参数有效结合，以提高病害诊断的准确性。以往的研究已经证明，精心选择特征子集的组合可以在不显著降低分类精度的前提下，显著提升分类模型的效率。此外，许多研究发现，输入变量或光谱特征的数量对机器学习算法的性能有显著影响。然而，关于利用光谱信息与生理数据融合的多模态策略在疾病诊断中的应用研究仍然有限。因此，综合光谱与生理特征，通过优化输入变量组合的方法，值得在未来的研究中进一步探索。
7、机器学习和深度学习的最新进展进一步增强了这些诊断方法的潜力。卷积神经网络(cnn)和门控循环单元(gru)已成功应用于处理光谱数据并提取有意义的特征用于疾病分类。然而，通过总结发现，通常的研究方法大多侧重于一维数据的排列和分析，未能充分发挥以cnn为代表的图像识别的优势，值得进一步探索。
技术实现思路
1、本专利技术的目的在于提供一种基于多模态的作物早期病害检测方法，通过搭建一种多模态预测模型，即作物病害检测模型，有效地融合疾病特异性光谱特征和关键协同生理参数，以捕获微妙的症状前变化并达到早期shb感染检测的高准确性；为深度学习在作物早期病害检测方面提供一种探索方案。
2、本专利技术是这样实现的，一种基于多模态的作物早期病害检测方法，所述方法包括以下步骤：
3、基于双支路架构一体化集成卷积神经网络、门控循环单元和多头注意力机制层，构建作物病害检测模型；
4、基于已建立好的实验条件，进行叶片反射率光谱的测量、叶片生理变量的测量，实现数据收集；
5、将收集好的数据作为模型训练、测试用的样本数据，并对所述样本数据进行筛选和预处理，得到样本数据集；
6、通过所述样本数据集对所述作物病害检测模型进行训练和测试；
7、将作物检测用数据输入训练好的作物病害检测模型，输出作物早期病害检测结果。
8、进一步地，所述的实验条件，基于rxz-1000型人工气候室搭建而成，实验的作物为五优稻4号；
9、其中rxz-1000型人工气候室配备：
10、高精度照明：0-8000勒克斯；
11、恒温控制：0-50℃±0.1℃波动；
12、自动湿度控制：50-95％，±3％波动：
13、昼夜循环自动化控制系统：0-99小时；
14、将作物划分为：对照组、模拟感染组和实际感染组，并基于指定的感染技术进行接种；
15、其中指定的感染技术为离体叶片法、微室法、雾室法、菌丝悬浮液喷洒法和菌丝嵌入法中的一种。
16、进一步地，其中，采用光谱仪进行叶片反射率光谱的测量，采用便携式光合仪对叶片进行光合参数的非侵入式原位同步采集，采用便携式调制叶绿素荧光仪在自然和黑暗条件下对叶片中的叶绿素荧光进行非破坏性评估，得到荧光参数；由光合参数、荧光参数共同完成叶片生理变量的测量。
17、其中，光谱仪选择的是手持asd fieldspec2(hh2)光谱仪，以1.5nm的采样间隔精确捕获325至1075nm之间的光谱；对于获得的光谱数据，可以通过使用viewspec pro软件v6.20进行数据处理，简化了光谱数据的收集、可视化和分析；
18、所述的便携式光合仪(型号li-6800)，具有6800-02红蓝光源叶室(圆形，面积2平方厘米，发射波长为660nm和453nm)，可对环境条件进行稳健控制；该设备根据叶腔内二氧化碳和水蒸气的质量平衡计算关键生理参数；这些参数包括净光合速率(a，μmol·m-2·s-1))、蒸腾速率(e，mmol·m-2·s-1))、气孔导度(cond，mol·m-2·s-1)、水总导度(condtotal，molh2o·m-2·s-1)、co2总导度(condco2，molh2o·m-2·s-1)、胞间二氧化碳浓度(ci，μmol·mol-1)、叶表面本文档来自技高网...
【技术保护点】
1.一种基于多模态的作物早期病害检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多模态的作物早期病害检测方法，其特征在于，所述的实验条件，基于RXZ-1000型人工气候室搭建而成，实验的作物为五优稻4号；
3.根据权利要求1所述的基于多模态的作物早期病害检测方法，其特征在于，其中，采用光谱仪进行叶片反射率光谱的测量，采用便携式光合仪对叶片进行光合参数的非侵入式原位同步采集，采用便携式调制叶绿素荧光仪在自然和黑暗条件下对叶片中的叶绿素荧光进行非破坏性评估，得到荧光参数；由光合参数、荧光参数共同完成叶片生理变量的测量。
4.根据权利要求1所述的基于多模态的作物早期病害检测方法，其特征在于，所述基于双支路架构一体化集成卷积神经网络、门控循环单元和多头注意力机制层，构建作物病害检测模型的步骤，具体包括：
5.根据权利要求1所述的基于多模态的作物早期病害检测方法，其特征在于，所述对所述样本数据进行筛选和预处理的步骤，具体包括：
6.根据权利要求1所述的基于多模态的作物早期病害检测方法，其特征在于，在所述将收集好的
7.根据权利要求1所述的基于多模态的作物早期病害检测方法，其特征在于，所述方法还包括：
...【技术特征摘要】
1.一种基于多模态的作物早期病害检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多模态的作物早期病害检测方法，其特征在于，所述的实验条件，基于rxz-1000型人工气候室搭建而成，实验的作物为五优稻4号；
3.根据权利要求1所述的基于多模态的作物早期病害检测方法，其特征在于，其中，采用光谱仪进行叶片反射率光谱的测量，采用便携式光合仪对叶片进行光合参数的非侵入式原位同步采集，采用便携式调制叶绿素荧光仪在自然和黑暗条件下对叶片中的叶绿素荧光进行非破坏性评估，得到荧光参数；由光合参数、荧光参数共同完成叶片生理变量的测量。
4.根据权利要求1所述的基于多模态的作物早期...
【专利技术属性】
技术研发人员：于海业，李晓凯，隋媛媛，张蕾，于跃，姜然哲，张楠，郭柱，付耀辉，
申请(专利权)人：吉林大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。