«上一篇/Previous Article|本期目录/Table of Contents|下一篇/Next Article»

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:

第51卷

期数:

2023年第9期

页码:

17-25

栏目:

专论与综述

出版日期:

2023-05-05

文章信息/Info

Title:

Research progress on early detection techniques for common diseases of Solanaceae crops

作者:

沈梦姣¹; 侯海敏¹; 赵宏²; 张楷文¹; 张艳¹

1.贵阳学院农产品无损检测工程研究中心，贵州贵阳 550005； 2.贵州省贵阳市蔬菜技术推广站，贵州贵阳 550007

Author(s):

Shen Mengjiao; et al

关键词:

茄科作物; 常见病害; 早期检测技术; 高光谱成像; 红外热成像

Keywords:

-

分类号:

S127；TP391.41

DOI:

-

文献标志码:

A

摘要:

以番茄、马铃薯、烟草为主的茄科作物在全球经济作物中占据重要地位。然而，茄科作物在生长过程中易受早疫病、晚疫病等多种病害侵染，病害的发病率高且危害范围广，严重制约了其生产发展的稳定性。利用实时、快速、无损的检测技术在茄科作物病害显症之前进行早期诊断，可以显著降低产量损失、提高质量，对科学指导生产具有重要意义。本文首先对茄科作物的常见病害的类型、病原菌、主要危害作物及发病症状进行概述，给出对应的病害典型图片；再简单介绍作物病害的传统检测技术，并与新型检测技术作对比分析，总结优缺点；接着系统阐述如可见光图像识别技术、红外热成像技术及高光谱成像技术等新型检测技术的基本原理与相关研究进展及其应用局限。其中，重点介绍高光谱成像技术用于作物病害检测的原理机制和常规检测流程，综述其应用于茄科作物病害早期检测的国内外研究进展，总结列出了部分茄科作物病害研究的重要检测波段；最后，指出了目前试验方法存在的不足并探讨了未来研究发展的方向。

Abstract:

-

参考文献/References:

［1］中国科学院中国植物志编辑委员会. 中国植物志(第7卷)［M］. 北京：科学出版社，1978.
［2］FAO. FAOSTAT［DB/OL］.［2022-06-01］. https：//www.fao.org/faostat/en/#data/QCL.
［3］杨泳波，赵远洋，李振波，等. 基于胶囊SE-Inception的茄科病害识别方法研究［J］. 图学学报，2022，43(1)：28-35.
［4］Scholthof K B G，Adkins S，Czosnek H，et al. Top 10 plant viruses in molecular plant pathology［J］. Molecular Plant Pathology，2011，12(9)：938-954.
［5］Rybicki E P. A Top Ten list for economically important plant viruses［J］. Archives of Virology，2015，160(1)：17-20.
［6］Panno S，Davino S，Caruso A G，et al. A review of the most common and economically important diseases that undermine the cultivation of tomato crop in the Mediterranean Basin［J］. Agronomy，2021，11(11)：2188.
［7］King K C，Lively C M. Does genetic diversity limit disease spread in natural host populations？［J］. Heredity，2012，109(4)：199-203.
［8］Singh V K，Singh A K，Kumar A. Disease management of tomato through PGPB：current trends and future perspective［J］. 3 Biotech，2017，7(4)：255.
［9］程术希. 基于光谱和成像技术的作物病害不同侵染期快速检测方法研究［D］. 杭州：浙江大学，2014：2-3.
［10］Martinelli F，Scalenghe R，Davino S，et al. Advanced methods of plant disease detection［J］. Agronomy for Sustainable Development，2015，35(1)：1-25.
［11］王彦翔，张艳，杨成娅，等. 基于深度学习的农作物病害图像识别技术进展［J］. 浙江农业学报，2019，31(4)：669-676.
［12］党满意，孟庆魁，谷芳，等. 基于机器视觉的马铃薯晚疫病快速识别［J］. 农业工程学报，2020，36(2)：193-200.
［13］Chen X，Zhou G，Chen A，et al. Identification of tomato leaf diseases based on combination of ABCK-BWTR and B-ARNet［J］. Computers and Electronics in Agriculture，2020，178：105730.
［14］Trivedi N K，Gautam V，Anand A，et al. Early detection and classification of tomato leaf disease using high-performance deep neural network［J］. Sensors，2021，21(23)：7987.
［15］Berni J，Zarco-Tejada P J，G Sepulcre-Cantó，et al. Mapping canopy conductance and CWSI in olive orchards using high resolution thermal remote sensing imagery［J］. Remote Sensing of Environment，2009，113(11)：2380-2388.
［16］徐小龙，蒋焕煜，杭月兰. 热红外成像用于番茄花叶病早期检测的研究［J］. 农业工程学报，2012，28(5)：145-149.
［17］Raza S E A，Prince G，Clarkson J P，et al. Automatic detection of diseased tomato plants using thermal and stereo visible light images［J］. PLoS One，2015，10(4)：e0123262.
［18］朱文静，李林，李美清，等. 红外热成像与近红外光谱结合快速检测潜育期番茄花叶病［J］. 光谱学与光谱分析，2018，38(9)：2757-2762.
［19］Chaerle L，Caeneghem W V，Messens E，et al. Presymptomatic visualization of plant-virus interactions by thermography［J］. Nature Biotechnology，1999，17(8)：813-816.
［20］冯雷，高吉兴，何勇，等. 波谱成像技术在作物病害信息早期检测中的研究进展［J］. 农业机械学报，2013，44(9)：169-176.
［21］Morellos A，Tziotzios G，Orfanidou C，et al. Non-destructive early detection and quantitative severity stage classification of Tomato Chlorosis Virus (ToCV) infection in young tomato plants using vis-NIR Spectroscopy［J］. Remote Sensing，2020，12(12)：1920.
［22］Najjar K，Abu-Khalaf N.Visible/near-infrared (vis/nir) spectroscopy technique to detect gray mold disease in the early stages of tomato fruit［J］. Journal of Microbiology，Biotechnology and Food Sciences，2021，11(2)：e3108.
［23］Azadshahraki F，Sharifi K，Jamshidi B，et al. Diagnosis of early blight disease in tomato plant based on visible/near-infrared spectroscopy and principal components analysis-artificial neural network prior to visual disease symptoms［J］. Infrared Spectroscopy，2022，12(1)：81-94.
［24］Vallejo-Pérez M R，Sosa-Herrera J A，Navarro-Contreras H R，et al. Raman spectroscopy and machine-learning for early detection of bacterial canker of tomato：the asymptomatic disease condition［J］. Plants，2021，10(8)：1542.
［25］Jones C D，Jones J B，Lee W S. Diagnosis of bacterial spot of tomato using spectral signatures［J］. Computers & Electronics in Agriculture，2010，74(2)：329-335.
［26］张德荣，方慧，何勇. 可见/近红外光谱图像在作物病害检测中的应用［J］. 光谱学与光谱分析，2019，39(6)：1748-1756.
［27］Hunt Jr E R，Rock B N. Detection of changes in leaf water content using near-and middle-infrared reflectances［J］. Remote Sensing of Environment，1989，30(1)：43-54.
［28］Rollin E M，Milton E J. Processing of high spectral resolution reflectance data for the retrieval of canopy water content information［J］. Remote Sensing of Environment，1998，65(1)：86-92.
［29］刘畅，孙鹏森，刘世荣. 植物反射光谱对水分生理变化响应的研究进展［J］. 植物生态学报，2016，40(1)：80-91.
［30］Rouse Jr J W，Haas R H，Schell J A，et al. Monitoring the vernal advancement and retrogradation (green wave effect) of natural vegetation［R］. Maryland：Goddard Space Flight Center，1973.
［31］金仲辉. 绿色植物反射光谱的特征及其在监测农作物生长中的应用［J］. 物理，1993，22(11)：673-678.
［32］Kokaly R F，Clark R N. Spectroscopic determination of leaf biochemistry using band-depth analysis of absorption features and stepwise multiple linear regression［J］. Remote Sensing of Environment，1999，67(3)：267-287.
［33］谢传奇，王佳悦，冯雷，等. 应用高光谱图像光谱和纹理特征的番茄早疫病早期检测研究［J］. 光谱学与光谱分析，2013，33(6)：1603-1607.
［34］王海龙，杨国国，张瑜，等. 竞争性自适应重加权算法和相关系数法提取特征波长检测番茄叶片真菌病害［J］. 光谱学与光谱分析，2017，37(7)：2115-2119.
［35］Lu J Z，Zhou M C，Gao Y W，et al. Using hyperspectral imaging to discriminate yellow leaf curl disease in tomato leaves［J］. Precision Agriculture，2018，19(3)：379-394.
［36］Abdulridha J，Ampatzidis Y，Qureshi J，et al. Laboratory and UAV-based identification and classification of tomato yellow leaf curl，bacterial spot，and target spot diseases in tomato utilizing hyperspectral imaging and machine learning［J］. Remote Sensing，2020，12(17)：2732.
［37］Atherton D，Choudhary R，Watson D. Hyperspectral remote sensing for advanced detection of early blight (Alternaria solani) disease in potato (Solanum tuberosum) plants prior to visual disease symptoms［C］//American Society of Agricultural and Biological Engineers Anual International Meeting.Spokane，2017.
［38］徐明珠. 基于高光谱成像技术的马铃薯早疫病无损检测研究［D］. 杨凌：西北农林科技大学，2016：13-26.
［39］Appeltans S，Pieters J G，Mouazen A M. Potential of laboratory hyperspectral data for in-field detection of Phytophthora infestans on potato［J］. Precision Agriculture，2022，23(3)：876-893.
［40］黄涛，李小昱，徐梦玲，等. 半透射高光谱成像技术与支持向量机的马铃薯空心病无损检测研究［J］. 光谱学与光谱分析，2015，35(1)：198-202.
［41］Zhu H Y，Chu B Q，Zhang C，et al. Hyperspectral imaging for presymptomatic detection of tobacco disease with successive projections algorithm and machine-learning classifiers［J］. Scientific Reports，2017，7：4125.
［42］刘勇昌，耿丽，高强，等. 基于叶片光谱分析的烟草马铃薯Y病毒病严重度诊断［J］. 烟草科技，2021，54(7)：23-28.
［43］Gu Q，Sheng L，Zhang T H，et al. Early detection of tomato spotted wilt virus infection in tobacco using the hyperspectral imaging technique and machine learning algorithms［J］. Computers and Electronics in Agriculture，2019，167：105066.
［44］冯雷，张德荣，陈双双，等. 基于高光谱成像技术的茄子叶片灰霉病早期检测［J］. 浙江大学学报(农业与生命科学版)，2012，38(3)：311-317.
［45］Gold K M，Townsend P A，Chlus A，et al. Hyperspectral measurements enable pre-symptomatic detection and differentiation of contrasting physiological effects of late blight and early blight in potato［J］. Remote Sensing，2020，12(2)：286.

相似文献/References:

[1]周帅,卢扬,陈恩发,等.茄科植物黄萎病研究进展[J].江苏农业科学,2022,50(14):1.
　Zhou Shuai,et al.Research progress on verticillium wilt of Solanaceae species[J].Jiangsu Agricultural Sciences,2022,50(9):1.

备注/Memo

备注/Memo:

收稿日期：2022-06-28
基金项目：国家自然科学基金(编号：62141501)；贵阳学院科研资金(编号：GYU-KY-［2022］)。
作者简介：沈梦姣(1998—)，女，安徽池州人，硕士研究生，主要从事作物病害的早期无损检测方面的研究。E-mail：1483995652@qq.com。
通信作者：张艳，博士，教授，主要从事生物信息无损检测、激光雷达方面的研究。E-mail：Eileen_zy001@sohu.com。

常用功能

更新日期/Last Update: 2023-05-05