樊麗，黃云，張敏，胡偉，李小燕，劉俊

（1 內(nèi)蒙古農(nóng)業(yè)大學(xué)園藝與植物保護(hù)學(xué)院，呼和浩特010018）（2 內(nèi)蒙古量蘊(yùn)農(nóng)業(yè)發(fā)展有限公司）（3 包頭市綠緣生態(tài)開(kāi)發(fā)有限責(zé)任公司）（4 內(nèi)蒙古自治區(qū)農(nóng)牧業(yè)技術(shù)推廣中心）

我國(guó)果樹(shù)種植面積和產(chǎn)量均居世界首位，水果進(jìn)出口交易額在整個(gè)世界水果市場(chǎng)中排名前列[1]，我國(guó)果業(yè)具有廣闊的國(guó)內(nèi)外市場(chǎng)潛力和有力的國(guó)際競(jìng)爭(zhēng)[2]。隨著全球經(jīng)濟(jì)和貿(mào)易關(guān)系的加強(qiáng)，我國(guó)的水果出口近年來(lái)有所增加，但增長(zhǎng)緩慢，結(jié)構(gòu)性不平衡等問(wèn)題依然存在，水果生產(chǎn)、加工、貯存、運(yùn)輸和發(fā)達(dá)國(guó)家制定的食品安全標(biāo)準(zhǔn)不一致，許多國(guó)家對(duì)進(jìn)口水果的質(zhì)量和農(nóng)藥殘留實(shí)行嚴(yán)格限制，這些都是我國(guó)水果出口的主要貿(mào)易障礙。但目前的技術(shù)無(wú)法動(dòng)態(tài)監(jiān)測(cè)果樹(shù)的生長(zhǎng)、病蟲(chóng)害的發(fā)生、水果的內(nèi)部質(zhì)量，以及果品損傷等[3]。因此，準(zhǔn)確、快速、沒(méi)有破壞性的檢測(cè)技術(shù)在果樹(shù)生長(zhǎng)和水果品質(zhì)感知領(lǐng)域的研究非常重要。

高光譜遙感（Hyperspectral Remote Sensing）是一種新型的光敏技術(shù)，集光譜學(xué)、機(jī)器視覺(jué)、計(jì)算機(jī)成像、近紅外光譜學(xué)等多學(xué)科知識(shí)于一體，有機(jī)地融合了成像技術(shù)和分光光度技術(shù)的特性，獲取的信息不僅包括二維空間場(chǎng)景的信息，還有光譜輻射和縱向分布的信息，創(chuàng)建了一個(gè)數(shù)據(jù)立方體。高光譜遙感技術(shù)同時(shí)具有光譜技術(shù)和傳統(tǒng)的二維成像技術(shù)高分辨率、超多波段和圖像光譜集成等優(yōu)勢(shì)[4]。高光譜遙感技術(shù)利用光遇到物體時(shí)會(huì)被吸收并通過(guò)光的散射、反射和透射等形式得到該物體的特征光譜信息，然后識(shí)別出具有診斷性的波譜，這種技術(shù)最先運(yùn)用在軍事方面，如今在越來(lái)越多的領(lǐng)域也具有更廣泛的應(yīng)用。

隨著智能化農(nóng)業(yè)時(shí)代的到來(lái)，高光譜遙感技術(shù)逐步應(yīng)用于果樹(shù)學(xué)研究中。高光譜遙感技術(shù)在果樹(shù)研究上主要應(yīng)用于果樹(shù)病蟲(chóng)害檢測(cè)、果樹(shù)產(chǎn)量預(yù)測(cè)、果實(shí)內(nèi)部品質(zhì)無(wú)損檢測(cè)、果實(shí)采收損傷檢測(cè)及果實(shí)農(nóng)藥殘留檢測(cè)等方面。因此，總結(jié)目前高光譜遙感技術(shù)在果樹(shù)學(xué)上的應(yīng)用，發(fā)現(xiàn)現(xiàn)存問(wèn)題，并結(jié)合新時(shí)期果樹(shù)產(chǎn)業(yè)發(fā)展的方向和應(yīng)用需求，提出未來(lái)高光譜遙感技術(shù)在果樹(shù)學(xué)研究中的發(fā)展趨勢(shì)，為高光譜遙感技術(shù)在智慧果業(yè)中的深度應(yīng)用提供參考。

1 高光譜遙感技術(shù)原理概論

所謂的高光譜遙感技術(shù)的全稱是高光譜分辨率遙感技術(shù)，這是一種利用在電磁波譜中可見(jiàn)和紅外波段范圍內(nèi)，獲得許多狹小且連續(xù)的電磁波段，從而獲取相關(guān)可視的光譜特征數(shù)據(jù)的技術(shù)。

高光譜遙感技術(shù)具有較高的光譜分辨率，能從納米級(jí)別顯示出各種物體光譜大小的細(xì)微差異，獲得非常詳細(xì)和準(zhǔn)確的分析結(jié)果。因?yàn)椴煌匚锏奈锢砗突瘜W(xué)性質(zhì)決定了其對(duì)不同波段的光表現(xiàn)出不同的頻譜響應(yīng)，所以光譜特性反映了地物的內(nèi)在特性。研究表明，將光譜學(xué)和圖像檢測(cè)技術(shù)相結(jié)合，能增強(qiáng)對(duì)地物屬性進(jìn)行分類和識(shí)別的能力。

高光譜遙感系統(tǒng)結(jié)合了屏幕傳輸與高效學(xué)習(xí)傳感器圖像采集技術(shù)的優(yōu)勢(shì)，該體系具備可視化、動(dòng)態(tài)監(jiān)測(cè)、高靈敏度和抗震性能好等優(yōu)點(diǎn)，非常適合在所有的遙感區(qū)域中使用；它可以用于識(shí)別外部光譜目標(biāo)，然后可以通過(guò)內(nèi)部高光譜成像進(jìn)行檢測(cè)。該方法的原理是：透鏡收集到地面物體的輻射，然后將其準(zhǔn)直到光譜元件上，用于提高準(zhǔn)直度的間隙，并且通過(guò)光譜元件的垂直光譜色散在圖像傳感器上形成圖像。散射場(chǎng)的活動(dòng)以恒定的速率持續(xù)捕捉，這就產(chǎn)生了二維圖像。在攝像系統(tǒng)中，光源產(chǎn)生的光被物體吸收和散射，成為信息載體，進(jìn)入相機(jī)的輸入端口，光信號(hào)被映射到一個(gè)二維陣列中，通過(guò)高光譜圖像數(shù)據(jù)處理進(jìn)行分析和存儲(chǔ)[5]。

2 高光譜遙感技術(shù)的發(fā)展

2.1 國(guó)外高光譜遙感技術(shù)研究進(jìn)展

高光譜遙感技術(shù)起源于多光譜遙感技術(shù)，1970年，高光譜遙感技術(shù)作為遙感發(fā)展史上的一個(gè)概念和技術(shù)上的創(chuàng)新而出現(xiàn)。而現(xiàn)代遙感的前沿高光譜視覺(jué)遙感技術(shù)是1980 年出現(xiàn)的一種新型遙感技術(shù)，該技術(shù)與合成孔徑雷達(dá)成像技術(shù)并駕齊驅(qū)。該技術(shù)通過(guò)遙感照片與全景、多光譜圖像相結(jié)合，獲取地物空間數(shù)據(jù)和地物光譜信息，是遙感史上一個(gè)重要的進(jìn)步標(biāo)志。第一個(gè)國(guó)際光譜儀AIS-1，是一個(gè)機(jī)載勘測(cè)光譜儀，于1980 年代在加州理工學(xué)院設(shè)計(jì)和建造，在植被特征和礦物取圖方向上取得了顯著成果，此后各國(guó)陸續(xù)研發(fā)出多種類型的成像光譜儀，開(kāi)啟了航天高光譜時(shí)代[6]。

高光譜遙感技術(shù)的應(yīng)用和普及在很大程度上與處理分析軟件的發(fā)展關(guān)聯(lián)密切。全球已開(kāi)發(fā)出了10多套高光譜圖像處理與分析軟件系統(tǒng)，對(duì)高光譜遙感技術(shù)的廣泛應(yīng)用和推廣起到了推波助瀾的作用。

近10年，高光譜遙感技術(shù)在農(nóng)業(yè)方面的應(yīng)用越來(lái)越熱門(mén)，特別是美國(guó)、日本等現(xiàn)代農(nóng)業(yè)較發(fā)達(dá)的國(guó)家，其中美國(guó)運(yùn)用得較多。以色列成立了農(nóng)業(yè)科技公司FruitSpec，這家以高光譜圖像作技術(shù)支持的農(nóng)業(yè)科技公司正在運(yùn)用這種技術(shù)參與對(duì)果園早期水果的產(chǎn)量預(yù)測(cè)，其業(yè)務(wù)領(lǐng)域已擴(kuò)大到北美和南美、南非和歐洲的客戶群。

2.2 國(guó)內(nèi)高光譜遙感技術(shù)研究進(jìn)展

20 世紀(jì)80 年代，我國(guó)在國(guó)家科學(xué)技術(shù)研究計(jì)劃的支持下，開(kāi)始研發(fā)獨(dú)立的高光譜成像技術(shù)[7]。根據(jù)需求，我國(guó)先后研發(fā)了以紅外波段和紫外波段、中長(zhǎng)波紅外光為主體的航空專用掃描儀、紫外光譜儀和超聲波測(cè)厚儀等。直到20 世紀(jì)80 年代末陸續(xù)研發(fā)了新興的自動(dòng)化信息系統(tǒng)成像光譜儀，并對(duì)航天航空方面的新技術(shù)加大支持力度。21 世紀(jì)以來(lái)，有關(guān)高光譜技術(shù)應(yīng)用的私營(yíng)部門(mén)呈井噴式出現(xiàn)，市場(chǎng)開(kāi)始進(jìn)入高速發(fā)展時(shí)期。緊接著我國(guó)又自行研制了更為先進(jìn)的推掃式成像光譜儀和光機(jī)掃描光譜成像儀等，且在全球范圍內(nèi)均有應(yīng)用，得到了世界各國(guó)的認(rèn)可，推動(dòng)了航空光譜成像技術(shù)的發(fā)展與進(jìn)步。2002 年3月，我國(guó)的神舟三號(hào)載人飛船發(fā)射了一個(gè)自行研制的中分辨率成像光譜儀。這是與歐洲航天局環(huán)境衛(wèi)星發(fā)射系統(tǒng)上的MERIS同時(shí)進(jìn)入地球軌道的同一類型的儀器，是美國(guó)航天局開(kāi)發(fā)的大型MODIS 空間遙感儀器的后續(xù)產(chǎn)品。2007 年10月，我國(guó)將“嫦娥一號(hào)”衛(wèi)星送入月球軌道，攜帶一個(gè)成像光譜儀作為其主要有效載荷。我國(guó)開(kāi)發(fā)的高光譜技術(shù)系統(tǒng)正在被用于航空航天領(lǐng)域，高光譜圖像處理和分析系統(tǒng)及相應(yīng)的軟件正在被改進(jìn)，并被用于廣泛的行業(yè)和領(lǐng)域[8]。

當(dāng)前我國(guó)屬于現(xiàn)代農(nóng)業(yè)發(fā)展的重要階段，高光譜遙感技術(shù)屬于新型技術(shù)，適合用于智慧農(nóng)業(yè)和數(shù)字農(nóng)業(yè)等現(xiàn)代農(nóng)業(yè)技術(shù)。由于高光譜遙感不會(huì)對(duì)農(nóng)作物造成損害，因而被廣泛應(yīng)用于監(jiān)測(cè)農(nóng)作物的葉片面積。這彌補(bǔ)了傳統(tǒng)遙感技術(shù)獲取農(nóng)作物葉面積指數(shù)時(shí)間過(guò)長(zhǎng)的缺點(diǎn)，從而獲得最準(zhǔn)確、損害最小的遙感監(jiān)測(cè)數(shù)據(jù)。

3 高光譜遙感技術(shù)在果樹(shù)上的應(yīng)用

3.1 果樹(shù)病蟲(chóng)害檢測(cè)

果樹(shù)傳統(tǒng)種植手段的缺點(diǎn)會(huì)帶來(lái)通風(fēng)不好、遮擋光源、操作不便等問(wèn)題，隨著自然環(huán)境條件和氣溫的變化，病蟲(chóng)害的適應(yīng)性和抗性也在不斷增強(qiáng)，因此要實(shí)時(shí)監(jiān)測(cè)果樹(shù)病蟲(chóng)害的發(fā)生情況，合理防治病蟲(chóng)害，以減少用藥，進(jìn)行綠色防控，保證果樹(shù)的健康生長(zhǎng)，提高果品的質(zhì)量和產(chǎn)量。傳統(tǒng)領(lǐng)域的專家通過(guò)觀察樹(shù)體、樹(shù)勢(shì)、葉片、果實(shí)等生長(zhǎng)狀況來(lái)診斷病害，這種傳統(tǒng)的方法時(shí)間成本高、效率低，并且有較多誤差因素。利用高光譜遙感技術(shù)獲取待測(cè)物信息的特征光譜能發(fā)現(xiàn)待測(cè)物的狀況。Siedliska等[9]利用高光譜成像技術(shù)來(lái)診斷草莓的真菌感染現(xiàn)象，對(duì)2 個(gè)不同品種的草莓接種2 種不同的真菌，并以2 個(gè)未接種的果實(shí)作為空白對(duì)照。實(shí)驗(yàn)表明，反向傳播神經(jīng)網(wǎng)絡(luò)（BNN）模型獲得了區(qū)分真菌種類的最佳預(yù)測(cè)精度，區(qū)分接種果實(shí)和對(duì)照果實(shí)的精度為97.00%。Wang等[10]發(fā)現(xiàn)了一種高光譜反射成像檢測(cè)技術(shù)，可用于檢測(cè)棗樹(shù)果實(shí)的外部蟲(chóng)害。實(shí)驗(yàn)測(cè)試了棗樣品的果皮受損區(qū)域和受蟲(chóng)害區(qū)域，基于確定的有效波長(zhǎng)，使用逐步判別分析法將棗分類為蟲(chóng)害或無(wú)蟲(chóng)害，準(zhǔn)確率約為97.0%。當(dāng)果實(shí)發(fā)生內(nèi)部缺陷和病變時(shí)，其病果的內(nèi)部物理化學(xué)性質(zhì)與正常蘋(píng)果明顯不同，所以發(fā)生病變的果實(shí)與正常的果實(shí)對(duì)光譜能量吸收和散射不同，它們的光譜響應(yīng)也不一樣。喬虹[11]基于高光譜成像技術(shù)，通過(guò)光譜成像系統(tǒng)獲取了藍(lán)莓害蟲(chóng)的高光譜圖像，提取光譜特征信息和害蟲(chóng)圖像信息，研究了藍(lán)莓害蟲(chóng)無(wú)損檢測(cè)理論和藍(lán)莓害蟲(chóng)檢測(cè)模型。王加華等[12]采用峰面積歸一化、主成分分析和偏最小二乘法回歸分析，根據(jù)可見(jiàn)光和近紅外光譜來(lái)區(qū)分蘋(píng)果褐腐病和水心病。結(jié)果顯示，3 種方法對(duì)褐腐病蘋(píng)果的區(qū)分率均為100.0%，對(duì)水心病蘋(píng)果的區(qū)分率分別為79.2%、95.0%、96.7%，對(duì)正常蘋(píng)果的區(qū)分率分別為88.6%、98.2%和98.8%，表明可見(jiàn)-近紅外光譜和化學(xué)分析的結(jié)合能夠快速和無(wú)損地診斷蘋(píng)果褐腐病和水心病。此外，何寬等[13]利用高光譜成像技術(shù)提出的光譜信息分割（SIS）和外圍特征控制（RFS）檢測(cè)樹(shù)莓病害，為檢測(cè)樹(shù)莓腐爛病和樹(shù)莓分類提供了新的參考方法。

3.2 果實(shí)產(chǎn)量預(yù)測(cè)

產(chǎn)量估計(jì)和預(yù)測(cè)在果樹(shù)育種和栽培領(lǐng)域特別重要。果枝數(shù)量、果實(shí)大小和數(shù)量與最終產(chǎn)量密切相關(guān)。因此，早期預(yù)測(cè)產(chǎn)量可以保持最佳的葉果比，確保高產(chǎn)。產(chǎn)量估計(jì)傳統(tǒng)上是通過(guò)小樣本推斷和使用歷史數(shù)據(jù)進(jìn)行的。此外，它必須由在該領(lǐng)域具有豐富經(jīng)驗(yàn)的專家來(lái)完成。高光譜遙感為專家耗時(shí)和主觀的現(xiàn)場(chǎng)分析提供了一種低成本、快速和非破壞性的替代方法。Zabawa等[14]使用全卷積神經(jīng)網(wǎng)絡(luò)（FCN）對(duì)單個(gè)葡萄漿果的圖像分割，圖像是通過(guò)Phenoliner 田間表型平臺(tái)獲得的，圖像中的單個(gè)葡萄果實(shí)是用FCN 檢測(cè)的。葡萄藤經(jīng)常交錯(cuò)重疊，因此高光譜對(duì)葡萄果實(shí)的有效檢測(cè)變得困難。在葡萄園中檢測(cè)葡萄，將單個(gè)漿果的檢測(cè)制定為具有3 類的分類任務(wù)，即“漿果”“邊緣”和“背景”。使用連接組件算法來(lái)確定漿果的數(shù)量。在60 張圖像中自動(dòng)計(jì)算的漿果數(shù)量與人工檢測(cè)的漿果數(shù)量進(jìn)行了比較，這些圖像顯示了葡萄在垂直地震剖面（VSP）技術(shù)和半簡(jiǎn)約的樹(shù)籬修剪中的情況。結(jié)果顯示，在VSP 系統(tǒng)中檢測(cè)葡萄漿果的準(zhǔn)確率為94.0%，SMPH系統(tǒng)準(zhǔn)確率為85.6%。Gennaro等[15]使用無(wú)人機(jī)來(lái)獲取葡萄園的三通道圖像，無(wú)監(jiān)督的識(shí)別算法被用來(lái)確定集群的數(shù)量和大小，并預(yù)測(cè)每個(gè)葡萄樹(shù)的產(chǎn)量。通過(guò)聚類檢測(cè)得到的分割結(jié)果顯示，當(dāng)葉片被部分摘除且葡萄完全成熟時(shí)，準(zhǔn)確率超過(guò)85.0%，在收獲的第1周，估計(jì)葡萄產(chǎn)量的準(zhǔn)確率超過(guò)84.0%。李俊偉等[16]研究了與機(jī)器視覺(jué)方法有關(guān)的定性方法，以估計(jì)和分類葡萄單粒重和果徑大小，即對(duì)現(xiàn)有的葡萄樣品進(jìn)行分割和表示，并采用一維線性判別法和PLS 預(yù)算法對(duì)葡萄單粒重和果徑大小進(jìn)行分析，結(jié)果顯示，PLS 模型在預(yù)測(cè)葡萄單粒重和果徑大小方面是有效的，預(yù)測(cè)系數(shù)分別為0.980 和0.945。

3.3 果實(shí)內(nèi)部品質(zhì)檢測(cè)

在發(fā)育成熟的過(guò)程中果實(shí)的內(nèi)外部品質(zhì)也在發(fā)生變化：果實(shí)長(zhǎng)到合適的大??；果實(shí)中的可溶性固形物含量、糖分、氨基酸、蛋白質(zhì)等營(yíng)養(yǎng)物質(zhì)逐漸增加；部分積聚在果肉細(xì)胞腔內(nèi)的有機(jī)酸轉(zhuǎn)化為糖分和類胡蘿卜素，進(jìn)而形成花青素而使果實(shí)顏色發(fā)生變化；產(chǎn)生一些揮發(fā)性芳香物質(zhì)，出現(xiàn)果實(shí)獨(dú)特的香氣，這些指標(biāo)均能反映果實(shí)的內(nèi)部品質(zhì)。檢測(cè)果實(shí)成熟度和內(nèi)部品質(zhì)的傳統(tǒng)方法主要是在實(shí)驗(yàn)室中進(jìn)行外觀檢測(cè)和理化檢測(cè)。這些檢測(cè)方法費(fèi)時(shí)、費(fèi)力，多數(shù)具有破壞性。如傳統(tǒng)的硬度測(cè)試方法通常會(huì)損壞樣品。近年來(lái)，國(guó)內(nèi)外學(xué)者開(kāi)始研究用于果實(shí)成熟度判別分析的無(wú)損檢測(cè)技術(shù)，其中高光譜遙感技術(shù)憑借自身優(yōu)勢(shì)，在果實(shí)成熟度和內(nèi)部品質(zhì)判定方面的應(yīng)用逐漸增多。孫炳新等[17]利用近紅外光譜技術(shù)，在643.26～985.11 nm 波長(zhǎng)范圍內(nèi)，建立了預(yù)測(cè)紅富士蘋(píng)果脆度和酸度的模型，模型的相關(guān)系數(shù)分別達(dá)到0.941 和0.925。王轉(zhuǎn)衛(wèi)等[18]研究了富士蘋(píng)果在發(fā)育后期833～2 500 nm 波長(zhǎng)范圍內(nèi)的近紅外測(cè)量的光譜特性，建立了預(yù)測(cè)可溶性固形物含量、含水量、硬度和氫離子濃度的PLS 支持向量機(jī)和極限學(xué)習(xí)機(jī)模型，用3 種降維方法，即PCA、連續(xù)投影算法、信息變量消除法來(lái)對(duì)模型進(jìn)行性能預(yù)測(cè)，得到對(duì)蘋(píng)果各部分檢測(cè)的最佳模型。宮元娟等[19]研究了用可見(jiàn)的近紅外光譜法對(duì)寒富蘋(píng)果內(nèi)部品質(zhì)信息進(jìn)行在線檢測(cè)的可行性及不同光譜預(yù)處理方法對(duì)蘋(píng)果品質(zhì)模型的影響，并應(yīng)用PLS 對(duì)寒富蘋(píng)果的可溶性固形物含量、總酸含量和硬度做出了適當(dāng)?shù)念A(yù)測(cè)模型。高升[20]通過(guò)可見(jiàn)近紅外光譜技術(shù)和高光譜遙感技術(shù)對(duì)生長(zhǎng)中的紅地球葡萄內(nèi)部品質(zhì)進(jìn)行無(wú)損檢測(cè)研究，設(shè)計(jì)了一種便攜式紅地球葡萄果實(shí)和果穗內(nèi)部品質(zhì)檢測(cè)裝置。

3.4 果實(shí)損傷檢測(cè)

在采摘和運(yùn)輸過(guò)程中，果實(shí)可能因外部的撞擊或擠壓而受到機(jī)械損傷。為了最大限度地減少水果貯存和運(yùn)輸所造成的經(jīng)濟(jì)損失，目前對(duì)水果的機(jī)械損傷大多通過(guò)視覺(jué)檢測(cè)，測(cè)量精度低，分類不準(zhǔn)確，不能滿足消費(fèi)者對(duì)水果質(zhì)量的需求。Elmasry等[21]使用高光譜測(cè)量和人工神經(jīng)網(wǎng)絡(luò)（ANN）模型來(lái)檢測(cè)蘋(píng)果凍害，在獲得蘋(píng)果的光譜特征后，建立了一個(gè)反向傳播ANN 模型來(lái)選擇最佳波長(zhǎng)，對(duì)蘋(píng)果進(jìn)行分類，并檢測(cè)冷損傷引起的硬度變化，平均準(zhǔn)確率為98.4%。上海交通大學(xué)的Wang等[22]利用高光譜遙感技術(shù)檢測(cè)藍(lán)莓果實(shí)內(nèi)部的機(jī)械損傷，并基于高光譜傳輸成像實(shí)現(xiàn)了深度學(xué)習(xí)方法的軟損傷檢測(cè)研究，通過(guò)建立卷積神經(jīng)網(wǎng)絡(luò)模型，應(yīng)用k-fold 交叉驗(yàn)證模型評(píng)價(jià)方法，分類準(zhǔn)確率達(dá)到88.0%，與以往的機(jī)器學(xué)習(xí)算法相比，識(shí)別效果更好，更有優(yōu)勢(shì)?；谇叭说难芯砍晒?，高光譜遙感技術(shù)可以通過(guò)檢測(cè)水果硬度的變化來(lái)檢測(cè)凍傷、風(fēng)害等內(nèi)部損傷，是一種快速可靠的內(nèi)部損傷檢測(cè)方法。韓浩然等[23]利用高光譜成像技術(shù)檢測(cè)蘋(píng)果劃痕后發(fā)現(xiàn)，波段比算法和主成分分析的分類識(shí)別準(zhǔn)確率達(dá)93.3%，更適合快速實(shí)時(shí)檢測(cè)蘋(píng)果的傷害。林思寒等[24]采用PLS和線性判別分析（LDA），基于高光譜遙感技術(shù)建立了PLS-LDA 橫向檢測(cè)模型，該模型對(duì)完好的和不同損傷程度的果實(shí)損壞性識(shí)別準(zhǔn)確率達(dá)97.8%。

3.5 果實(shí)農(nóng)藥殘留檢測(cè)

水果表面的藥物殘留不僅對(duì)水果的質(zhì)量和安全產(chǎn)生重大影響，而且對(duì)水果貿(mào)易也有很大影響。因此，果品農(nóng)藥殘留檢測(cè)至關(guān)重要。目前，農(nóng)藥殘留常規(guī)的檢測(cè)法有凝膠色譜法、氣相色譜法和薄層色譜法，這些檢測(cè)方法不僅復(fù)雜、耗時(shí)長(zhǎng)、成本高，而且具有破壞性。因此，要快速輕松地識(shí)別果實(shí)表面的農(nóng)藥殘留物，需要一種非接觸、簡(jiǎn)單、快速、準(zhǔn)確的方法。而具備圖像和光譜的高光譜遙感技術(shù)能做到檢測(cè)過(guò)程無(wú)污染、無(wú)接觸和非破壞性。Jiang等[25]為了實(shí)現(xiàn)蘋(píng)果中農(nóng)藥殘留的有效檢測(cè)，采用基于機(jī)器視覺(jué)的分割算法和高光譜技術(shù)對(duì)蘋(píng)果圖像的前景和背景區(qū)域進(jìn)行分割，構(gòu)建了AlexNet-CNN 農(nóng)藥殘留檢測(cè)系統(tǒng)，運(yùn)用高光譜技術(shù)檢測(cè)6 144 幅蘋(píng)果農(nóng)藥殘留圖，而檢測(cè)結(jié)果中，測(cè)試組的認(rèn)證準(zhǔn)確率為99.1%，單波段圖像的平均精準(zhǔn)度為95.4%。徐潔等[26]利用高光譜技術(shù)建立距離差異分析模型和貝葉斯差異分析模型，確定哈密瓜表面殘留的藥物種類。在紫外光環(huán)境下，距離辨別的準(zhǔn)確度為94.7%。鹵素光源環(huán)境下偏置差分法的準(zhǔn)確率達(dá)到100%。李增芳等[27]利用高光譜無(wú)損技術(shù)在線檢測(cè)贛南臍橙樣品表面不同農(nóng)藥殘留濃度變化之間的關(guān)系，結(jié)果表明，高光譜無(wú)損技術(shù)對(duì)較高濃度的果面農(nóng)藥殘留的檢測(cè)比低濃度的農(nóng)藥殘留檢測(cè)結(jié)果更明顯。通過(guò)上述研究可以看出，高光譜遙感技術(shù)是一種小樣本、非接觸式、快速、有效和低成本的可以檢測(cè)果蔬農(nóng)藥殘留濃度的方法。

4 存在的問(wèn)題與發(fā)展趨勢(shì)

4.1 存在的問(wèn)題

由于遙感數(shù)據(jù)、大氣干擾和建模技術(shù)的限制，目標(biāo)作物的生理、生化和環(huán)境參數(shù)的反演精度可低至80%～90%。目標(biāo)作物和環(huán)境參數(shù)的反演往往還處于研究階段，其準(zhǔn)確性還不足以滿足智能農(nóng)業(yè)中對(duì)目標(biāo)作物和環(huán)境的專題信息的需求。

受天氣條件、衛(wèi)星資源利用等因素限制，監(jiān)測(cè)時(shí)往往無(wú)法獲得有效數(shù)據(jù)，不能滿足生產(chǎn)管理監(jiān)測(cè)的時(shí)間和空間分辨率要求；特別是南方的陰雨天氣多，空氣濕度大，在生長(zhǎng)期內(nèi)獲得的光學(xué)影像往往因云霧而模糊不清，難以應(yīng)用于實(shí)際生產(chǎn)。

高光譜圖像數(shù)據(jù)處理技術(shù)發(fā)展緩慢，導(dǎo)致高光譜遙感的應(yīng)用存在許多問(wèn)題和困難。在實(shí)際檢測(cè)應(yīng)用中，高光譜遙感技術(shù)可以同時(shí)評(píng)估水果的外部和內(nèi)部品質(zhì)，定性分析精度高，但建模過(guò)程復(fù)雜，數(shù)據(jù)處理繁瑣緩慢，因此，光譜遙感技術(shù)采集的數(shù)據(jù)比較準(zhǔn)確，適用于實(shí)驗(yàn)階段，但相關(guān)數(shù)據(jù)太多，相應(yīng)的處理時(shí)間長(zhǎng)，不適合在線檢測(cè)。

此外，高光譜數(shù)據(jù)的空間和光譜信息還沒(méi)有得到有效利用，完整的光譜數(shù)據(jù)庫(kù)還沒(méi)有建立。所以在這方面的研究還有很大的發(fā)展空間。

4.2 發(fā)展趨勢(shì)

高光譜遙感技術(shù)具有快速、高效、準(zhǔn)確和無(wú)損的特點(diǎn)，已被廣泛用于農(nóng)業(yè)監(jiān)測(cè)。高光譜遙感通過(guò)分析高光譜數(shù)據(jù)特征光譜線，能夠準(zhǔn)確評(píng)估植被和農(nóng)田的生態(tài)情況。比如檢測(cè)植物的脅迫效應(yīng)，測(cè)定植物葉綠素含量、植被覆蓋率，提取氨和木質(zhì)素等生物化學(xué)變量，檢測(cè)作物或土壤的水分變化，感應(yīng)葉片色素濃度的變化，監(jiān)測(cè)農(nóng)作物的生物物理特性和估算產(chǎn)量特征等。利用科學(xué)和系統(tǒng)的管理方法準(zhǔn)確合理地規(guī)劃園藝資源的使用，利用高光譜遙感技術(shù)提高果品的產(chǎn)量和質(zhì)量，不對(duì)環(huán)境造成污染。

傳統(tǒng)的分析方法已經(jīng)不能滿足現(xiàn)代農(nóng)業(yè)發(fā)展的需要。因此，高光譜遙感被廣泛用于精準(zhǔn)農(nóng)業(yè)的發(fā)展。利用高光譜技術(shù)獲得更完整和精確的信息參數(shù)，為果樹(shù)的栽培和管理提供了有利保證。除此以外，高光譜遙感技術(shù)還可用于果樹(shù)的綜合質(zhì)量監(jiān)測(cè)，提供不同生長(zhǎng)時(shí)期的果實(shí)特征數(shù)據(jù)，以綜合預(yù)測(cè)最終產(chǎn)量和最終收益。目前，重點(diǎn)是不同果樹(shù)的產(chǎn)量，質(zhì)量監(jiān)測(cè)中的數(shù)據(jù)訪問(wèn)和數(shù)據(jù)存儲(chǔ)。雖然高光譜技術(shù)已經(jīng)充分和準(zhǔn)確地應(yīng)用于果樹(shù)研究，但仍需進(jìn)一步研究。如何利用高光譜遙感技術(shù)監(jiān)測(cè)作物機(jī)械和果樹(shù)信息，并完善光譜信息數(shù)據(jù)庫(kù)，以支持進(jìn)一步提高農(nóng)業(yè)信息監(jiān)測(cè)模型的適用性和準(zhǔn)確性。

高光譜遙感技術(shù)的應(yīng)用首先要克服監(jiān)測(cè)精度問(wèn)題，提升模式預(yù)測(cè)預(yù)報(bào)能力，在此基礎(chǔ)上，要梳理技術(shù)流程，進(jìn)行系統(tǒng)開(kāi)發(fā)，構(gòu)建智能信息服務(wù)平臺(tái)。精度的提升首先要從改變參數(shù)反演模式開(kāi)始，嘗試新的思路和方法，將人工智能和深度學(xué)習(xí)應(yīng)用于算法優(yōu)化，并進(jìn)行綜合驗(yàn)證和精度評(píng)價(jià)。通過(guò)多源數(shù)據(jù)融合，充分利用不同衛(wèi)星和傳感器的數(shù)據(jù)，可以嘗試有效數(shù)據(jù)的使用。在高精度預(yù)報(bào)能力的基礎(chǔ)上，建立智能信息服務(wù)平臺(tái)，實(shí)現(xiàn)果樹(shù)學(xué)的智能化管理，并開(kāi)展應(yīng)用和示范。在進(jìn)行示范的同時(shí)，還將開(kāi)展地面觀測(cè)，以驗(yàn)證和評(píng)估監(jiān)測(cè)專題產(chǎn)品的準(zhǔn)確性。