应用案例｜FS-IQ高光谱相机助力水稻白叶枯病早期无损检测

水稻白叶枯病是影响水稻产量与粮食安全的重要病害，传统田间巡查难以在无症状期识别，等到病斑显现时防控效果已大打折扣。高光谱成像凭借图谱合一的特性，可捕捉病害引发的细微生理生化变化，成为植物病害早期诊断的重要手段。

在一项面向水稻白叶枯病早期诊断的研究中，科研团队选用彩谱FigSpec FS-IQ-VISNIR便携式高光谱相机开展数据采集，为病害智能识别提供稳定、可靠的光谱数据源。

一、实验设备与数据采集

l 设备型号：FigSpec FS-IQ-VISNIR 高光谱相机。

l 光谱范围：400-1000 nm，光谱分辨率2.5 nm。

l 采集条件：晴朗日间10:00–14:00，镜头距冠层60-80 cm，通过实时调整曝光时间，将DN值控制在3000-4000，降低过曝与噪声影响。

l 实验对象：健康、轻度侵染（无症状期）、重度侵染三个等级的水稻叶片样本。

FS-IQ高光谱相机支持快速、非接触式成像，可在可控环境与田间场景下稳定获取叶片光谱信息，为后续特征提取与模型训练奠定数据基础。

二、数据预处理与关键波段挖掘

原始高光谱数据经暗电流校正、白板校正与SavitzkyGolay 平滑处理，剔除两端低信噪比波段后，保留243个高质量波段用于建模分析。

研究通过深度学习方法从全波段中筛选出对白叶枯病敏感的特征波段，主要集中在：

l 绿峰区域（520–550 nm）：与叶绿素含量变化相关。

l 红边区域（680–720 nm）：反映叶片细胞结构与胁迫状态。

仅用约8%的核心波段即可保留大部分判别信息，在降低数据维度的同时，提升模型运行效率与识别稳定性。

三、病害识别效果与应用价值

在白叶枯病分级识别任务中，基于FS-IQ获取的光谱数据开展模型验证：

l 采用少量核心波段输入，分类准确率可达96%以上，效果优于全波段直接输入。

l 针对样本不均衡场景，通过生成式方法扩充minority样本后，模型整体性能提升6%–13%。

l 波段选择结果与植物生理变化规律一致，具备良好的机理解释性。

FS-IQ 高光谱相机在本研究中展现出以下适配优势：

1. 波段丰富且信噪比稳定：覆盖可见光-近红外关键区间，可捕捉病害早期微弱光谱差异。

2. 便携易用：适合实验室与田间原位采集，适配作物表型分析场景。

3. 数据兼容性强：输出光谱可直接对接深度学习与机器学习流程，支撑特征挖掘与模型优化。

四、小结

本案例以水稻白叶枯病早期无损检测为目标，依托FS-IQ高光谱相机获取高质量光谱数据，结合智能算法实现敏感波段提取与病害精准识别，为作物病害早期预警、精准防控提供了可行的技术路径。

彩谱FS-IQ 系列高光谱相机以稳定的成像性能、友好的操作体验，持续服务于智慧农业、植物表型、食品安全等科研与工业场景，助力用户从复杂光谱信息中挖掘有效特征，推动检测技术向无损、高效、智能化方向发展。

产品推荐

FS-IQ-VISNIR便携式高光谱相机

l 光谱范围：400-1000nm

l 光谱分辨率：2.5nm

l 图像分辨率：1920*1920

l 光谱通道数：1200