一片绿萝叶子，表面看起来还是绿色的，内部却可能已经发生变化。

当植物受到病虫害或其他环境胁迫时，叶绿素含量、叶片水分以及内部细胞结构都可能发生改变。这些变化有时会表现为黄斑、萎蔫或叶片褪色，但仅靠肉眼观察，并不容易判断叶片不同区域的状态。

那么，有没有办法通过光谱信息，发现叶片中那些不容易直接观察到的差异？

彩谱科技使用FigSpec FS-23成像高光谱相机，以绿萝为检测对象，开展了一项植物叶片健康状态识别应用测试。

图1：检测对象绿萝

一、为什么高光谱相机能看出叶片的不同？

植物叶片对不同波长光的吸收和反射，蕴含着丰富的生理状态信息。

高光谱成像技术能够获取叶片不同位置在多个连续波段下的光谱数据，形成包含空间信息和光谱信息的高光谱图像。

其中，叶绿素等色素主要影响可见光波段的吸收与反射，而叶片内部组织结构则与近红外波段的反射特征密切相关。

当植物受到病虫害或环境胁迫时，叶片色素组成、含水状态及组织结构可能发生变化，并在光谱曲线上表现出一定差异。

通过分析这些光谱特征，可以观察不同叶片区域的状态变化，为植物健康评估及异常区域识别提供参考。

二、应用测试：给绿萝做一次“光谱体检”

本次测试采用彩谱科技FigSpec FS-23成像高光谱相机，配合高光谱成像系统及相关分析软件，对绿萝叶片开展光谱数据采集和分析。

测试的主要信息如下：

检测对象：绿萝叶片

设备型号：FigSpec FS-23

光谱范围：400-1000nm

配套软件：Spec Studio/FigSpec Scan

测试首先采集绿萝盆栽的整体高光谱图像，再从不同叶片区域提取反射率光谱，对比叶片之间的光谱特征差异。

通过多个波长维度分析叶片状态，可以为后续识别异常区域提供数据支持。

图2：FS-23高光谱成像系统及实验采集现场

三、光谱曲线里，藏着哪些叶片信息？

通过对采集数据进行处理，测试获得了绿萝不同叶片区域在400-1000nm波段的光谱曲线。

结果显示，不同叶片区域的反射率光谱存在明显差异，其中几个波段值得关注。

550nm附近：绿光反射峰

绿萝叶片在这一波段附近出现反射峰，与叶绿素对绿光的反射特征有关，也是叶片呈现绿色的重要原因之一。

680nm附近：红光吸收谷

叶绿素在红光波段具有较强的吸收特征。报告指出，部分受损或色素退化的叶片区域，其对应的吸收谷会变浅。

700-750nm：红边区域

在这一波段，植物反射率通常会快速上升。红边位置及其变化与植物生理状态密切相关，是植物健康监测中值得关注的光谱特征。

750-1000 nm：近红外反射区域

近红外反射特征与叶片内部组织结构有关。

本次测试中，不同区域在这一波段呈现明显的曲线差异，说明高光谱数据可以反映叶片组织状态的变化。

图3：绿萝不同区域的平均光谱曲线图

四、从光谱曲线到图像：异常区域在哪里？

光谱曲线能够反映叶片状态差异，但如果希望直观地观察异常区域在叶片上的分布，还需要进一步进行数据分析。

本次测试将高光谱数据导入FigSpec Studio 2.0软件，对类胡萝卜素反射指数进行分析和可视化。

当植物受到环境胁迫、发生病害或进入衰老阶段时，叶片色素组成可能发生变化，进而影响相关光谱指数。

在生成的指数分布图中，不同颜色对应不同的指数表现。

报告中的图像通过红、黄、绿、蓝等颜色展示叶片区域差异，其中蓝色主要用于背景掩膜，叶片上的黄色和红色斑块则显示出局部色素相关指数的异常变化。

这使原本需要结合曲线分析的光谱差异，转化为更加直观的空间分布图。

需要说明的是，指数异常并不直接等同于某一种病虫害确诊，还需要结合实际症状及进一步的实验验证。

图4：FigSpec Studio 2.0类胡萝卜素反射指数分析图

五、应用结果：为植物健康监测提供新的观察方式

本次绿萝叶片测试表明，彩谱科技FigSpec FS-23高光谱相机能够采集叶片在400-1000nm波段的光谱信息，并通过反射率曲线及植被指数分析，观察不同叶片区域的光谱差异。

结合FigSpec Studio软件，可以进一步将这些差异进行可视化展示，为叶片异常区域识别提供参考。

不过，植物病害、虫害、缺水及其他环境胁迫可能引起相似的光谱变化。要进一步区分具体病虫害类型，还需要扩大样本数量，并针对不同病害建立和验证相应的分类模型。

从一片绿萝叶子出发，高光谱成像展示了植物健康监测的一种可行思路：不仅观察叶片的外观，还尝试从光谱变化中寻找异常信息。

对于植物表型研究、叶片生理状态分析及病虫害监测等方向，这类数据有望提供更多研究参考。