近日，我校机电工程学院叶大鹏教授团队在柑橘黄龙病快速无损检测研究上取得重要进展。相关研究以“Combining multicolor fluorescence imaging with multispectral reflectance imaging for rapid citrus Huanglongbing detection based on lightweight convolutional neural network using a handheld device”为题，发表于农业工程领域权威期刊《Computers and Electronics in Agriculture》（Q1，IF=5.565）。
论文封面
柑橘黄龙病会对柑橘产业造成巨大的损失。早发现、早挖除染病植株是柑橘果园管理最有效的策略之一。因此，田间环境下柑橘黄龙病的快速检测技术研究迫在眉睫。本研究旨在通过开发一种能够同步采集多光谱荧光和多光谱反射图像的便携式检测设备来探究高效的柑橘黄龙病检测方法。基于便携式检测设备采集的波谱图像数据，结合深度学习和迁移学习算法对柑橘黄龙病进行检测。研究结果表明，构建的轻量化卷积神经网络(MobileNetV3)可以实现对输入该网络中的柑橘波谱图像数据集92.1%检测准确率，且当个样本检测时间仅需10秒。这表明，与光合作用和生理代谢相关的多光谱反射图像和多光谱荧光图像的结构和生理信息对黄龙病的快速检测具有重要价值。针对不同柑橘品种时，使用微调模型的迁移学习方法比重用模型具有更高的判别准确率，椪柑的总体检测准确率为96.5%。表明，基于多光谱荧光和多光谱反射图像结合深度学习和迁移学习算法的便携式设备在不同感染状态和品种的高通量黄龙病检测具有可行性。
便携式柑橘黄龙病检测仪结构图
柑橘黄龙病快速检测流程
福建农林大学为第一完成单位，机电工程学院何城城硕士为论文第一作者，叶大鹏教授和翁海勇讲师为论文共同通讯作者。该研究得到国家自然科学基金（62005046）、福建省高原学科项目（712018014）、学科交叉融合推动智慧农业（园艺）（000/71202103B）、福建农林大学优秀硕士论文资助项目（1122YS01005）的资助。
文章链接：https://www.sciencedirect.com/science/article/abs/pii/S0168169922001259
