被曬化的大地，被烘懶的萬物，被汗水侵蝕的燥熱......在烈日高懸的夏日，誰不想聽見一聲冰鎮西瓜裂開的清脆，讓清涼香甜的瓜瓤鎖住一整個夏天的炙熱。

作為夏日最解暑的水果，西瓜集萬千寵愛于一身，也受到了霜霉病的青睞。霜霉病菌會在潮濕的環境中迅速繁殖，尤其是在溫暖的夏季。這種病害會對西瓜植株造成嚴重的危害，從而影響果實的品質和口感。

在佛羅里達州的西瓜產量受到霜霉病的嚴重影響后，為了有效防治西瓜霜霉病，佛羅里達大學的研究團隊進行了相關研究。

利用航空、地面遙感和機器學習進行西瓜霜霉病嚴重程度的識別和分類

佛羅里達州的西瓜產量受到包括霜霉病（DM）在內的各種病害的不利影響。準確的病害識別對于實施及時有效的管理策略至關重要。遙感工具，例如無人機（UAV）和高光譜成像，已被用于作物病害檢測。先前的研究已成功利用遙感和機器學習（ML）對鱷梨和番茄等其他作物進行了病害檢測。但是，關于使用遙感檢測西瓜病害的研究有限。這項研究的目標是利用機器學習模型和光譜植被指數（VI）來檢測和分類西瓜中霜霉病的不同嚴重程度。

在這項研究中，來自佛羅里達大學的研究團隊通過Resonon Pika L室內平臺系統（5個病害階段：低、中（1和2水平）、高和非常高）及野外機載系統（2個階段：低和高）分別測量了西瓜健康葉片和DM感染葉片的高光譜圖像，選擇感興趣區域（ROI），將各種植被指數（VI）作為識別病害階段的指標。利用多層感知器（MLP）和決策樹（DT）兩種分類模型來區分健康和DM感染植物。使用MLP來選擇能夠識別DM及其病害程度的最佳VI。

（A）健康西瓜葉片和不同嚴重程度階段的受DM感染的葉片（作為示例）：（B）低（該圖像包括感興趣區域的示例）；（C）中；（D）高。（E）Pika L高光譜相機在實驗室中收集高光譜數據。

田間DM嚴重程度階段：（A）低；（B）高；（C）基于無人機的高光譜成像系統；（D）校準防水布。

【結果】

（A）5個病害嚴重程度（DS）階段西瓜葉片的光譜反射特征（在實驗室收集）；（B）健康（H）和五個DS階段西瓜葉片的相關系數。

MLP和DT方法在實驗室中區分健康（H）和西瓜DM幾個DS階段的分類結果。

（A）田間收集高光譜圖像的光譜反射特征；（B）健康、低和高霜霉病嚴重程度階段西瓜植株的相關系數。

MLP和DT方法檢測田間西瓜感病植株與健康植株的分類結果。

【結論】

所選的最佳光譜VI對不同嚴重程度霜霉病的檢測和識別具有較高的特異性和敏感性。由于葉片組成的微小變化（與健康植物相比），低DS階段獲得了較低的分類結果。MLP方法在高和非常高DS階段（87-90%）獲得了最高的分類結果，而DT方法在所有DS階段獲得了較低的分類結果（與MLP相比）。一些VI可用于DS階段病害檢測和分類。利用高光譜成像識別最重要的VI來檢測和識別多個DS階段將進一步增強病害檢測的理解和特異性。未來的工作包括開發一種簡單且廉價的基于無人機的傳感器，該傳感器基于之前的研究和開發，僅測量窄波段的光譜反射率（例如定制的多光譜相機），以特定波長為中心，用于田間DM早期檢測。