本研究應用400-1000nm的高光譜相機，可采用杭州彩譜科技有限公司產品FS13進行相關研究。光譜范圍在400-1000nm，波長分辨率優于2.5nm，可達1200個光譜通道。采集速度全譜段可達128FPS，波段選擇后最高3300Hz（支持多區域波段選擇）。

　　新疆是我國棉花的主要產區。在棉花生長過程中常受到棉蚜危害，影響植株的生長發育，造成減產。傳統棉蚜信息監測需要人工觀察棉蚜危害棉花葉片變化，統計棉蚜數量，費時費力，并且由于統計的延時性造成蟲情信息滯后，不利于棉蚜危害的精準防控。農田傳感器的普及使棉蚜信息快速獲取成為可能，因此，探究一種棉蚜危害快速識別方法，以提高蟲情獲取效率。

　　本研究針對目前棉蚜危害監測依靠田間人工調查、布置裝置采集等方法而導致蟲情信息獲取時效性差、覆蓋面小等一系列問題，以高光譜成像儀獲取健康、受好蟲危害的棉花葉片樣本高光譜數據與圖像數據，提取光譜特征、圖像特征，以特征數據作為輸入構建機器學習模型，完成基于高光譜成像的棉花蚜蟲危害判別模型與棉花蚜蟲危害程度識別模型的建立，并依據棉花蚜蟲危害程度識別模型，基于安卓系統自主研發了棉花蚜蟲危害程度診斷系統，實現棉蚜危害的診斷，為農業生產提供棉蚜防控提供技術支持。

　　棉蚜作為棉花主要害蟲之一，嚴重影響棉花高產、高效的生產，傳統農情監測方法已不足以滿足棉蚜快速監測需求。目前針對棉蚜快速監測主要以人工調查、田間裝置監測等方法，存在費時費力、監測范圍小、時效性差等問題。其次，田間裝置監測易受到揚塵、空氣懸浮物、異種昆蟲等外界環境干擾，計數準確性難以保證。

　　此外，人為走動、裝置的放置監測覆蓋面有限，難以保證大范圍農情監測，并且影響農業機械大范圍農事作業。近些年隨著計算機硬件算力、傳感器技術、光譜技術、無線數據傳輸技術等現代信息技術的迅猛發展，為棉蚜田間快速監測奠定硬件基礎和技術基礎。因此，本研究針對目前棉蚜監測存在的一系列問題，基于棉花受棉蚜危害高光譜反射率變化等特點，進行大田試驗明晰棉葉光譜監測分類的可行性，然后，通過受害樣本光譜反射率不同提取特征，建立棉蚜危害等級識別模型，基于安卓平臺研發棉蚜危害等級識別系統，為棉田蟲情的快速

　　無損檢測提供技術支持。主要研究結論如下：

　　（1）基于受到棉蚜危害的棉葉高光譜特征會發生變化進行大田實驗，采集健康、棉蚜危害的棉葉樣本，提取光譜特征、圖像特征并以此作為輸入構建機器學習模型，結果表明：RF-PLS-LDA模型效果最好，預測集識別率達到91.49%。由于模型中輸入的數據量太大，建模效率低下，因此可通過減少模型中的輸入數據來優化模型。逐一以紋理特征二階統計量作為輸入建立判別模型，其中PCA-Loading-PLS-LDA-Energy模型性能最好，預測集識別率達到92.55%。

　　（2）在確定高光譜成像可以應用于棉蚜危害監測的基礎上，本研究基于光譜反射率、棉蚜危害時間、單葉蚜蟲數量擬定三個危害程度，以此為指標數據構建SPA-PLSR棉蚜危害程度診斷模型模型決定系數R2達到0.5258，最小均方根誤差為0.4021，為安卓平臺的棉蚜危害監測系統提供理論支持。

　　（3）基于安卓平臺，建立了棉蚜危害程度診斷模型，開發了棉蚜危害程度識別系統。該系統以特征波長光譜ROI均值反射率作為輸入，棉蚜危害程度作為輸出，總體識別率達到96%，并提供相應危害程度下農田管理措施。通過實踐，該系統收效良好，實現了蚜害快速監測，可以應用于多種尺度的高光譜棉蚜危害監測，有望提高棉田蟲情監測效率。