玉米螟又稱為玉米鉆心蟲，是全球性的大害蟲，為害植物達300多種，尤其是以玉米為主，是危害我國玉米產量的第一大害蟲.已經造成重大的產量和質量損失。目前，在農業檢測領域中應用的高光譜成像技術已成為國內外重大的熱點課題，該技術已廣泛應用于農產品果實的蟲害檢測、農產品損傷的識別、農產品內外部品質的檢測、安全檢測、農作物的一些生產信息獲取，以及農作物生理信息、生長信息等領域。目前，對玉米秸稈是否被玉米螟蛀入的無損檢測方法方面需要創新研究，而高光譜成像技術可以精準、迅速、無破壞性地檢測出玉米秸稈是否被玉米螟蛀入，以及其生理特質等信息，因此，該技術在此領域有著巨大的應用潛力。

1 材料與方法

1.1 試驗材料

從玉米地里采集大小、形狀基本一致，有蛀蟲蛀入的玉米秸稈30個；正常玉米秸稈70個。采集到的玉米秸稈用密封袋包裝放好，置于3℃環境中儲存。試驗前將玉米秸稈從密封袋中取出來，在實驗室放置12h,使其達到室溫；然后放置在1m高的平臺處，對每個玉米秸稈進行長度處理，使其長度在30 cm左右(方便試驗操作);最后開始采集玉米秸稈高光譜圖像。

1.2 儀器設備

高光譜成像系統(如圖1所示)本研究應用了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）。

1.3 圖像采集方法

1)將準備好的玉米秸稈用尺寸適宜的、摩擦力較大的硬海綿固定在試驗臺上。

2)打開試驗臺控制儀和光源的開關，調節光源的光照強度按鈕至2.8,然后調節調節光板左右、上下位置，使其左右對稱，并使兩個光板距離達到26 cm時光的亮度等效果最好。

3)對光線，使光打到玉米秸稈成一條直線，然后旋轉鏡頭調節焦距，觀察電腦上顯示出來的格子圖像，直到格子圖像黑色和白色的過渡部分有明顯的界限為止，最好是2~3個格子：同時確定工作距離.即：物鏡到玉米秸稈的距離為40 cm.海綿高度為6 cm.掃描距離的實際長度為86.5mm.CCD相機到控制儀的高度為46 cm。注意在圖像采集過程中MAX DN值要在3200左右，這樣得到的玉米秸稈高光譜圖像效果最好。

4)利用HSI Analyzer軟件對高光譜圖像進行樣本采集，CCD相機的曝光時間(exposure)設置為59ms,幀時間(Set Frame Time)設置為100 ms,攝像頭幀速率(Camera Frame Rate)設置為10,從而得到真正的幀頻(Real Frame Rate)為10.位移臺控制移動速度(X Speed)設置為1mm/s,像素分辨率為1392x520。

2 結果與分析

2.1 光譜區域最優范圍的確定

為了使每個玉米秸稈的光譜曲線更具有代表意義，在玉米秸稈表面選取3×3個像素點的平均光譜，該玉米秸稈的光譜曲線如圖4所示。

由圖4可以看出：波長在750~1000 nm范圍內(313個波段)玉米秸稈正常部分和玉米秸稈蟲害部分反射率差異明顯，玉米秸稈蟲害部分的反射率明顯低于玉米秸稈正常部分的反射率，且反射率差異有逐漸減小的趨勢；波長在1000~1200 nm范圍內，有的玉米秸稈蟲害部分反射率在局部波段高于正常區域反射率，其中包含樣品主要信息；而噪音明顯的波長在750 nm以下和1000nm以上，使得該段光譜數據失去分析價值。因此，選取750~1000 nm光譜區域進行分析。

2.2 基于最優光譜范圍的主成分分析

對750~1000 nm區間共313個波段進行主成分分析，結果如圖5所示。

由圖5可以看出：玉米秸稈圖像基于光譜區域(975~1650 nm,227個波段)進行PCA分析后獲得的前3個PC圖像(PC1,PC2,PC3),其累積貢獻率為99.84%,可有效地表征原始圖像特征。PC1,PC2,PC3圖像對原始樣品的部分信息保留還算完整；PC4圖像則看不出樣品原本的信息，圖像存在太多的噪音。PC1顯示出清晰的蟲害部位，并且與玉米秸稈表皮信息有明顯區別，有利于對蟲害部位的提取和識別；PC2顯示出玉米秸稈表面表皮正常部位的大量原始信息，但與蟲害部位有些難以區分，對于蟲害部位的檢測不利。

2.3檢測結果

對正常玉米秸稈和發生蟲害的玉米秸稈進行檢測對比，結果見表1。

由表1可以看出：正常玉米秸稈總數是85個，正確檢測出80個，誤測5個，檢測準確率為94.1%;蟲害玉米秸稈總數是40個，正確檢測出40個，沒有誤測，檢測準確率為100.0%;所有玉米秸稈總數是125個，總體檢測準確率為96.0%。

3 結論與討論

針對目前檢測出玉米秸稈是否被玉米螟蛀入十分困難的情況，基于高光譜成像技術及對有效光譜區域的主成分分析(PCA)方法，探討檢測被玉米螟蛀入的玉米秸稈的可行性。結果表明：1)將有效光譜區域確定在750~1000 nm,基于有效光譜區域來進行數據處理和分析，可以有效地去除噪聲并減少圖像的冗余信息，達到快速檢測的目的。2)對有效光譜區域的313個波段圖像進行主成分分析.通過對獲得的PC1圖像進行閾值分割，能有效地分割出損傷區域。3)對85個正常的玉米秸稈和40個被玉米螟蛀入的玉米秸稈進行檢測模型的評估.結果顯示.正常玉米秸稈的識別率為94.1%,蟲害玉米秸稈的識別率為100%。本試驗所提取出來的有效光譜區域，既包含著原始信息，又縮小了波段范圍，大大減少了計算量，對進一步構建快速檢測玉米秸稈是否被玉米螟蛀入的多光譜圖像系統具有很大的促進作用。