被晒化的大地，被烘懒的万物，被汗水侵蚀的燥热......在烈日高悬的夏日，谁不想听见一声冰镇西瓜裂开的清脆，让清凉香甜的瓜瓤锁住一整个夏天的炙热。
作为夏日最解暑的水果，西瓜集万千宠爱于一身，也受到了霜霉病的青睐。霜霉病菌会在潮湿的环境中迅速繁殖，尤其是在温暖的夏季。这种病害会对西瓜植株造成严重的危害，从而影响果实的品质和口感。
在佛罗里达州的西瓜产量受到霜霉病的严重影响后，为了有效防治西瓜霜霉病，佛罗里达大学的研究团队进行了相关研究。
利用航空、地面遥感和机器学习进行西瓜霜霉病严重程度的识别和分类
佛罗里达州的西瓜产量受到包括霜霉病（DM）在内的各种病害的不利影响。准确的病害识别对于实施及时有效的管理策略至关重要。遥感工具，例如无人机（UAV）和高光谱成像，已被用于作物病害检测。先前的研究已成功利用遥感和机器学习（ML）对鳄梨和番茄等其他作物进行了病害检测。但是，关于使用遥感检测西瓜病害的研究有限。这项研究的目标是利用机器学习模型和光谱植被指数（VI）来检测和分类西瓜中霜霉病的不同严重程度。
在这项研究中，来自佛罗里达大学的研究团队通过Resonon Pika L室内平台系统（5个病害阶段：低、中（1和2水平）、高和非常高）及野外机载系统（2个阶段：低和高）分别测量了西瓜健康叶片和DM感染叶片的高光谱图像，选择感兴趣区域（ROI），将各种植被指数（VI）作为识别病害阶段的指标。利用多层感知器（MLP）和决策树（DT）两种分类模型来区分健康和DM感染植物。使用MLP来选择能够识别DM及其病害程度的最佳VI。
（A）健康西瓜叶片和不同严重程度阶段的受DM感染的叶片（作为示例）：（B）低（该图像包括感兴趣区域的示例）；（C）中；（D）高。（E）Pika L高光谱相机在实验室中收集高光谱数据。
田间DM严重程度阶段：（A）低；（B）高；（C）基于无人机的高光谱成像系统；（D）校准防水布。
【结果】
（A）5个病害严重程度（DS）阶段西瓜叶片的光谱反射特征（在实验室收集）；（B）健康（H）和五个DS阶段西瓜叶片的相关系数。
MLP和DT方法在实验室中区分健康（H）和西瓜DM几个DS阶段的分类结果。
（A）田间收集高光谱图像的光谱反射特征；（B）健康、低和高霜霉病严重程度阶段西瓜植株的相关系数。
MLP和DT方法检测田间西瓜感病植株与健康植株的分类结果。
【结论】
所选的最佳光谱VI对不同严重程度霜霉病的检测和识别具有较高的特异性和敏感性。由于叶片组成的微小变化（与健康植物相比），低DS阶段获得了较低的分类结果。MLP方法在高和非常高DS阶段（87-90%）获得了最高的分类结果，而DT方法在所有DS阶段获得了较低的分类结果（与MLP相比）。一些VI可用于DS阶段病害检测和分类。利用高光谱成像识别最重要的VI来检测和识别多个DS阶段将进一步增强病害检测的理解和特异性。未来的工作包括开发一种简单且廉价的基于无人机的传感器，该传感器基于之前的研究和开发，仅测量窄波段的光谱反射率（例如定制的多光谱相机），以特定波长为中心，用于田间DM早期检测。
