论文标题：A multimodal approach for enhanced disease management in cauliflower crops: integration of spectral sensors, machine learning models and targeted spraying technology

期刊：Frontiers of Agricultural Science & Engineering

作者：Rohit ANAND, Roaf Ahmad PARRAY, Indra MANI, Tapan Kumar KHURA, Harilal KUSHWAHA, Brij Bihari SHARMA, Susheel SARKAR, Samarth GODARA, Shideh MOJERLOU, Hasan MIRZAKHANINAFCHI

发表时间：15 Jun 2025

DOI：10.15302/J-FASE-2024572

微信链接：点击此处阅读微信文章

智慧农业

Smart Agriculture

专 辑 文 章 介 绍

· 第六篇 ·

▎论文ID

A multimodal approach for enhanced disease management in cauliflower crops: integration of spectral sensors, machine learning models and targeted spraying technology

提升花椰菜病害管理的多模态方法：光谱传感器、机器学习模型与靶向喷雾技术的融合

文章类型：Research Article

发表年份：2025年

第一作者：Rohit ANAND

通讯作者：Roaf Ahmad PARRAY

Email: rouf.engg@gmail.com

作者单位：印度农业研究所。

Cite this article :

Rohit ANAND, Roaf Ahmad PARRAY, Indra MANI, Tapan Kumar KHURA, Harilal KUSHWAHA, Brij Bihari SHARMA, Susheel SARKAR, Samarth GODARA, Shideh MOJERLOU, Hasan MIRZAKHANINAFCHI. A multimodal approach for enhanced disease management in cauliflower crops: integration of spectral sensors, machine learning models and targeted spraying technology. Front. Agr. Sci. Eng., 2025, 12(2): 261–273 https://doi.org/10.15302/J-FASE-2024572

· 文 章 摘 要 ·

本研究探索了一种用于花椰菜病害管理的新型多模态方法。为应对可持续农业发展的挑战，研究提出了一种局部喷雾法，以控制病害、降低作物损失和环境影响。研究使用光谱传感器收集感病和健康花椰菜部位的光谱信息，实现无损病害评估。通过决策树和支持向量机 (SVM) 算法分析光谱数据集，确定能准确区分感病和健康植物的模型。所选模型与低容量喷雾器 (50–150 L·ha^-1) 集成，该喷雾器配备电子控制单元，可基于传感器检测结果进行靶向喷雾。决策树模型的测试准确率为89.9%，SVM模型在成本为10.0、容差为0.001时准确率达96.7%。研究成功展示了光谱传感器、机器学习和靶向喷雾技术的集成应用，可精准施用投入品。此外，优化后的喷雾器使化学用品使用量减少72.5%，在黑腐病感染的作物上，与标准喷雾器相比，单位面积喷雾时间节省21.0%。这些发现凸显了创新型喷雾技术在精准农业和病害管理中的效率及资源节约潜力。

· 文 章 亮 点 ·

1. 开发了一种可持续的方法，减少农药使用并提高作物生产力。

2. 通过集成光谱传感器、机器学习和靶向喷雾技术实现花椰菜病害管理。

3. 在花椰菜黑腐病检测中，支持向量机 (SVM) 的表现优于决策树模型。

4. 靶向喷雾使化学用品使用量减少72.5%，并节省了21.0%的喷雾时间。

· Graphical abstract ·

· 研 究 内 容 ·

▎引言

全球农业面临粮食安全与可持续生产力的双重挑战，而作物病害的有效管理至关重要。当前，气候变化和生物威胁影响了人类控制的环境，导致农业和森林环境的多样性和产量受限。病虫害致使全球农业生产不断减少，而大量农药被随意喷洒在作物上，对环境、人类健康和非目标生物造成有害影响。因此，开发可持续的综合病害管理实践以减少对化学农药的依赖成为当务之急。

目前，作物病害检测主要依赖视觉检查，存在主观性、耗时和诊断不准确的问题。近年来，基于传感器的病害检测系统因其能够实现精准农药应用而受到关注。光谱传感器能够捕获和分析植物的光谱特征，提供有关植物生理状况的信息。许多研究利用光谱信息和机器学习模型进行作物病害检测，取得了显著进展。支持向量机 (SVM) 和决策树算法等机器学习模型能够从标记的光谱数据中学习，准确预测作物中是否存在病害，为针对性喷雾应用提供了独特机会。

本文介绍了一种结合光谱传感器、机器学习模型和靶向喷雾来检测花椰菜作物中的病害并促进精准农药应用设备的开发。研究使用AS7341光谱传感器收集花椰菜作物感病和健康区域的光谱数据，并通过训练和测试SVM和决策树算法等机器学习模型，确定了用于病害检测的最准确模型。所选模型被集成到靶向喷雾设备中，根据传感器检测到的病害激活继电器开关，从而实现对目标区域的精准农药应用，有望提高病害控制效率，减少农药依赖，减轻环境影响，并最终提高整体作物生产力。

▎研究方法

本研究采用多模态方法，结合光谱传感器、机器学习模型和靶向喷洒技术，以增强花椰菜作物的病害管理能力。通过非破坏性病害评估，使用光谱传感器收集病害和健康花椰菜部位的光谱信息，并利用决策树和SVM算法分析光谱数据集，以识别区分病害和健康植物的最准确模型。

实验在印度农业研究所的实验田进行，设置了100平方米的花椰菜试验田，分为两组：一组接种黑腐病病原菌，另一组为健康植物。使用AS7341光谱传感器收集光谱反射数据，并通过Arduino微控制器进行数据采集。

▎研究结果

1. 机器学习算法模型在识别花椰菜病患与健康区域中的准确性

本研究的光谱反射数据表明，感病区域的光谱反射始终落后于健康区域，揭示了感病和健康区域的独特光谱特征，为后续模型训练和测试奠定了基础。在机器学习模型评估中，决策树模型中使用基尼指数且深度为四的配置表现最佳，测试准确率达89.9%。该模型在验证准确性和F1分数等指标上均表现出色 (表1)。混淆矩阵显示，在评估的1608个样本中，模型准确识别了740个感病案例和715个健康案例，但也存在一些误分类情况，错误地将55个健康组织识别为感病，将98个感病组织识别为健康 (图1)。此外，研究还训练和测试了12个使用SVM算法的模型以检测和区分受黑腐病影响的花椰菜组织。其中，配置为成本10.0和容差0.001的模型测试准确率最高，达到96.7%，其F1分数和验证准确率也进一步证明了该模型的优越性。SVM模型的混淆矩阵显示，在1608个实例中，正确分类了98%的感病样本和94%的健康样本 (图2)。因此，SVM模型在分类准确率上优于决策树模型。总体而言，决策树模型在基尼指数且深度为四的配置下准确率为89.9%，而SVM模型在成本设为10.0和容差设为0.001的配置下准确率为96.7%。

表1 基于决策树算法模型区分花椰菜感病与健康组织的准确率

图1 基于决策树模型检测花椰菜黑腐病的混淆矩阵。

图2 基于支持向量机模型检测花椰菜黑腐病的混淆矩阵。

2. 靶向喷雾器的设计

基于光谱传感器对黑腐病感染花椰菜的光谱特性研究，最终确定了基于传感器的靶向喷雾器的规格和操作参数，具体见表2。

表2 花椰菜作物靶向喷雾器的规格

3. 靶向喷雾器在黑腐病感染作物中的性能

研究在田间条件下评估了靶向喷雾器的操作性能，结果显示其对黑腐病感染的花椰菜作物具有良好的识别和施药效果。喷雾器有效激活并对8个感病参考植物中的6个进行了化学处理，同时在32个健康植物中的28个保持不激活。在总共40个样本中，喷雾器成功对10个植物进行了处理，并在30个健康区域保持不激活。具体而言，喷雾器成功检测到75%的感病区域并进行了化学施药，准确识别了87.5%的健康区域并保持不激活状态。该靶向喷雾器在化学药剂使用量方面表现出显著优势，其农药溶液消耗量为110 L·ha^-1，施药能力为0.038 ha·h^-1。与背负式喷雾器相比，靶向喷雾器使化学药剂使用量减少了72.5%，单位面积喷雾时间节省了21.0%。这些发现表明，靶向喷雾技术在精准农业和病害管理中具有显著的效率提升和资源节约潜力，有助于改善病害管理实践，提高作物生产力。

· 结 论 ·

本研究提出的多模态方法在花椰菜病害管理中展现出巨大潜力，通过集成光谱传感器、机器学习模型和靶向喷雾技术，显著提高了病害防控效率，减少了农药使用，降低了环境影响，提升了作物生产力。研究成功实现了精准的病害检测和农药施用，为低容量蔬菜作物的可持续病害管理提供了新途径。该技术具有广泛的农业应用前景，可扩展至不同作物和病害组合，推动农业工程领域的发展。

《前沿》系列英文学术期刊

由教育部主管、高等教育出版社主办的《前沿》（Frontiers）系列英文学术期刊，于2006年正式创刊，以网络版和印刷版向全球发行。系列期刊包括基础科学、生命科学、工程技术和人文社会科学四个主题，是我国覆盖学科最广泛的英文学术期刊群，其中12种被SCI收录，其他也被A&HCI、Ei、MEDLINE或相应学科国际权威检索系统收录，具有一定的国际学术影响力。系列期刊采用在线优先出版方式，保证文章以最快速度发表。

中国学术前沿期刊网

http://journal.hep.com.cn