aBIOTECH | 浙江大学刘羽飞团队基于高光谱与深度学习技术实现水稻恶苗病早期高效监测

水稻恶苗病（Rice bakanae disease）是影响水稻生产的最主要病害之一，在世界水稻主产区均有发生，且发病率不断上升。恶苗病一旦发生无法治愈，严重影响全球稻米供给安全。因此，水稻恶苗病的早期诊断具有重要意义。高光谱成像技术作为一种非破坏性检测手段在植物病虫害检测方面显示出巨大潜力。该技术可以准确、及时、广泛地确定作物的生理状态，检测早期疾病传播，避免作物遭受重大损失。

浙江大学农业信息技术研究所刘羽飞副教授课题组在aBIOTECH发表了题为“Early surveillance of rice Bakanae disease using deep learning and hyperspectral imaging”的研究论文。结果表明，结合深度学习和高光谱成像技术可以在水稻恶苗病发病早期进行快速、无损的动态监测。

该研究探索了水稻幼苗在感染藤仓镰刀菌（Fusarium fujikuroi）后随时间的表型特征变化，基于水稻幼苗在恶苗病胁迫下的高光谱数据集开发了一种名为RBD-VGG的水稻恶苗病早期诊断模型。

图1 数据处理方法流程图

本研究基于高光谱成像技术和改进的轻量化深度学习模型（RBD-VGG）对早期感染恶苗病的水稻进行了无损检测。该方法对感染21天幼苗的平均检测准确率为92.2%，其中品种华中优-9326（HZY-9326）检测准确率高达95.5%。此外，该方法可以在幼苗感染第9天时检测到感病状况，平均准确率为79.4%。相比传统方法，该方法实现了更早期的恶苗病监测，在病害识别精度上也有大幅度提升。同时，本研究提取到了适用于水稻恶苗病监测的特征波段，未来可以应用于低成本的便携式农用光谱仪开发，进一步也可以与无人机相结合进行大规模的田间病害监测。

图2 各时期幼苗样本的归一化光谱和RGB图像

浙江大学生物系统工程与食品科学学院硕士研究生陈思诗为文章第一作者，刘羽飞副教授为通讯作者。该研究得到了国家重点研发项目（2023YFD2000103）、浙江省农机研发制造推广应用一体化试点项目（2023-YT-06）等项目资助。

引用本文：Chen, S., Lu, X., Fang, H. et al. Early surveillance of rice bakanae disease using deep learning and hyperspectral imaging. aBIOTECH (2024). https://doi.org/10.1007/s42994-024-00169-1

相关阅读：

aBIOTECH |『植物微生物互作』主题文章

aBIOTECH封面文章 | 刘羽飞/王蒙岑综述利用先进技术在不同观测尺度上预测水稻病害的现状与展望

aBIOTECH | 陶增团队揭示病原真菌组蛋白修饰H3K36两个甲基转移酶介导不同转录活性的分子机制

aBIOTECH | 段成国团队揭示DNA甲基化介导的棉花黄萎病致病新机制

aBIOTECH | 段成国课题组综述植物免疫调控中的表观遗传机制

aBIOTECH | 李方方/周雪平团队揭示m6A修饰介导的抗病毒与细胞自噬途径的互作

aBIOTECH | 美国佛罗里达大学Jessie Fernandez团队综述稻瘟病菌效应因子研究进展

aBIOTECH | 张杰课题组揭示病原真菌侵染结构形成调控的完整MAPK信号途径

aBIOTECH | 陈小林课题组鉴定稻瘟菌脂质代谢相关蛋白Nem1及其信号通路