农作物病虫害是制约农业生产发展的主要因素之一，对农作物产量与品质造成极大损失。目前柑橘Citrus reticulata Blanco产业的病虫害发展趋势逐渐恶化，其中，柑橘黄龙病(Citus Huanglongbing，HLB)最为严重，患黄龙病的植株会导致果实的产量和品质下降，最后导致树体死亡。美国、中国、巴西等柑橘生产大国都受到柑橘黄龙病的严重威胁^[1]。到目前为止，柑橘黄龙病仍然没有有效的治疗方法，一旦发现，只能连根拔除，以免其他健康植株被传染。因此，如何快速、精准地找到已患黄龙病的柑橘植株成为当今柑橘病虫害防治的首要任务^[2]。传统的柑橘园区病害监测与防治主要是依靠农户田间走访调查取样，不仅耗时、耗力、效率低下，而且因人的主观性而容易遗漏。中国未来的农业产业趋向于高度区域化、智能化、一体化及精准化，依靠人工田间调查的方式显然已经不能满足现代农业的需求^[3]。近几年快速发展的精准农业航空理念非常符合未来农业的发展方向，该理念的基本思想是通过空中和地面遥感采集农田信息，制作作业处方图，根据处方图实现精准施药。其中低空遥感正是快速获取柑橘园区病虫害信息的重要解决方案之一^[4]。与卫星遥感相比，低空遥感具有成本低、快速、灵活性高、实时获取数据等优点，能够在大范围内快速获取空间地表信息，在农作物病虫害监测领域具有不可比拟的优势^[5]。高光谱检测技术已经在许多领域被应用，与可见光、多光谱图像相比，高光谱图像中蕴含着大量丰富的光谱信息，患病植株叶片细胞中的水分、色素、氮元素等发生变化会引起反射光谱的变化，通过分析反射光谱，可以建立农作物病虫害的判别模型。在柑橘黄龙病的高光谱遥感研究上，佛罗里达大学的Li等^[6]是最早开展无人机遥感柑橘黄龙病的研究团队之一，该团队使用地面高光谱仪建立了光谱库，并对无人机高光谱图像进行波谱匹配识别分类，但由于获取高光谱的拍摄条件和采集设备的差异，该方法识别准确率较低；Kumar等^[7]为了实现柑橘黄龙病患病区域的检测，利用多种植被指数特征和红边参数对无人机机载高光谱图像和多光谱图像进行分析，准确率也不理想，表明基于光谱库的方法对柑橘黄龙病检测存在一定的局限性。兰玉彬等^[8]通过无人机获取柑橘果园的低空高光谱影像，对患黄龙病和健康的植株反射光谱进行一阶微分和对数处理，并采用支持向量机和K邻近进行建模和分类，分类的准确率达到94.7%，表明传统机器学习方法能够实现无人机高光谱遥感检测柑橘黄龙病。Lan等^[9]采用SVM、集成学习等几种机器学习算法，对经过特征压缩与挖掘后的健康柑橘和黄龙病感染柑橘的多光谱样本进行建模，结果表明集成学习和神经网络算法具有很强的鲁棒性和分类效果。

通过机载高光谱相机把每一棵患柑橘黄龙病的植株准确检测并定位出来并非易事，原因在于柑橘种植不仅仅面临黄龙病威胁，还存在着许多其他病虫害，如缺素、黄斑病、黄脉病等，这些病虫害的症状与黄龙病极为相似，在低空遥感条件下很难准确区分^[10]。患病植株与健康植株差别较为明显，本研究提出通过无人机高光谱遥感技术检测出健康的柑橘植株，其余患病的植株通过人工田间调查方式判断其患病种类及患病程度。该方式是传统病虫害监测与现代遥感技术的结合，可以减少柑橘病虫害检测的时间和人力成本，同时确保病虫害识别的准确性。

1 材料与方法 1.1 试验地概况

本研究在广东省柑橘黄龙病绿色防控与新栽培模式研发示范基地进行，研究区域位于广东省惠州市博罗县杨村镇(北纬23°29′57.81″~23°29′59.31″，东经114°28′8.39″~114°28′12.26″，海拔40 m)，属于亚热带季风气候，年平均气温21 ℃、降水量1 932.7 mm、平均日照2 023 h、无霜期长达345 d，土地肥沃，四季如春，为柑橘等果树的种植提供了优越的气候条件。

试验区域是患病虫害、缺素等症状的高发区，柑橘品种为砂糖橘，种植砂糖橘9行，植株间行距4 m，每行有30余棵植株，列距2 m，共有334棵植株。柑橘植株分为健康和患病(多数患黄龙病、缺素症状，少数患红蜘蛛病害等)2类。园区的果树由华南农业大学农学院柑橘研究团队长期追踪检测，植株健康与否均由该团队专家鉴定确认。

1.2 高光谱数据采集及预处理 1.2.1 无人机高光谱数据采集

本研究使用的无人机平台是DJI MATRICE 600 PRO六旋翼无人机搭载DJI RONIN-MX云台。该无人机配备6块锂电池(电池型号为TB47S)，机臂可快速折叠，起落架可自由收放，具有便携灵活安全的优点，维护成本低，对起飞降落环境无特殊要求，可适应复杂的地形环境，空载质量为9.5 kg，最大起飞质量可达15.5 kg。可实现最多32 min的悬停时间。满足本试验对大面积农田的数据采集要求。DJI RONIN-MX云台是专业级的三轴通用云台系统，适配多种型号的相机，可以完美适配搭载在MATRICE 600 PRO飞行器上进行专业航拍。

本研究中使用S185机载高速成像仪采集高光谱数据，该成像光谱仪由德国Cubert公司生产。S185采用画幅式高光谱成像技术，能够以快照式的速度进行所有光谱通道同步成像，在毫秒级时间内获得范围内的高精度高光谱图像。S185采用了小型化设计，质量仅500 g，其所有光谱通道同步成像的特点非常适合机载移动方式快速测量，配套软件功能丰富，可以用于批量光谱输出、求取植被指数、图像分类等。S185具有非扫描式、全画幅、快速成像的特点，光谱波长范围在450~950 nm之间，采样间隔为4 nm，通道数为125。

执行飞行任务之前，先在地面进行S185高光谱相机的标准白板辐射校正和黑板校正，在地面基站设定无人机飞行高度50 m、重叠率75%、飞行速度2 m/s。柑橘植株冠层的高光谱数据采集要求晴天无云或少云、无风或风速较小的环境。本研究数据采集时间为2017年12月9日11:00—13:00，这个时间段是高光谱数据采集的最佳时间。在飞行试验中，由遥控器控制无人机升高至指定高度，然后按照预设定飞行路线执行自动飞行任务。高光谱图像数据同时储存在单机版计算机中。

1.2.2 高光谱图像预处理

用S185相机采集到的数据由高光谱立体影像和全色图像组成。预处理前，先删除起飞、降落和飞机转弯时拍摄的照片以及其他与研究区无关的照片，以减少不必要的数据处理，加快整体试验进度。然后，用Cube-Pilot软件把高光谱立体影像转换成jpg格式，在PhotoScan中拼接高光谱影像，与拼接数码影像的过程基本一样。全色图像没有pos信息，先拼接全色影像；在进行照片对齐、建立密集点云、生成网格、生成纹理等操作后，全色图像的拼接完成；更改路径，在全色图像的基础上替换数据，最后导出全景正射影像。高光谱图像拼接完成后，使用ENVI软件进行高光谱影像柑橘植株冠层的平均光谱提取。华南农业大学农学院柑橘研究团队已在研究区标记出完全健康植株、患黄龙病植株、缺素植株和其他患病植株，所有植株分为2类：有标记的植株为患病植株(黄龙病、缺素)；没有标记的植株为完全健康植株(图1)。

使用感兴趣区域(Regoin of interest，ROI)提取工具选择ROI并提取其平均光谱。对所选取的柑橘植株冠层随机绘制10个ROI，每个ROI为3×3的像素矩阵，通过ENVI解译每个ROI的光谱曲线，把一个ROI当做一个样本点，通过ENVI均化处理每个ROI的光谱值，把得到的每个ROI的平均光谱作为在该样本点的光谱，得到各样本点的光谱数据。导出所有光谱数据，按照健康植株与患病植株归类。最后得到3 400条光谱数据。

1.3 特征工程 1.3.1 异常数据剔除

数据是科学研究中的最基础的资源，数据质量的优劣直接影响以此作为依据的试验研究正确性和科学性。在实际应用中，异常数据一般是因为各种客观因素或人为过失产生的，异常数据的出现会极大程度地降低数据集的质量，导致在这些异常数据中学习到错误的特征，以至于最后的分类效果不理想。本研究中异常数据出现的原因有：1)高光谱图像数据的采集需要稳定的光照条件，若采集数据过程中出现云层，太阳光照强度变弱，导致光线在植株冠层上的反射率变低，从而出现异常数据；2)无人机在飞行过程中，因环境(风)、转向、变速等因素，使得相机在拍摄过程中出现抖动，相机拍摄角度发生改变，导致出现异常光谱数据；3)由于提取平均光谱的过程需要手动操作，选取的区域可能是图像拼接时的接合处或者是与柑橘植株较为相似的杂草等，导致光谱数据异常。

本研究使用OneClassSVM算法剔除异常数据。OneClassSVM是一个单样本检测算法，常被用于异常数据的检测，属于支持向量机家族的算法，它与传统的分类回归支持向量机的区别是采用了无监督学习的方法^[11]。原本线性不可分的数据，通过核函数将数据映射至更高维空间里，变成线性可分，且在数据点间找一个分割超平面使支持向量间隔最大^[12]。经过数据清洗过程，共剔除异常样本419个，最后剩余有效的健康植株高光谱样本数据2 474个、患病样本数据507个。

1.3.2 过采样处理

在训练二分类模型时，经常会遇到正负样本比例不均衡问题。例如，癌症病人诊断样本，正负(患癌与健康)样本比例达到1∶99，若分类器把所有样本都判断为健康样本，模型的正确率达到99%。然而，模型的目的是找到患癌的样本，这显然没有达到我们期望的效果。如果采用原来的不均衡样本进行训练，算法都会存在类似的问题。过采样是针对数据不均衡问题的最佳解决办法之一，随机过采样是从少数类样本中又放回(随机重复)抽取样本以扩增少数类样本数量从而均衡正负样本比例，该方法对少数类样本进行了多次重复取样，虽然扩大了少数类数据规模，但会造成过拟合。因此需要采用一些方法生成新的样本。SMOTE(Synthetic minority oversampling technique)算法^[13]合成了少数类过采样技术，其基本原理是对少数类集中的每个样本 $ {x}_{i} $ ，从 $ {x}_{i} $ 在少数类集中的K近邻中选一个样本 $ {\widehat{x}}_{i} $ ，然后在 ${x}_{i}{\text{和}}{\widehat{x}}_{i}$ 的连线上随机选取一个点作为合成的新样本，其公式为：

$ {x}_{\mathrm{n}\mathrm{e}\mathrm{w}}={x}_{i}+\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{d}\left(\mathrm{0,1}\right) \times \left|{\widehat{x}}_{i}-{x}_{i}\right|, $

式中， $ {x}_{\mathrm{n}\mathrm{e}\mathrm{w}} $ 表示新合成的样本， $ {x}_{i} $ 表示随机选取的样本， $ {\widehat{x}}_{i} $ 表示 $ {x}_{i} $ 的近邻样本， $ \mathrm{r}\mathrm{a}\mathrm{n}\mathrm{d}\left(\mathrm{0,1}\right) $ 表示在(0，1)之间随机选取随机数。

采用SMOTE算法对测试集样本进行1∶1过采样，最后得出正负样本各1 974个，其中，生成负类样本1 567个。

1.3.3 特征波长提取

高光谱数据的数据量大、波段信息丰富，可以解决很多在多光谱数据中不能解决的分类问题，但波段间的相关性过大且具有大量冗余信息，这为实际应用带来海量数据存储和处理的难题。本次试验的光谱数据有125个波段，采用全波段建立判别模型，每个波段均作为一个特征影响模型的训练结果，但是，并不是所有波长都对柑橘植株病虫害敏感，需要针对柑橘植株病虫害按照一定的判定标准选择出一个最优的波段组合，该波段组合需要保留原始高光谱数据的主要特征。因此，需要对光谱数据进行初步压缩，剔除不敏感的、冗余的波段，使数据维度降低，以减少运算的复杂度并降低分类模型的复杂度^[14]。同时为后续在实际应用中定制柑橘植株病虫害专属波段的多光谱相机提供理论依据。

连续投影算法(Successive projections algorithm，SPA)是一种新兴的波段提取方法，能够消除大量波长变量之间的共线影响、减少模型复杂度，可以消除光谱矩阵间的冗余信息，被广泛应用于光谱计量学、医学成像、信号处理等领域^[15]。SPA是一种前向迭代选择方法，其基本原理是任选一个波长计算它在未选入的波长上的投影，将投影向量最大的波长加入波长链中，循环N次，每个被选入的波长都与前一个被选入波长的线性关系最小^[16]。连续投影算法在数据分析软件Matlab中实现，波段选取的评价指标为均方根误差(Root mean square error，RMSE)，RMSE是观测值与真值偏差的平方和与观测次数比值的平方根，用于衡量观测值与真值之间的偏差。

1.4 模型的建立与评价

本研究基于全波段数据使用BP神经网络和XgBoost算法^[17]，以及特征波段的逻辑回归(LR)和支持向量机(SVM)算法，分别建立柑橘健康植株分类模型，并进行比较分析，图2为特征工程技术路线图。

BP神经网络是一种多层前向神经网络，全称为反向传播网络。其基本过程分为权值参数正向传播以及误差反向传播。每次更新连接权仅针对一个训练样本，这样的算法需要进行多次迭代，在训练集较大时，标准BP神经网络会获得较好的解。BP神经网络具有优秀的表达能力，但亦有很多显而易见的缺点，如容易陷入局部最小点、收敛速度慢、网络结构不易确定。XgBoost算法对梯度提升决策树(Gradient boosting decision tree, GBDT)进行了改进，是GBDT的工程实现。它的闪光点在于支持并行化，在树成型最耗时的阶段，对某个节点内选择最佳分裂点，候选分裂点计算增益时用多线程并行，使训练速度大大加快。在全波段高光谱数据这种分布稠密的数据集上，XgBoost算法往往能得出非常优秀的泛化效果和表达效果、自动发现特征之间的高阶关系，而且不需要对数据进行特殊的预处理(标准化、归一化等)，具有较好的鲁棒性和解释性。

LR是机器学习领域最常用也是最基础的二分类算法，能通过未知类别对象的属性特征序列得到对象所处的类别。LR在数据集线性分布时具有很优秀的分类效果。SVM是机器学习中用来解决二分类问题的监督学习算法，对于高维、非线性的数据问题有良好的分类能力。引入核函数能够避免高维变换带来的计算复杂性，常用的核函数包括线性核函数(Linear kernel function)、径向基核函数(RBF kernel function)和多项式核函数(Polynomial kernel function)。

针对不同的问题需要使用不同的模型评价标准，一般有Accuracy、Precision、Recall、F1、ROC(Receiver operating characteristic)曲线和AUC(Area under curve)等几种，前4种分别由混淆矩阵计算得出。具体公式如下：

$ \mathrm{A}\mathrm{C}\mathrm{C}=\frac{(\mathrm{T}\mathrm{N}+\mathrm{T}\mathrm{P})}{\left(\mathrm{T}\mathrm{P}+\mathrm{T}\mathrm{N}+\mathrm{F}\mathrm{P}+\mathrm{F}\mathrm{N}\right)} ,$

(1)

$ \mathrm{P}\mathrm{r}\mathrm{e}\mathrm{c}\mathrm{i}\mathrm{s}\mathrm{i}\mathrm{o}\mathrm{n}=\frac{(\mathrm{T}\mathrm{P})}{(\mathrm{T}\mathrm{P}+\mathrm{F}\mathrm{P})} ,$

(2)

$ \mathrm{R}\mathrm{e}\mathrm{c}\mathrm{a}\mathrm{l}\mathrm{l}=\frac{(\mathrm{T}\mathrm{P})}{\left(\mathrm{T}\mathrm{P}+\mathrm{F}\mathrm{N}\right)} ,$

(3)

$ \frac{2}{\mathrm{F}1}=\frac{1}{\mathrm{P}\mathrm{r}\mathrm{e}\mathrm{c}\mathrm{i}\mathrm{s}\mathrm{i}\mathrm{o}\mathrm{n}}+\frac{1}{\mathrm{R}\mathrm{e}\mathrm{c}\mathrm{a}\mathrm{l}\mathrm{l}} ,$

(4)

式中，ACC(Accuracy)表示分类准确度，TP(True positive)表示被模型预测为正的正样本，TN(True negative)表示被模型预测为负的负样本，FP(False positive)表示被模型预测为正的负样本，FN(False negative)表示被模型预测为负的正样本。

ROC起源于二战中敌机检测的雷达信号分析技术，计算出2个重要量的值作为横、纵坐标作图，得到了ROC曲线。在机器学习中，ROC曲线的纵坐标是真正率(True positive rate, TPR),横坐标是假正率(False positive rate, FPR)。AUC被定义为ROC曲线下的面积,即对ROC曲线求积分，其值介于0.5~1.0之间，AUC的值越大表示该模型分类效果越好。计算公式如下：

$ \mathrm{T}\mathrm{P}\mathrm{R}=\frac{\mathrm{T}\mathrm{P}}{\mathrm{T}\mathrm{P}+\mathrm{F}\mathrm{N}} ,$

(5)

$ \mathrm{F}\mathrm{P}\mathrm{R}=\frac{\mathrm{F}\mathrm{P}}{\mathrm{T}\mathrm{N}+\mathrm{F}\mathrm{P}} ,$

(6)

$ \mathrm{A}\mathrm{U}\mathrm{C}=\frac{1+\mathrm{T}\mathrm{P}\mathrm{R}-\mathrm{F}\mathrm{P}\mathrm{R}}{2}{\text{。}} $

(7)

由于测试集数据没有经过过采样算法处理，测试集仍是不均衡数据集。在不均衡数据集分类算法的评估中，ACC这一评估标准无法准确地反映少数类的分类效果，将不再适用于本试验。而在本研究应用中的目标是要尽可能找出所有的患病样本，宁可误判，但不能漏判。召回率反映模型的容错性，因此在本研究中召回率评分是最重要的一个指标。

1.5 数据集设置

本研究基于全波段数据使用BP神经网络和XgBoost算法，基于特征波段使用逻辑回归和支持向量机算法建立健康植株与患病植株的分类模型。为了方便比较模型的效果，需要统一测试集数据。训练集与测试集的设置如下：

本数据集共有2 981个数据，其中，正类(健康样本)2 474个、负类(患病样本)507个，属于不均衡样本集。第1步，按一定比例随机抽选出一部分样本作为测试集(正类样本500个、负类样本100个)，其余数据为训练集(正类样本1 974个、负类样本407个)；第2步，将训练集分为多数类子集(正类)和少数类子集(负类)，然后通过过采样算法增加少数类子集的样本数据量，过采样后的少数类子集和多数类子集组成新的数据集，此时数据集为均衡数据集，不均衡数据样本处理流程见图3。最终，训练集样本共有4 948个，其中，健康样本与患病样本各2 474个；测试集样本共600个，其中，健康样本500个、患病样本100个。

2 结果与分析 2.1 特征波长数的最优结果

图4为连续投影算法的均方根误差曲线(RMSE)。由图4可见，特征波长数为4时RMSE最小，因特征波长提取的目的是为了更好地实现健康植株与患病植株的分类，因此应该选取尽量少的特征波长^[18]。特征波长数为2时的RMSE为0.518 05，与特征波长数为4时的RMSE相差较小，因此选择2个特征波长作为最优结果。选出来的特征波段是本数据集中的第61、78个特征波段，即698和762 nm是连续投影算法选出来的对健康植株分类结果贡献值最大的特征波长(图5)。

2.2 基于全波段的柑橘患病植株分类结果 2.2.1 BP神经网络

本次试验使用4层网络结构，包括1层输入层、2层隐含层和1层输出层，神经网络结构见表1。训练时设置损失函数，使用交叉熵代价函数(Cross-entropy cost function)，令epoch=50，batch_size=100，即每批参加训练的样本大小为100，一次epoch的意思是把所有训练样本都在神经网络中进行正向传播和反向传播。由表1可见，模型的输入层为波段数(输入节点数)125的光谱曲线向量，前3层均使用ReLu激活函数，ReLu函数具有非饱和性，可以很好地解决梯度消失问题；模型输出层的输出节点数为2，把样本分为健康与患病两类，使用Sigmoid激活函数。

2.2.2 XgBoost

由于XgBoost模型的参数较多，因此优化模型参数步骤是必要的，合适的参数能使模型泛化能力最大化。其中，num_round(树的数量)和eta(学习率)是最终需要的参数，对模型效果影响较大。一般XgBoost参数调优步骤需要先通过网格搜索先找出num_round和eta的最佳取值，再调整其他参数。XgBoost模型在经过参数优化后，得出的最优模型参数为：num_round=40，eta=0.06，max_depth=7，min_child_weight=3，subsample=0.6，alpha=0.125。模型在测试集上的分类结果见表2。如表2所示，测试集600个样本中，使用BP神经网络和XgBoost模型正确分类的样本数达到500个以上，但是对患病样本的分类准确率偏低。

2.3 基于特征波段的分类模型及效果

将高光谱数据中的冗余波长数据剔除，只留下特征波长对应的数据。由于对原数据集进行了特征波长提取操作，因此，需要对特征波长数据集重新进行异常数据剔除和重采样操作。上述操作后，最终得到训练样本共4 016个(健康与患病样本各2 008个)，测试样本共600个(健康样本500个、患病样本100个)。预处理同“1.3”，将训练集输入LR和SVM中，得出分类模型，使用测试集数据验证模型准确度，结果见表3。由表3可见，测试集在特征波长下LR与SVM模型分类结果对患病样本的分类正确率较高，但对于健康样本的分类效果不佳。

2.4 模型效果评估对比

统计BP神经网络、XgBoost、LR和SVM 4个模型在测试集数据中的分类结果，并计算出评价指标，得分结果见表4。由表4可见，BP神经网络模型AUC得分为0.883 0；100个患病样本中有78个样本预测正确，剩余22个样本预测错误，召回率(Recall)只有78.00%，效果不理想；而500个健康样本中预测正确的有493个，错判率很低。XgBoost模型的AUC得分为0.912 0，且在我们最关注的指标—召回率中，XgBoost模型有更好的效果，其召回率为85.00%。基于全波段的BP神经网络和XgBoost模型的分类准确率(ACC)均超过95%。本文的研究目的是为了尽可能找出全部的患病样本，要求召回率尽可能高，因此，基于全波段的BP神经网络和XgBoost模型均未达到研究要求。

使用基于特征波长的LR和SVM分类模型对患病样本的召回率分别为93.00%和96.00%，分类准确率分别为91.50%和89.16%，均比XgBoost的分类准确率(85.00%)高，基本达到本研究的要求；但在健康样本分类上，准确率相对低了一点。LR和SVM分类模型的AUC值分别为0.921 0和0.919 0，均高于全波段数据建模的BP神经网络和XgBoost模型的AUC值，究其原因，全波段数据信息量较大，其中很多波段信息皆为冗余波长，不仅不能提升模型效果，甚至对分类结果有干扰作用^[19]；而基于特征波段的建模方法只需使用简单的逻辑回归模型就能达到很不错的效果。本研究通过连续投影算法筛选出的特征波长698和762 nm对柑橘患病植株分类敏感且有效。

3 结论

本文以柑橘植株为对象，在广东省惠州市博罗县杨村镇柑橘黄龙病绿色防控与新栽培模式研发示范基地，利用多旋翼无人机(大疆M600 PRO)作为遥感平台搭载高光谱成像仪(S185)，采集柑橘植株冠层的高光谱遥感图像，通过ENVI软件提取平均光谱作为原始数据，先后经过数据清洗、过采样等数据预处理操作，使得原来离散、不均衡的高光谱数据变得规范，便于建模分析。采用连续投影算法提取特征波长，基于全波段的BP神经网络算法、基于全波段的XgBoost算法、基于特征波段的逻辑回归算法和支持向量机算法建立了健康柑橘植株与患病(患黄龙病、缺素)植株的分类模型，4种模型均得到不错的分类效果，基于全波段使用BP神经网络和XgBoost算法建立的分类模型AUC值分别是0.883 0和0.912 0，分类准确率均超过95%；基于特征波段使用逻辑回归和支持向量机算法建立分类模型，召回率(患病样本的分类准确率)分别达到了93.00%和96.00%，证明了特征波长组合的有效性。本研究结果可为柑橘种植园的病虫害监测和精准防治提供一定的数据和理论支撑。