摘要：为了快速、准确地进行水稻穗瘟病害程度分级，以实现水稻品种抗性评价或精准的田间化学防治，该研究提出了一种光谱词袋（bag of spectrum words, BoSW）模型分析方法，分析稻穗的高光谱图像，自动评判穗瘟病害程度。首先，稠密规整地将高光谱图像分割成小立方格，计算每个立方格像素的平均全波段包络矢量，用K-Means算法聚类形成典型光谱包络词典。词典中光谱包络“词”（word）用作高光谱图像表达的“基”，直方图统计各光谱“词”在高光谱图像样本中的出现频度，形成光谱图像的词袋表达。采用HyperSIS-VNIR-QE光谱成像仪获取田间采集的170株稻穗样本高光谱图像，用BoSW方法生成其词袋表达；植保专家根据病害程度类别确定光谱图像样本标签。随机选择2/3“词袋表达-病害程度等级标签”数据对构成训练集，采用卡方-支持矢量机（chi-square support vector machine, Chi-SVM）分类算法建立穗瘟病害程度分级模型。余下的1/3样本构成测试集，测试穗瘟病害等级模型的预测性能，分类识别精度为94.72%，高于主成分分析（principle component analysis, PCA）、敏感波段选择等传统光谱分析方法，其识别精度分别为83.83%和79.83%。该研究提高了穗瘟病分级的自动化程度和准确率，也可为其他病害分级检测提供参考。

关键词：图像处理 病害 分级 高光谱成像 穗瘟 

单位：华南农业大学南方农业机械与装备关键技术省部共建教育部重点实验室 广州510642 华南农业大学工程学院 广州510642 广东省农业科学院植物保护研究所 广州510640