《Frontiers in Plant Science》：Identification of tobacco leaf diseases using hyperspectral imaging and machine learning with SHAP interpretability analysis
编辑推荐：
本综述系统评估了高光谱成像（HSI）与机器学习在烟草叶部病害诊断中的应用。研究通过Savitzky-Golay（SG）预处理、连续投影算法（SPA）波长选择和人工神经网络（ANN）分类器，仅用20个特征波段实现了对健康叶片及四种主要病害（褐斑病、野火病、烟草花叶病毒TMV、马铃薯Y病毒PVY）的高精度多类识别（准确率98.88%）。Transformer模型虽表现略优（99.35%），但依赖全谱数据且计算成本高。SHAP可解释性分析揭示了与色素吸收（如567.3 nm）和结构变异（如870.8 nm）相关的关键光谱区域，像素级预测支持了病害严重度分级。该框架为开发轻量化多光谱诊断系统提供了理论基础。
引言
烟草作为中国农业经济的支柱产业，易受褐斑病、野火病、烟草花叶病毒（TMV）和马铃薯Y病毒（PVY）等叶部病害侵袭，严重影响产量与品质。传统诊断方法依赖主观性强的人工观察或破坏性分子检测，亟需开发快速、无损的客观诊断技术。高光谱成像（HSI）能够捕获叶片在可见-近红外波段（400–1000 nm）的连续光谱信息，通过病害引起的色素、细胞结构和水分状态变化导致的反射率差异实现病害识别。然而，现有研究多集中于单一病害或二分类任务，缺乏针对多病害场景的通用性、可解释性分析框架。本研究旨在构建一个结合HSI和机器学习的多病害烟草诊断框架，重点解决模型效率、可解释性及严重度定量评估问题。
材料与方法
研究选用烟草品种云烟99，于四川省宜宾市采集95片叶片（褐斑病35片、野火病33片、PVY 14片、TMV 8片、健康5片）。采用Pika XC2高光谱成像系统（400–1000 nm，462个波段）获取图像，并通过阈值分割、连通域分析和形态学闭运算去除背景。数据标注以叶片为单位划分训练集、验证集和测试集，避免像素级数据泄露。比较了SG平滑、标准正态变量变换（SNV）、最小-最大标准化（MMS）和标准缩放（SS）四种预处理方法，并评估竞争性自适应重加权采样（CARS）、连续投影算法（SPA）和最小角回归（LARS）三种波长选择算法。分类模型包括人工神经网络（ANN）、XGBoost、随机森林（RF）、支持向量机（SVM）、偏最小二乘判别分析（PLS-DA）以及作为深度学习基准的X-Transformer模型。模型性能通过准确率、精确率、召回率和F1值评估，并采用SHAP分析关键波长贡献。针对褐斑病和野火病，基于像素级预测计算病斑面积比例实现严重度分级。
结果
光谱特性分析显示，不同病害在400–1000 nm波段反射率存在显著差异：褐斑病和野火病在全波段反射率低于健康叶片，且在500–600 nm无显著反射峰；TMV和PVY在550 nm附近绿峰反射率降低，但在700–1000 nm近红外区高于健康叶片。SG预处理能有效抑制噪声，ANN模型在SG预处理下全谱分类准确率达98.93%。波长选择中，SPA筛选出20个特征波段，SG-SPA-ANN模型测试准确率为98.88%，与全谱模型相当但输入维度降低95.7%。X-Transformer模型准确率略高（99.35%），但参数量达484万，且依赖全谱输入。SHAP分析表明，870.8 nm（近红外散射）、711.6 nm（红边位置）和567.3 nm（叶绿素吸收）是区分病害的关键波段，其贡献与色素降解、细胞结构破坏等生理变化一致。像素级病害可视化显示，SG-SPA-ANN能准确定位褐斑病和野火病病斑空间分布，严重度分级准确率超过90%。
讨论
本研究提出的SG-SPA-ANN框架在保持高精度的同时显著降低了数据维度和计算需求，为开发轻量化多光谱诊断设备奠定了基础。SHAP分析不仅提升了模型可解释性，还揭示了与生理机制一致的光谱响应规律，如褐斑病和野火病在近红外波段反射率降低与细胞结构塌陷相关。然而，研究存在局限性：数据均来自室内可控环境，样本量尤其是病毒病害和早期症状样本不足，且未验证跨品种泛化能力。未来需扩大样本多样性，结合生理参数测量，并探索田间应用适应性。
结论
基于高光谱成像和机器学习的烟草叶部病害识别框架，通过SG预处理、SPA波长选择和ANN分类器，实现了多类病害的高精度识别和严重度评估。SHAP可解释性分析明确了关键光谱特征的生理意义，验证了模型决策的合理性。该研究为开发低成本、高效率的烟草病害诊断系统提供了技术支撑，尤其适用于受控环境下的精准农业应用。
