基于红外光谱与声纹特征的松材线虫病早期识别系统
本技术涉及林业有害生物监测,特别涉及基于红外光谱与声纹特征的松材线虫病早期识别系统。
背景技术:
1、松材线虫病被列为全球第一号植物检疫对象。松材线虫病具有病程短、松树死亡率极高的特点,一般松树从染病到死亡仅需约40天,而松树感染后25天~30天内肉眼无法观察到任何异常,若能实现早期识别并采取防控措施,可有效遏制病害扩散,极大减少经济损失。
2、松材线虫病的传播具有明确的媒介依赖性,其主要传播媒介为松墨天牛,松墨天牛羽化后7天~12天进入传播高峰期,此时天牛携带的松材线虫通过取食伤口侵入松树体内,完成侵染过程;而侵染完成后的1天~10天内,松树体内的松节油、水分等化学成分已开始发生细微变化,但肉眼完全无法观测,这一阶段正是松材线虫病的识别窗口。随着物联网、人工智能、大数据等技术的快速发展,松材线虫病监测预警技术不断迭代,目前已形成多种识别技术路径,主要分为以下几类:
3、1.传统形态学与人工监测技术。早期主要依靠松树症状和松材线虫形态学特征进行诊断鉴定,同时结合人工地面巡查实现疫情监测。该技术对鉴定人员专业技能要求较高,需要专业设备,且识别效率低、覆盖范围窄,部分偏远山区、林区存在监测盲区,难以发现早期感染植株,同时人工巡查无法精准捕捉松墨天牛的飞行、取食声等活动痕迹,无法提前预警传播风险,人工巡查数据分散,信息共享机制不健全,导致疫情发现不及时。此外,形态学鉴定存在相似种难以区分、幼虫形态特征不明显的缺陷,进一步影响识别准确性。
4、2.分子检测技术。自20世纪90年代初,实验室开始研究环介导等温扩增、重组酶聚合酶扩增等多种等温扩增技术,可实现松材线虫特异性基因的快速检测,检测时间在25分钟~90分钟不等,适合现场快速检测。近年来研发的车载式松材线虫分子检测设备、联邦检测卡盒等产品,填补了野外快速检测的部分空白,可在野外1小时内完成取样及检测,但此类技术主要针对病原物本身,需要对松树进行取样破坏,且受限于检测设备电力、环境条件以及操作人员专业水平,难以实现大规模、无损伤的早期识别,且未关联松墨天牛飞行、取食声的监测,无法提前预警传播风险,针对松材线虫病的早期检测技术仍有待突破。
5、3.近红外光谱技术。作为一种无损伤检测技术,基于物质对近红外光吸收的振动吸收光谱分析原理,利用松树感染松材线虫病后松针中松节油、水分等化合物含量的变化,实现病害识别。已有技术可将松树染病发现时间提前到感染后10天左右,但单一红外光谱识别易受光照强度、植被遮挡、松针生长状态等环境因素干扰,识别精度和稳定性不足,尤其在复杂林区环境中,难以区分早期染病植株与健康植株的光谱差异,易出现漏检、误检;更重要的是,单一红外光谱仅能检测松树自身的指标变化,无法捕捉松墨天牛的飞行、取食声等活动痕迹,无法提前预警传播风险,当检测到光谱变化时,病害可能已完成初步侵染。同时,现有光谱识别技术多为单一模态,未结合其他特征,无法充分利用植株感染后的多维度变化信息及传播媒介信息。
6、4.声纹识别技术。现有声纹识别技术主要针对松树自身振动产生的声纹信号,基于松树内部组织受损后的振动变化实现病害识别,未涉及松墨天牛的飞行声、取食声监测。该技术具有无损伤、可远距离检测的优势,但单一声纹识别易受环境噪声(如风噪、虫鸣、人为干扰)影响,且早期感染时松树内部结构变化微弱,自身振动声纹特征差异不明显,难以实现精准识别,单独使用时识别效果不佳。同时,现有声纹识别技术未关联传播媒介的飞行、取食活动,无法提前预警病害传播风险,识别滞后性明显。此外,单一声纹特征无法区分松材线虫感染与其他机械损伤、虫害导致的结构变化,误检率高。
7、5.多模态识别技术。目前已有部分基于多模态特征的识别方法,如无人机图像-文本多模态检测、卫星与无人机遥感融合监测等,但主要针对松材线虫病中期(植株出现变色症状后)的识别,侧重于大范围监测和定位,难以实现早期(无肉眼可见症状)的精准识别。且现有多模态技术多为不同监测手段的简单叠加,未实现特征层面的深度融合,无法充分发挥各模态的优势,未建立“松墨天牛活动声纹(传播媒介)—松树红外光谱(植株指标)”的有机结合,无法充分利用传播媒介活动信息辅助早期识别,存在识别精度低、抗干扰能力弱、早期检出滞后等问题。
8、此外,现行松材线虫病防控各环节技术缺乏有效整合,监测、检疫、防控等环节相对独立,早期识别技术与后续防控措施衔接不畅。现有技术未充分考虑松墨天牛活动状态与松树感染状态之间的关联性,无法充分利用传播媒介活动信息(如松墨天牛是否在目标植株上取食)辅助判断感染风险。
技术实现思路
1、本技术实施例提供了基于红外光谱与声纹特征的松材线虫病早期识别系统,用以解决现有技术中的问题。
2、本技术实施例提供了基于红外光谱与声纹特征的松材线虫病早期识别系统,包括信号采集模块、信号预处理模块、特征提取模块、多模态融合识别模块及结果输出模块;
3、信号采集模块用于同步采集待测林区松树针叶的红外光谱信号、松墨天牛的飞行声信号与取食声信号,完成信号的现场采集与存储;
4、信号预处理模块用于分别对红外光谱信号、飞行声信号和取食声信号进行噪声去除、干扰过滤、信号格式标准化及有效信号筛选处理;
5、特征提取模块用于从预处理后的红外光谱信号中提取松树生理状态对应的红外光谱特征,以及从预处理后的两类声纹信号中分别提取飞行声特征和取食声特征,完成特征筛选与冗余信息剔除;
6、多模态融合识别模块用于将红外光谱特征、飞行声特征和取食声特征进行特征融合,基于融合特征执行分级识别运算,生成松树感染状态及病害传播风险对应的识别数据;
7、结果输出模块用于接收多模态融合识别模块输出的识别数据,对数据进行规整处理并输出标准化的识别结果信息。
8、在一种可能的实现方式中,信号采集模块包括红外光谱采集单元、声纹采集单元和信号传输单元,红外光谱采集单元用于采集红外光谱信号,声纹采集单元用于定向采集飞行声信号与取食声信号,信号传输单元用于临时存储采集到的信号。
9、在一种可能的实现方式中,信号预处理模块包括光谱预处理子模块和声纹预处理子模块,光谱预处理子模块用于处理红外光谱信号,声纹预处理子模块用于分别处理飞行声信号与取食声信号。
10、在一种可能的实现方式中,特征提取模块包括光谱特征提取单元和声纹特征提取单元,光谱特征提取单元用于提取红外光谱信号中的目标特征,得到红外光谱特征,声纹特征提取单元用于分别提取飞行声特征和取食声特征。
11、在一种可能的实现方式中,多模态融合识别模块包括特征融合层和分类识别层,特征融合层用于实现红外光谱特征、飞行声特征和取食声特征的融合处理,得到融合特征,分类识别层用于基于融合特征完成分类识别运算。
12、在一种可能的实现方式中,特征融合层采用注意力机制,对红外光谱特征、飞行声特征和取食声特征分别分配权重并完成加权融合处理。
13、在一种可能的实现方式中,分类识别层采用卷积神经网络结合长短期记忆网络的混合结构,对融合特征进行分类识别运算。
14、在一种可能的实现方式中,分类识别层还用于配置样本训练单元,样本训练单元用于输入不同感染阶段与健康状态的样本数据,完成网络结构参数的迭代优化。
15、本技术中的基于红外光谱与声纹特征的松材线虫病早期识别系统,具有以下优点:
16、1.早期识别精度大幅提升:实现松材线虫病感染后10天内的精准识别,早期识别精度≥95%,较单一红外光谱识别(精度75%~85%)、单一声纹识别(精度70%~80%)提升10%~25%,较现有简单多模态识别方法(精度85%~90%)提升5%~10%;漏检率≤3%,误检率≤2%,远低于现有技术(漏检率≥10%,误检率≥8%),解决了早期识别滞后、精度低的痛点。
17、2.抗干扰能力显著增强:通过针对性的预处理算法(如维纳滤波、小波阈值去噪)和注意力机制融合,能够有效抵抗光照变化、环境噪声、植被遮挡等复杂林区环境的干扰,在野外复杂环境下的识别精度仍能保持≥92%,较现有技术(复杂环境下精度≤80%)提升12%以上,适应不同野外环境的使用需求。
18、3.实现无损伤、快速识别:无需对松树进行取样破坏,采集过程对松树无任何损伤,保护森林资源;单株松树的识别周期≤30s(采集10s+预处理10s+识别10s),较分子检测技术(25分钟~90分钟)、人工识别(1分钟/株~5分钟/株)大幅提升识别效率,适合大规模林区监测。
19、4.泛化能力强:通过特征筛选和模型优化,能够适应不同松树品种(如马尾松、黑松、白皮松)、不同感染程度、不同林区环境的识别需求,模型泛化准确率≥90%,解决了现有技术适应性差、难以推广的问题。
20、5.操作便捷、成本较低:信号采集模块便携、可充电,无需专业操作人员和固定电源,无需复杂设备,操作简单,降低了识别成本和操作门槛,适用于偏远高山密林等无电源、复杂环境下的就地检测,填补了野外早期识别的技术空白。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com