花龄期棉花虫害的电子鼻检测

发布时间：2021-10-26 02:22

　　棉花害虫具有隐蔽性、迁飞性和突发性特点,并且影响因素众多,棉花虫害准确地诊断是农业领域的难点问题。该研究以受到棉铃虫侵害的花铃期棉花为研究对象,采用电子鼻对不同处理的棉花挥发物进行检测。研究表明,主成分分析（Principal Component Analysis, PCA）和聚类分析结果显示健康棉花释放的挥发物具有明显的昼夜节律性,健康棉花与虫害棉花差异性显著。径向基函数神经网络（Radial Basis Function Neural Network, RBFNN）对8个不同时间的4组虫害棉花处理进行分析,测试集判别总的正确率为73.4%,健康棉花对照组测试集判别正确率100%,误判样本出现在3个虫害处理之间。当不考虑时间因素建立虫害棉花统一的预测模型,RBFNN模型对健康棉花对照组的预测正确率均达到了100%,分析结果可以作为花铃期棉花是否遭受棉铃虫侵害的依据,说明电子鼻可以作为棉花虫害发生的有效监测手段,在农作物虫害监测领域具有潜在的应用价值。 

【文章来源】：农业工程学报. 2020,36(21)北大核心EICSCD

【文章页数】：7 页

【部分图文】：

4组虫害棉花处理不同时间的聚类分析

健康棉花对照组的PCA和区分度分析结果表明，在持续48 h电子鼻检测时间内每天的同一时段健康棉花释放的挥发物很相近，说明健康棉花释放的挥发物具有明显的节律性。目前有研究表明植物可以通过合成次生代谢化合物与周围环境进行相互作用，这些化合物具有较小的分子量、较高的蒸汽压，能够自由的穿过细胞膜释放到大气或者土壤中[14]。植物挥发物的释放并不是连续的过程，而是遵循一个与明暗循环有关的生理周期[15]。但是多年来，对采集的植物挥发性化合物进行分析一直采用GC-MS，由于GC-MS仪器移动性差，样品分析耗时较长，无法实现田间植物挥发物实时监测，本研究采用电子鼻对棉花挥发物进行快速检测，采用适当的数据处理方法可以得到与许多植物挥发物方面研究者相似的结论。图1b、1c、1d分别是虫害棉花1-P、2-P和3-P处理的8个不同时间的PCA图，1-P处理的第一和第二主成分的分析值为88.31%和7.52%,2-P处理的第一和第二主成分的分析值为76.43%和14.99%,3-P处理的第一和第二主成分的分析值为86.1%和9.69%,3个虫害处理的前2个主成分值之和均在91%以上，说明PCA分析结果可以代表电子鼻响应信号对虫害棉花挥发物的区分情况。从虫害棉花样本的分布来看，在持续48 h的8个不同检测时间段的虫害棉花样本均出现大量重叠，但大致可以看出虫害棉花样本具有沿第一和第二主成分变化的规律，对比图1a的健康棉花对照组，3个虫害棉花处理的分布规律明显与健康棉花对照组不同，这可能是由于虫害导致棉花产生特异性挥发物在分类中起主要作用。表2是虫害棉花1-P处理的8个不同检测时间的区分度值对照表，由于3个虫害棉花处理类似，所以仅以1-P虫害棉花处理的区分度值进行分析。从表2中可以看出每个检测时间必然与其中一个相邻的检测时间区分度值很小，如6和12 h的区分度值为0.04,18和12 h的区分度值为0.13,24和30 h的区分度值为0.19,36和42 h的区分度值为0.35,42和48 h的区分度值为0.04。这表明棉花受到虫害以后挥发物的释放是一个持续的过程，但也存在相邻的检测时间区分度值变大的情况，如30和36 h的区分度值为0.80，这种情况或许可以从以前学者植物虫害的研究成果来解释，植物遭受虫害后会产生特异性挥发物，但是挥发物的持续释放也有一个昼夜循环节律，所以从PCA的结果来看，其分布规律和区分度值既表现出连续性特征又表现出间续的差异性特征。

【参考文献】：
期刊论文
[1]电子鼻技术在棉花早期棉铃虫虫害检测中的应用[J]. 代雨婷,周博,王俊.  农业工程学报. 2020(03)
[2]电子鼻研究进展及在中国白酒检测的应用[J]. 李强,谷宇,王南飞,董涵.  工程科学学报. 2017(04)
[3]基于朴素贝叶斯分类器的棉花盲椿象危害等级识别[J]. 翟治芬,徐哲,周新群,王丽丽,张建华.  农业工程学报. 2015(01)
[4]基于电子鼻技术的不同特征参数对番茄苗早疫病病害区分效果影响的研究[J]. 程绍明,王俊,王永维,马杨珲.  传感技术学报. 2014(01)
[5]高光谱遥感模型对亚洲小车蝗危害程度研究[J]. 卢辉,韩建国,张录达.  光谱学与光谱分析. 2009(03)



本文编号：3458635