橡胶树（Hevea brasiliensis）的营养状况与天然橡胶的生产密不可分。橡胶叶中的氮 (N) 和钾 (K) 水平是反映橡胶树营养状况的两个关键标准。先进的高光谱技术可以快速评估叶片的氮钾状态。然而，当使用小规模且不平衡的数据集来训练谱估计模型时，会产生高偏差和不确定的结果。费力的长期营养压力和高强度数据收集的典型解决方案背离了高光谱技术快速灵活的优势。因此，评估了一种强度较低且简化的方法，即从高光谱图像（HSI）数据中重新挖掘信息。从这个新视角切入，采用半监督学习（SSL）方法和重采样技术来生成伪标签数据（PL）和类重新平衡。随后，建立了橡胶叶氮钾状态的五分类光谱模型。基于随机森林分类器（RFC）和平均采样（MES）技术的SSL模型在不平衡/平衡数据集上均产生了最佳分类结果（加权平均精度（WAP）67.8/78.6%，宏观平均精度（MAP）61.2/74.4 \%，N 状态的加权召回率 (WR) 65.7/78.5\%）。最终，本研究提出了一种快速准确监测橡胶叶中氮钾水平的有效方法，特别是在小注释和不平衡类别比率的情况下。

2024年2月，Plant Phenomics在线发表了海南大学机电工程学院智能感知与先进机器人团队完成的题为Handling the challenges of small-scale labelled data and class imbalances in classifying the N and K statuses of rubber leaves using hyperspectroscopy techniques的研究成果。

图片摘要

主要创新点：本探究提出了基于伪标签重采样的高光谱模型训练方法，以克服田间数据采集的局限性对模型学习的影响，同时避免了高密度样本采集和长期胁迫的复杂过程。具体地，评估了一种高光谱信息重挖掘的方法，借助于来自高光谱像素伪标签平衡模型学习过程，以应对田间高密度大面积数据采集的难题，顺应了高光谱技术在作物状态监测中体现出的快速、无损和灵活优势。

基于高光谱像素数据的伪标签重采样工作流程

主要结论：

1. 橡胶树叶片氮钾水平的光谱响应区间：经过实验对比分析，大约945-980、1548-1592和1651-1680 nm范围内的NIRS波段是识别成熟橡胶叶中氮状态的主要波长范围。钾元素的主要响应范围的为 964-1044、1283-1400 和 1665-1676 nm。

2. 在本研究中，当无标记像素数据与有标记平均光谱数据的比例为4时，可产生效果最佳的分类边界，WAP和WR分别提升了9.4%和8.0%。

3. 在本研究中，相较于不同建模算法对高光谱诊断模型精度的影响，来自数据层面的挑战对结果的影响更为显著。

本工作来自于海南大学机电工程学院智能感知与先进机器人团队，由2021级硕士研究生唐玮豪在唐荣年教授和胡文锋副教授的联合指导下完成。由衷感谢国家自然科学基金(32060413)和海南省重点研发项目(ZDYF2022GXJS008)对本工作的资助。

唐荣年，海南大学机电工程学院教授，主要研究方向：智能信息处理，高光谱检测技术、无人机遥感和人工智能。

论文链接：

https://spj.science.org/doi/10.34133/plantphenomics.0154

——推荐阅读——

Hyperspectral Remote Sensing for Phenotyping the Physiological Drought Response of Common and Tepary Bean

https://doi.org/10.34133/plantphenomics.0021

Plant Phenomics | 基于高光谱遥感的大豆和花菜豆生理干旱响应的表型研究

Noninvasive Detection of Salt Stress in Cotton Seedlings by Combining Multicolor Fluorescence–Multispectral Reflectance Imaging with EfficientNet-OB2 

https://doi.org/10.34133/plantphenomics.0125

Plant Phenomics | 多源波谱成像技术融合深度学习的棉苗盐胁迫诊断方法研究