現代番茄種植技術：核盤菌對蕃茄種植和疾病預防有重要意義！
一、蕃茄容易受到疾病幹擾
蕃茄富含抗氧化劑、抗壞血酸和維生素C1。除了單獨食用外，蕃茄還可以加工成各種産品，如番茄醬和番茄粉，這些産品被廣泛食用。是以，蕃茄成為世界上最受歡迎的農産品之一。蕃茄的生長過程容易受到營養、害蟲和疾病等外部因素的幹擾。
其中，疾病是整個過程中最大的危害之一。核盤菌（S. sclerotiorum）是一種真菌病原體，是影響蕃茄的最常見疾病之一。核盤菌可以在塑膠棚、溫室或戶外發育，主要影響莖、葉子和水果。此外，核盤菌是一種土壤傳播的真菌疾病，宿主範圍廣泛，遺傳變異性高，可以在土壤表面存活10年。未能及時檢測和處理病變蕃茄可能會對大面積的蕃茄作物産生長期和有害影響。
健康監測和及時的疾病檢測對于有效的發病率控制和番茄作物管理至關重要。目前，監測番茄健康的主要手段包括通過經驗對植物疾病進行初步分析，然後結合雙鍊RNA電泳技術聚合酶鍊式反應（PCR）流式細胞儀（FCM）免疫熒光（IF）酶聯免疫吸附試驗（ELISA）和其他複雜的化學實驗室分析方法。一方面，這些方法通常需要經驗豐富的專業人員進行操作，這效率低下，不友善快速診斷。另一方面，這些方法需要昂貴的測試裝置和化學試劑的消耗，這污染了環境并增加了測量成本。
二、有研究通過使用高光譜成像實作了番茄斑點枯萎病毒的早期檢測
1、原理
近年來，這種方法已廣泛應用于有關非生物應激的非破壞性生物學研究和作物研究。例如，Huang等人使用空氣懸浮高光譜裝置測量小麥黃鏽病指數的準确性，測定系數高達0.91，進而收集了光化學反射率指數。
Xie等人使用具有光譜反射率資訊和成像特征的高光譜成像對番茄葉的早期和晚期枯萎病進行分類。Xie等人使用高光譜成像根據灰色黴菌的不同感染水準對健康和受感染的番茄葉進行分類，其中FN-KNN是最佳模型，準确率為97.22%。
Gu等人通過使用高光譜成像實作了番茄斑點枯萎病毒的早期檢測，其中SPA-BRT算法用于模型建構，準确率高達93.2%。上述研究強調了使用高光譜成像技術檢測作物疾病的實用性和可行性。然而，很少有研究專注于感染核盤菌的番茄葉。由于這種疾病帶來的威脅，使用高光譜技術在蕃茄上檢測核盤菌對蕃茄種植和疾病預防具有重要意義。
2、方法
由于高光譜圖像是一個三維資料立方體，是以收集的資料是一組多波段光譜資料，由于資料之間的協方差，這些資料通常包含一定程度的備援資訊。
是以，許多波長選擇方法，如連續投影算法（SPA）和競争性自适應重權重采樣（CARS），可以有效提高資料使用效率，并降低高光譜計算的複雜性。另一方面，高光譜成像包含大量二維圖像資訊，這有助于大面積的光譜擷取和預測。
例如，Xiao等人使用高光譜成像可視化了Radix Astragali在五個不同區域的分類結果，而Pu等人可視化了不同芒果幹燥方法的水分分布結果。這些研究的結果可以以更美觀和直覺的方式呈現。這項研究開發了基于高光譜成像的可視化軟體，用于早期預警和診斷受硬化症感染的蕃茄，為線上檢測做準備。
3、目的
這項研究的目的是：（1）調查使用高光譜成像早期檢測番茄核盤菌感染的可行性；（2）探索SPA和CARS波段篩查對預測模型準确性和效率的影響；（3）确定早期檢測硬核感染番茄的波段篩選方法和預測模型的最佳組合；（4）開發基于高光譜成像的早期預警和診斷可視化軟體，以檢測硬核感染的番茄。
三、結論
這項研究探索了使用高光譜成像技術對受硬化症感染的蕃茄進行早期預警和診斷可視化的可行性。種植了健康的番茄植物和帶有核盤菌的番茄植物，并在孵化1天、3天、5天和7天時從健康和受感染的番茄葉中收集400-1000納米的高光譜圖像。
在用第一導數（FD）、第二導數（SD）、标準正态變體（SNV）和乘法散射校正（MSC）進行光譜預處理後，使用偏最小二乘判别分析（PLS-DA）和支援向量機（SVM）來建構番茄硬化識别模型并選擇最佳預處理方法。
在此基礎上，引入了兩種波段篩選方法，競争性自适應重權重采樣（CARS）和連續投影算法（SPA），以減少資料備援并提高模型的預測準确性。結果表明，CARS-PLS和CARS-SVM型号的驗證集和運作速度的準确性分别為87.88%和1.8秒，以及87.95%和1.78秒。該實驗基于SNV-CARS-SVM預測模型，結合圖像處理、光譜提取和可視化分析方法，以建立診斷可視化軟體，這為實施受硬化杆菌感染的蕃茄的線上監測和預警系統開辟了新的途徑。
