基于递归特征消除的烟草花叶病高光谱精准识别

摘要

【目的】针对烟草花叶病毒（tobacco mosaic virus,TMV）早期侵染引发的微弱光谱变化难以有效捕捉与可靠判别等问题，构建基于生理敏感特征优选与可解释性机器学习的TMV高光谱精准识别方法体系，为TMV的早期识别与精准防控提供技术支撑。【方法】采集健康与TMV早期侵染烟叶的高光谱（400～1 000 nm）反射数据，经白板校正、感兴趣区域提取等预处理后，计算归一化色素叶绿素指数（normalized pigment chlorophyll index,NPCI）、水分指数（water index, WI）等52个候选植被指数；采用递归特征消除（recursive feature elimination,RFE）筛选最优特征子集；在此基础上构建并对比评估K近邻（K-nearest neighbors,KNN）、支持向量机（support vector machine,SVM）等4类机器学习模型的性能，结合随机搜索与网格搜索优化超参数，并利用独立测试集验证模型泛化能力；进一步引入沙普利加性解释（shapley additive explanations,SHAP），对最优模型进行可解释性分析，量化关键特征对分类决策的贡献。【结果】经RFE筛选得到NPCI与WI双特征子集，证明色素与水分变化是TMV早期识别的关键信息，有效解决了高光谱数据的维数灾难问题。基于双特征子集构建的最佳识别模型KNN，其受试者工作特征曲线下面积（receiver operating characteristic-area under curve,ROC-AUC）、5折交叉验证准确率（accuracy,ACC）及F1分数（balanced F score,F1-score）分别为0.987,0.955和0.961；在独立测试集上，ROC-AUC仍达0.960，泛化性能良好。SHAP分析表明，NPCI与WI为驱动模型决策的核心因子，其值升高会正向推动样本被判定为“TMV侵染”，其变化与病毒侵染诱导的叶绿素降解及水分胁迫过程相一致。【结论】仅利用NPCI与WI 2个植被指数即可实现对TMV的早期高精度识别，显著降低了模型复杂度。所提出的“RFE特征优选+KNN+SHAP”方法体系在提升识别性能的同时，揭示了“色素变化为主、水分变化为辅”的早期光谱响应机理，为TMV的早期快速识别及低成本、便携式烟草TMV监测装备的研发提供了参考依据。

关键词

烟草花叶病毒 / 早期识别 / 高光谱成像 / 植被指数 / 递归特征消除 / SHAP可解释性分析