植物病原体的传播对农业产量构成重大威胁，而早期病害检测是精准农业中的一大关键挑战。传统检测方法在灵敏度和效率方面存在局限，而高光谱成像（HSI）和多光谱成像（MSI）等基于成像的技术凭借其非侵入性、高通量和自动化优势，展现出巨大潜力。研究表明，这些技术可在作物症状出现前检测病害，准确率高达90%以上。然而，目前的研究仍存在空间分辨率和光谱分辨率不足、样本病原体负荷验证不充分以及环境因素影响未明确等局限。本研究以番茄细菌性叶斑病（BLS）为模型，结合高光谱相机与机器学习技术，全面表征从接种前到疾病进展全过程的叶片光谱变化，验证病原体负荷与光谱数据的相关性，并分析成像背景因素对检测结果的影响。研究结果表明，HSI 技术可实现番茄幼苗上 BLS 的早期检测，从而有助于温室中及时移除受感染植株，有效降低大规模疫情的风险。

番茄种子（Solanum lycopersicum，品种 Early Girl，MountAIn Valley Seed Co.）播种于48格托盘，在25-38°C温室中生长三周。种子在播种后7-10天发芽，2周后施一次肥（Osmocote Smart-Release, ICL），每日浇水两次（上午8点和下午5点，各2分钟）。接种实验使用三周大的番茄植株，在接种前后24小时用无菌水喷洒并装袋处理。

番茄植株通过浸入含300 mL X. perforans 接种液和0.02% Silwet 的灭菌杯中1分钟完成接种；对照植株则浸入含300mL10 mM MgSO₄ 和0.02% Silwet 的灭菌杯中。实验共进行了两次：第一次分为8个单元，每单元包含2株植株，其中1-2和5-6单元为对照组，3-4和7-8单元为接种组；第二次实验有10个单元，1-5单元为对照组，6-10单元为接种组。

每个实验收集数据九次：接种前 (bi)、接种后 2 小时（接种后 0 天，dai）、从 1 到 7 天每 24 小时收集一次。收集了三种类型的数据，包括疾病评级、细菌种群大小测量和高光谱图像数据（图 1）。根据对每个实验单元中番茄植株的目视观察收集与疾病相关的数据。然后从每个实验单元中摘除一到六片叶子。在评估脱落叶片的疾病严重程度后，作者团队使用Resonon高光谱台式成像系统（Resonon PIKA-L 和 PIKA-IR）捕捉每个脱落叶片的高光谱图像。然后对叶片进行处理以估计叶片组织中的细菌种群大小。

图1. 数据收集和数据分析的过程。

高光谱图像采集使用Resonon Pika L高光谱成像仪（可见光和近红外：400-1000 nm）和 Pika NIR320高光谱成像仪（短波红外：900-1700 nm）台式系统收集叶片的高光谱图像。
 

图2. 高光谱扫描精度（A）背景材料（B）、叶片大小（C）、叶片结构（D）对番茄叶片反射率的影响。
 

图3. 在 BLS 病害进展的开始 (A)、早期 (B)、中期 (C) 和晚期 (D) 阶段，未接种和接种番茄植株的相似性。使用叶片级全光谱分析中使用的所有数据集生成图表。
 

图4. 使用 7 天像素级全光谱数据训练的最佳模型预测 7 天离体叶片 HSI 图像上的像素健康状况。左：VISNIR RF 模型。右：SWIR SVM 模型。 
 

高光谱成像（HSI）在早期疾病检测中表现出良好效果，但缺乏验证的高分辨率（空间和光谱）HSI 数据来表征植物叶片在不同疾病进展阶段的反应。为弥补这一不足，作者团队以番茄细菌性叶斑病（穿孔黄 单胞菌）为模型，对番茄叶片高光谱图像进行了连续七天的病原体种群验证，以揭示健康叶片与受感染叶片之间的差异。通过叶片级全光谱数据、植被指数（VI）数据和四个疾病进展阶段的像素级全光谱数据训练机器学习模型。结果显示，HSI 能在症状前阶段检测疾病，并有效区分细菌性病斑与非生物性叶斑。相比直接使用原始数据，VI 数据作为机器学习特征可将分类性能提高 26–37%。不同疾病阶段的关键波段和 VI 各不相同，症状前检测主要依赖叶片含水量（1400 nm）和植物防御激素反应（750 nm）的变化，而症状期更依赖叶片色素和内部结构变化（800–900 nm）。综上，这项研究揭示了 HSI 在早期叶片病害检测中的潜力，强调叶片结构分割和 VI 模式分析的重要性，同时为细菌性斑点病的动态过程提供了重要见解。