Recently updated on: 2026-07-24
近日，南京农业大学智慧农业学院(人工智能学院)舒磊教授团队在传感器与智慧农业交叉研究方向发表系统综述论文，论文题为“A Systematic Review on Hyperspectral Remote Sensing for Plant Disease Detection: Principles, Technologies, and FutureTrends”。论文围绕植物病害高光谱遥感检测的理论基础、关键技术、应用场景与未来趋势进行了系统梳理，提出“植物光谱识别(Plant Spectral Recognition)”的概念框架，为高光谱成像技术从实验室研究走向大田智慧农业应用提供了较为完整的技术路线和发展图景。博士生韩茹为论文第一作者，舒磊教授为通信作者，南京农业大学为第一署名单位。
该论文首先从光与植物组织相互作用的机理出发，系统阐述了植物光谱识别的理论基础。论文认为，植物光谱识别并不是简单的波段选择或经验性植被指数计算，而是一个融合高光谱传感、植物生理解释、机器学习建模和农业决策应用的系统性方法。该框架将数据采集、光谱预处理、特征提取、模型构建、模型验证和智能决策连接起来，使光谱数据能够转化为可解释、可推广、可服务农业管理的诊断知识。
图1 高光谱分析核心技术与创新应用之间的关联示意图
在技术体系方面，论文归纳了高光谱植物病害检测中的七类核心技术，包括光谱成像系统、光谱校准、多模态数据融合、特征选择、光谱指数构建、机器学习与深度学习模型、云一边协同计算等。同时，论文进一步总结了这些技术在三个主要方向中的作用:一是面向田间作物的早期病害检测，二是面向受控环境的表型与胁迫监测，三是面向农业机器人和智能装备的自动化巡检。这种从“技术模块”到“应用环节”的归纳方式，有助于厘清高光谱感知、智能分析和农业装备系统之间的协同关系。
论文的一个重要特点是将高光谱病害检测放置在真实智慧农业系统中讨论，而不仅局限于实验室样品分类或单一算法比较。作者重点分析了无人农场、农光互补农场和工厂化农业三类典型应用场景，分别对应开放大田自动化作业、复杂光照条件下的长期监测以及规模化生产链条中的标准化检测。三类场景体现了高光谱技术在不同农业生产体系中的部署差异，也揭示了其在实时计算、光照校正、装备集成、数据标准化和全链条追溯方面面临的关键挑战。
图2 无人农场中的高光谱数据采集场景
在无人农场场景中，高光谱传感器可搭载于无人机、自动驾驶农机或卫星平台，实现对作物长势和病害状态的多尺度、多角度监测。无人机和地面机器人能够在田间完成周期性巡检，结合边缘计算与智能决策系统，可进一步形成“采集-识别-决策执行”的闭环作业模式。该场景的优势在于覆盖范围广、自动化程度高、适合大面积农田管理； 但同时也面临高光谱数据量大、实时传输与处理压力高、田间光照和背景复杂等问题。
图3 农光互补环境中的光谱监测场景
在农光互补农场场景中，光伏板与作物共处同一生产空间，形成了复杂且动态变化的光照环境。光伏板遮阴会改变作物冠层的反射特性，也可能掩盖或放大病害光谱信号，从而影响模型判断。论文指出，该场景需要发展光照自适应采集、辐射传输建模、阴影校正和传感器曝光控制等方法，使高光谱监测能够同时服务作物病害识别、微气候调控和农光系统协同管理。
图4 工厂化农业与多尺度光谱部署场景
在工厂化农业场景中，高光谱成像可贯穿作物生产、采后分选、储运检测和质量追溯等多个环节。例如，田间阶段可通过拖拉机或移动 平台搭载传感器进行生长监测，设施内可利用传送带式线扫描系统开展高通量品质检测，仓储和物流环节也可部署光谱传感器识别腐败、病斑或品质异常。该场景更强调规模化、标准化和全链条数据联通，对低成本传感器、通用数据协议、模型泛化能力和云端协同分析提出了更高要求。
针对当前高光谱植物病害检测领域仍然存在的数据维度高、标注数据不足、模型泛化能力有限、深度学习可解释性不足、嵌入式部署困难和硬件成本较高等问题，论文提出了未来发展的若干方向:构建标准化、开放式、多模态病害光谱数据集;发展轻量化、可解释、可迁移的光谱诊断模型;推进高光谱传感器小型化和多传感器融合;加强云-边一端协同计算;建立面向真实田间环境的自适应校准和闭环决策机制。
该综述论文从理论框架、技术体系和应用场景三个层面对高光谱植物病害检测研究进行了系统总结，不仅梳理了近年来相关领域的发展脉络，也明确了高光谱遥感与人工智能、农业机器人、物联网和智慧农业管理深度融合的未来趋势。研究成果可为植物病害早期诊断、精准植保、农业机器人巡检和智能农场建设提供参考，对推动植物健康监测由经验判断向数据驱动、由事后诊断向提前预警、由单点检测向系统协同转变具有重要意义。
相关发表论文信息:
[1] Han, Ru, Lei Shu, Grzegorz Cielniak, Ye Liu, Kai Huang, Fan Yang, Suhua Wang and XiaoyuanTing. “A Systematic Review on Hyperspectral Remote Sensing for Plant Disease Detection. Principles, Technologies, and Future Trends,” IEEE Sensors Reviews 3 (2026): 391-413.
论文链接:https://ieeexplore.ieee.org/abstract/document/11511366