In this study hyperspectral imaging (380–1020 nm) and machine learning were utilised to develop a technique for detecting different disease development stages (asymptomatic, early, intermediate, and late disease stage) of powdery mildew (PM) in squash. Data were collected in the laboratory as well as in the field using an unmanned aerial vehicle (UAV). Radial basis function (RBF) was used to discriminate between healthy and diseased plants, and to classify the severity level (disease stage) of a plant; the most significant bands to differentiate between healthy and different stages of disease development were selected (388 nm, 591 nm, 646 nm, 975 nm, and 1012 nm). Furthermore, 29 spectral vegetation indices (VIs) were tested and evaluated for their ability to detect and classify healthy and PM-infected plants; the M value was used to evaluate the VIs. The water index (WI) and the photochemical reflectance index (PRI) were able to accurately detect and classify PM in asymptomatic, early, and late development stages under laboratory conditions. Under field conditions (UAV-based), the spectral ratio of 761 (SR761) accurately detected PM in early stages, and the chlorophyll index green (CI green), the normalised difference of 750/705 (ND 750/705), the green normalised difference vegetation index (GNDVI), and the spectral ratio of 850 (SR850) in late stages. The classification results, by using RBF, in laboratory conditions for the asymptomatic and late stage was 82% and 99% respectively, while in field conditions it was 89% and 96% in early and late disease development stages, respectively.

中文翻译：

---

基于无人机的高光谱成像和人工智能检测南瓜不同阶段的白粉病病害

在这项研究中，高光谱成像（380-1020 nm）和机器学习被用来开发一种检测南​​瓜白粉病（PM）不同疾病发展阶段（无症状、早期、中期和晚期）的技术。数据是在实验室和现场使​​用无人驾驶飞行器 (UAV) 收集的。径向基函数（RBF）用于区分健康和患病植物，并对植物的严重程度（疾病阶段）进行分类；选择了区分健康和不同疾病发展阶段的最重要波段（388 nm、591 nm、646 nm、975 nm 和 1012 nm）。此外，还测试和评估了 29 个光谱植被指数 (VI)，以检测和分类健康和 PM 感染植物的能力；M 值用于评估 VI。水指数（WI）和光化学反射指数（PRI）能够在实验室条件下准确检测和分类无症状、早期和晚期发展阶段的PM。野外条件下（基于无人机），761（SR761）的光谱比准确检测早期PM，叶绿素指数绿色（CI绿色），归一化差异750/705（ND 750/705），绿色归一化差异植被指数（GNDVI），后期光谱比为850（SR850）。使用RBF的分类结果，在实验室条件下，无症状和晚期阶段分别为82%和99%，而在野外条件下，疾病发展早期和晚期阶段分别为89%和96%。水指数（WI）和光化学反射指数（PRI）能够在实验室条件下准确检测和分类无症状、早期和晚期发展阶段的PM。野外条件下（基于无人机），761（SR761）的光谱比准确检测早期PM，叶绿素指数绿色（CI绿色），归一化差异750/705（ND 750/705），绿色归一化差异植被指数（GNDVI），后期光谱比为850（SR850）。使用RBF的分类结果，在实验室条件下，无症状和晚期阶段分别为82%和99%，而在野外条件下，疾病发展早期和晚期阶段分别为89%和96%。水指数（WI）和光化学反射指数（PRI）能够在实验室条件下准确检测和分类无症状、早期和晚期发展阶段的PM。野外条件下（基于无人机），761（SR761）的光谱比准确检测早期PM，叶绿素指数绿色（CI绿色），归一化差异750/705（ND 750/705），绿色归一化差异植被指数（GNDVI），后期光谱比为850（SR850）。使用RBF的分类结果，在实验室条件下，无症状和晚期阶段分别为82%和99%，而在野外条件下，疾病发展早期和晚期阶段分别为89%和96%。和实验室条件下的后期开发阶段。野外条件下（基于无人机），761（SR761）的光谱比准确检测早期PM，叶绿素指数绿色（CI绿色），归一化差异750/705（ND 750/705），绿色归一化差异植被指数（GNDVI），后期光谱比为850（SR850）。使用RBF的分类结果，在实验室条件下，无症状和晚期阶段分别为82%和99%，而在野外条件下，疾病发展早期和晚期阶段分别为89%和96%。和实验室条件下的后期开发阶段。野外条件下（基于无人机），761（SR761）的光谱比准确检测早期PM，叶绿素指数绿色（CI绿色），归一化差异750/705（ND 750/705），绿色归一化差异植被指数（GNDVI），后期光谱比为850（SR850）。使用RBF的分类结果，在实验室条件下，无症状和晚期阶段分别为82%和99%，而在野外条件下，疾病发展早期和晚期阶段分别为89%和96%。绿色归一化差异植被指数（GNDVI），后期光谱比为850（SR850）。使用RBF的分类结果，在实验室条件下，无症状和晚期阶段分别为82%和99%，而在野外条件下，疾病发展早期和晚期阶段分别为89%和96%。绿色归一化差异植被指数（GNDVI），后期光谱比为850（SR850）。使用RBF的分类结果，在实验室条件下，无症状和晚期阶段分别为82%和99%，而在野外条件下，疾病发展早期和晚期阶段分别为89%和96%。