近日，英国上市公司365王玉团队在茶小绿叶蝉危害症状监测技术方面取得显著进展，相关研究成果发表于《Smart Agricultural Technology》期刊。该研究创新性地结合RGB和高光谱成像技术，并运用深度学习模型，为茶小绿叶蝉危害的准确、无损监测提供了新方法。

　　研究团队田间试验

　　茶小绿叶蝉作为一种高度破坏性的害虫，在亚洲茶产区广泛存在，其每年可产生约10-17代，通常栖息于茶芽下第二、三叶的背叶面。由于其体型小且具有较强的活动能力，传统的人工视觉观察法费时费力且主观性强，难以满足大规模茶园的快速监测需求。王玉团队针对这一难题，深入探索了图像处理和计算机视觉技术在茶小绿叶蝉危害症状监测中的应用潜力。

　　研究技术路线图

　　研究中，团队成员收集了受小绿叶蝉危害的不同程度的茶芽样本，并分别利用RGB和高光谱成像技术进行数据采集。对于RGB图像数据，通过数据增强及二维离散小波变换（2D-DWT）增强技术，有效提升了模型对图像特征的提取能力；而对于高光谱数据，则采用乘法散射校正（MSC）、Savitzky-Golay（S-G）平滑、一阶和二阶导数等预处理方法，并结合无信息变量消除（UVE）、竞争性自适应重采样（CARS）和连续投影算法（SPA）进行特征波段筛选，优化数据质量并减少冗余信息。

　　基于处理后的数据，团队构建了多种分类模型。在RGB图像分类中，运用ResNet18、VGG16、AlexNet等卷积神经网络（CNN）模型，其中WT-VGG16模型表现最佳，准确率达80.0%；在高光谱图像分类中，采用支持向量机（SVM）和长短期记忆网络（LSTM），发现SPA-LSTM模型准确率最高，达95.6%。这一成果不仅显著提升了茶小绿叶蝉危害监测的效率和准确性，还为后续害虫管理策略的制定提供了有力的数据支持。

　　二维离散小波变换（2D-DWT）原理图

　　不同网络模型的混淆矩阵

　　硕士研究生徐阳为论文第一作者，毛艺霖，李赫，申加枝，徐秀秀，王双双，Shah Zaman，丁兆堂等参与了该研究 ，王玉为论文的通讯作者。

　　王玉团队的这一研究进展，是智慧农业领域的一次重要实践，为农作物病虫害监测技术的发展提供了新的思路和方法。未来，随着多源数据融合及多时相数据融合技术的进一步探索，以及在户外环境中的应用研究，有望实现对茶小绿叶蝉等农业害虫更精准、更全面的监测，推动农业害虫管理向智能化、高效化方向发展，为保障茶叶产量和质量提供坚实的技术支撑。（徐阳）