本研究探讨了高分辨率（<0.5 cm/像素）航空影像和卷积神经网络（CNNs）在甜菜病害发病率评分中的潜力，重点关注两种重要的蚜虫传播病毒，即甜菜轻黄化病毒（BMYV）和甜菜萎黄病毒（BChV）。在欧盟禁止新烟碱类杀虫剂的背景下，耐病甜菜品种的开发变得至关重要。然而，传统的病害表型分析方法依赖于人工专家的视觉评估，既耗时又主观。因此，本研究评估了航空多光谱和RGB图像是否能够实现与专家评分相媲美的自动化病害评级。为此，在2021年和2022年进行了两个品种试验。2021年的数据集用于训练和验证基于五个品种的CNN模型，而2022年的数据集用于测试不同于2021年使用的两个品种的模型。此外，本研究测试了使用转换后的特征而不是原始光谱波段来改善CNN模型的泛化能力。结果显示，基于RGB图像和转换特征训练的BMYV模型表现最佳，模型与专家评分之间的均方根误差得分为11.45%。这些结果表明，高分辨率航空影像和CNNs具有巨大潜力，但完全取代人类专业知识目前还不可行。本研究为病害表型分析方法提供了创新的途径，能够推动可持续农业和作物育种的进步。

图1 2021年6月8日，在晴朗天气下拍摄的第一试验地点的合成RGB图像。图中显示了不同接种变体（对照组、甜菜轻黄化病毒[BMYV]、甜菜萎黄病毒[BChV]）以及基因型（编号从1到5）

图2 2022年5月20日，在晴朗天气下拍摄的第二试验地点的合成RGB图像。图中显示了不同接种时间点以及基因型。其中，'T'表示潜在的耐病甜菜基因型，而's'表示潜在的易感基因型。

图3不同基因型在接种甜菜轻黄化病毒（BMYV）和甜菜萎黄病毒（BChV）后病害的时间发展（2021年实验）。图例中的数字和相应的颜色与表1中描述的不同基因型相关。Dai表示接种后的天数；Gen表示基因型。

图4 2022年甜菜轻黄化病毒（BMYV）在不同时间点接种的易感（$）和耐病（T）甜菜品种中的时间发展情况。

图5 甜菜轻黄化病毒（BMYV）和甜菜萎黄病毒（BChV）CiNN分类模型训练过程中的准确率和损失曲线。

图6 CNN分类模型中最后一层卷积层的激活图，用于甜菜轻黄化病毒（BMYV）和甜菜萎黄病毒（BChV）的分类。每种病害显示了两个示例图像。与激活图对齐的视觉症状区域用白色圆圈标出，而显示差异的区域用红色圆圈标出。

图7 2021年（首次实验）专家评分与无人机（UAV）评分的比较。图中标出了决定系数（R²）、相关系数（r）、均方根误差（RMSE）和Lin的一致性相关系数（CCC）。模型评分正确估计的区域（误差小于15%）以绿色显示，而过高估计和过低估计的区域分别以蓝色和红色显示。（a, b）分别为RGB图像和多光谱图像中的甜菜轻黄化病毒（BMYV）；（c, d）分别为RGB图像和多光谱图像中的甜菜萎黄病毒（BChV）。

图8 2022年（第二次实验于不同地点）专家评分与无人机（UAV）评分的比较。图中标出了决定系数（R²）、相关系数（r）、均方根误差（RMSE）和Lin的一致性相关系数（CCC）。模型评分正确估计的区域（误差小于15%）以绿色显示，而过高估计和过低估计的区域分别以蓝色和红色显示。（a, b）分别为RGB图像和多光谱图像中的甜菜轻黄化病毒（BMYV）。