的喜爱。霜霉病菌会在湿润的环境中敏捷繁衍，尤其是在温暖的夏日。这种病害会对西瓜植株导致十分严峻的损害，从而影响果实的质量和口感。
佛罗里达州的西瓜产值遭到包含霜霉病（DM）在内的各种病害的晦气影响。精确的病害辨认关于施行及时有用的办理战略至关重要。遥感东西，例如无人机（UAV）和高光谱成像，已被用于作物病害检测。从前的研讨已成功运用遥感和机器学习（ML）对鳄梨和西红柿等其他作物进行了病害检测。可是，关于运用遥感检测西瓜病害的研讨有限。这项研讨的方针是运用机器学习模型和光谱植被指数（VI）来检测和分类西瓜中霜霉病的不同严峻程度。
Resonon Pika L室内渠道体系（5个病害阶段：低、中（1和2水平）、高和十分高）及户外机载体系（2个阶段：低和高）别离测量了西瓜健康叶片和DM感染叶片的高光谱图画，挑选感兴趣区域（ROI），将各种植被指数（VI）作为辨认病害阶段的目标。运用多层感知器（MLP）和决策树（DT）两种分类模型来区别健康和DM感染植物。运用MLP来挑选可以辨认DM及其病害程度的最佳VI。
所选的最佳光谱VI对不同严峻程度霜霉病的检测和辨认具有较高的特异性和敏感性。因为叶片组成的细小改变（与健康植物比较），低DS阶段获得了较低的分类成果。MLP办法在高和十分高DS阶段（87-90%）获得了最高的分类成果，而DT办法在所有DS阶段获得了较低的分类成果（与MLP比较）。一些VI可用于DS阶段病害检测和分类。运用高光谱成像辨认最重要的VI来检测和辨认多个DS阶段将逐步增强病害检测的了解和特异性。未来的作业包含开发一种简略且廉价的根据无人机的传感器，该传感器根据之前的研讨和开发，仅测量窄波段的光谱反射率（例如定制的多光谱相机），以特定波长为中心，用于田间DM前期检测。
