10.3964/j.issn.1000-0593(2019)03-0969-08
基于高光谱成像的小麦白粉病与条锈病识别(英文)
小麦白粉病和条锈病是我国两种最普遍、最具破坏性的小麦病害, 且田间常常混合发生.由于病源和发病机理不同, 有必要对这两种病害进行准确区分和识别, 以采取不同的防治措施.基于ImSpector V10E高光谱成像系统采集的条锈菌侵染叶片、白粉菌侵染叶片和健康叶片 (共计320个) 在375~1 017nm范围内的高光谱图像, 利用高斯平滑等预处理方法得到三种小麦叶片的平均光谱曲线, 发现小麦白粉病和条锈病的敏感波段均集中在550~680nm的色素强吸收位置, 且趋势基本一致.针对两种病害的响应波段交叉重叠的问题, 通过主成分分析-载荷法 (PCA) 、连续投影算法 (SPA) 和竞争性自适应重加权算法 (CARS) 对小麦叶片的光谱信息进行有效降维, 分别优选出3、6、30个敏感波段和特征波长;在此基础上, 采用最小二乘-支持向量机和极限学习机两种分类算法分别基于全波段、PCA、SPA和CARS的优选波段, 建立白粉病、条锈病和健康叶片的判别模型.结果表明, 8种模型的准确识别率均在94.58%以上.其中, 主成分分析-载荷法结合极限学习机模型最优, 训练集与校正集的正确识别率分别为99.18%和100%, 且结构简单, 仅含有三个变量 (占全波段的1.1%).最后, 通过对小麦白粉病、条锈病以及健康叶片的显微结构分析, 发现病菌入侵叶片, 破环细胞结构, 导致叶绿素含量减少, 光合作用效能降低, 进而使得小麦在可见光波段光吸收程度减弱, 反射率增大.可见, 利用作物的高光谱图像信息能够准确地识别不同类型的小麦病害, 为研发作物病害在线识别的多光谱系统提供重要的理论依据.
白粉病、条锈病、高光谱成像、特征波长、判别模型
39
O433.4(光学)
Key Industrial Chain Projects of Shaanxi Province2015KTZDNY01-06;Key Science and Technology Program of Shaanxi Province2017NY-104;Science and Technology Plan Project of Yangling Demonstration Area2015NY-10
2019-06-06(万方平台首次上网日期,不代表论文的发表时间)
共8页
969-976