10.6041/j.issn.1000-1298.2022.02.023
基于近红外高光谱的梨叶片炭疽病与黑斑病识别
针对梨炭疽病和黑斑病发病症状很相似,难以区分,导致实际生产中不便对症施药的问题,以砀山酥梨叶片为研究对象,探究利用高光谱技术来识别梨叶片炭疽病与黑斑病的可行性.首先,运用高光谱成像系统采集砀山酥梨正常叶片、炭疽病叶片和黑斑病叶片的高光谱图像,提取图像的平均光谱反射率.采用多元散射校正法(Multiplicative scatter correction,MSC)、Savitzky-Golay卷积平滑法和标准正态变换法(Standard normal variate,SNV)分别对原始光谱数据进行预处理.然后,采用主成分分析算法(Principal component analysis,PCA)、连续投影算法(Successive projections algorithm,SPA)、无信息变量消除法(Uniformative variable elimination,UVE)、竞争性自适应重加权算法(Competitive adaptive reweighted sampling,CARS)、随机蛙跳算法(Shuffled frog leaping algorithm,SFLA)提取特征波长,分别获取了27、12、15、26、20条特征波长,并将其作为后期建模的输入变量.经对比发现,在各基于特征波长建立的支持向量机(SVM)分类识别模型以及BP神经网络分类识别模型中,SPA-SVM识别模型效果最佳,测试集准确率为93.25％,建模集准确率为94.80％.试验结果证明,利用高光谱技术能够有效识别砀山酥梨叶片的黑斑病与炭疽病.
砀山酥梨;炭疽病;黑斑病;高光谱;特征波长;识别模型
53
S436.612.1;S661.2(病虫害及其防治)
现代农业产业技术体系;国家重点研发计划;安徽省教育厅项目
2022-03-18（万方平台首次上网日期，不代表论文的发表时间）
共10页
221-230
