-
题名基于高光谱成像技术识别水稻纹枯病
被引量：10
- 1
-
-
作者
李志伟
袁婧
丁为民
杨红兵
沈少庆
崔嘉林
-
机构
南京农业大学工学院
-
出处
《华南农业大学学报》
CAS
CSCD
北大核心
2018年第6期97-103,共7页
-
基金
中央高校基本科研业务费专项(KYZ201560)
国家大学生创新训练计划项目(201710307096)
-
文摘
【目的】利用高光谱成像技术对水稻纹枯病进行早期的快速无损识别,结合判别分析方法建立相应的鉴别模型。【方法】以健康和感染纹枯病的水稻幼苗为研究对象,采集叶片和冠层各180个样本的380~1 030 nm波段的360条高光谱图像,剔除明显噪声部分后,以440~943 nm波段作为水稻样本的光谱范围,分别用不同的方法预处理获得水稻叶片的光谱曲线。采用偏最小二乘–判别分析(PLS-DA)对不同预处理的光谱建模。采用MNF算法对冠层的原始光谱数据进行特征信息提取,并基于特征信息建立线性判别分析(LDA)模型和误差反向传播神经网络(BPNN)判别模型。【结果】标准正态变量变换(SNV)预处理后建立的PLS-DA模型的预测集判别正确率最高,为92.1%。基于特征信息的LAD和BPNN模型的判别结果优于基于全波段的PLS-DA判别模型。基于最小噪声分离变换特征信息提取的BPNN模型取得了最优效果,建模集和预测集正确率分别达99.1%和98.4%。【结论】采用高光谱成像技术对水稻纹枯病生理特征进行无损鉴别是可行的,本研究为水稻纹枯病的识别提供了一种新方法。
-
关键词
水稻纹枯病
无损检测
高光谱成像技术
偏最小二乘法
最小噪声分离变换
线性判别分析
-
Keywords
rice sheath blight
non-destructive testing
hyperspectral imaging technique
partial least square method
minimum noise fraction transformation
linear discriminant analysis
-
分类号
S24
[农业科学—农业电气化与自动化]
S511
[农业科学—农业工程]
-
