竞争性自适应重加权算法和相关系数法提取特征波长检测番茄叶片真菌病害

摘要：

基于竞争性自适应重加权算法(CARS)和相关系数法(CA)特征波长选择方法,提出了利用可见-近红外高光谱成像技术检测番茄叶片灰霉病的方法.首先获取380~1023 nm波段范围内80个染病和80个健康番茄叶片的高光谱图像,然后提取染病和健康叶片感兴趣区域(ROI)的光谱反射率值,作为番茄叶片灰霉病鉴别模型的输入来建立支持向量机(SVM)鉴别模型,训练集和验证集的鉴别率都是100%.研究进一步通过CARS和CA提取特征波长,分别得到5个(554,694,696,738和880 nm)和4个(527,555,571和633 nm)特征波长,然后分别建立CARS-SVM和CA-SVM鉴别模型.结果显示,CARS-SVM模型中训练集和验证集的鉴别率都是100%,CA-SVM模型中训练集和验证集的鉴别率分别是91.59%和92.45%.以上结果说明了从可见-近红外高光谱图像中提取的光谱反射率值用于检测番茄叶片的灰霉病是可行的.

关键词：高光谱成像技术、竞争性自适应重加权算法、相关系数法、支持向量机、番茄、灰霉病

所属期刊栏目：37

分类号：TP391(计算技术、计算机技术)

资助基金：教育部高校博士点基金项目20130101110104;国家自然科学基金项目31471417;国家863计划课题项目2013AA102301;教育部留学回国人员科研启动基金项目和中央高校基本科研业务费专项资金项目2014FZA6005

在线出版日期：2017-08-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：2115-2119