基于光谱特性分析的冬油菜苗期田间杂草识别

摘要：

杂草识别是自动除草的关键环节，运用光谱分析技术可以快速识别杂草。该文以冬油菜苗、冬油菜苗期杂草和土壤为研究对象，通过ASD便携式光谱分析仪采集光谱数据。对每个样本连续采集5组数据，经平均、一阶导数、压缩等预处理后，得到368组波长在400～2300 nm范围内的光谱数据。采用逐步判别分析法，按统计量Wilks’ Lambda最小值原则选择变量，选取了710、755、950和595 nm共4个特征波长。运用4个特征波长分别建立了典型判别函数模型和贝叶斯判别函数模型。用这2组模型分别对预测集进行预测，典型判别函数模型的正确识别率为97.78%，在不同的先验概率下贝叶斯判别函数模型的正确识别率分别为98.89%和97.78%。结果表明：当先验概率根据类别大小计算时，以特征波长建立的贝叶斯判别函数模型能较好的识别冬油菜苗期田间杂草，而且模型稳定。该研究结果可为杂草探测光谱传感器的开发提供参考。

关键词：图像识别、光谱分析、判别分析、冬油菜苗、杂草识别、贝叶斯判别

分类号：O657.3(分析化学)

资助基金：中国博士后科学基金资助项目20110491360；江苏高校优势学科建设工程资助项目苏财教20118号；江苏大学高级专业人才科研启动基金资助项目10JDG026

在线出版日期：2013-10-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：128-134