10.11975/j.issn.1002-6819.2016.13.022
基于高光谱成像的寒地水稻叶瘟病与缺氮识别
为进行水稻叶瘟病与养分缺失的区分、实现叶瘟病及时、准确的诊断,以大田试验为基础,利用高光谱成像仪获取2个品种的健康、缺氮、轻度感病和重度感病共4类水稻叶片的反射率光谱,对其光谱特性进行分析,并采用多种预处理方法、分别结合偏最小二乘判别分析(partial least squares-discriminate analysis,PLS-DA)和主成分加支持向量机(principle component analysis-support vector machine,PCA-SVM)方法构建水稻叶瘟病识别模型.试验结果显示6个判别模型都获得了较高的识别准确率,经标准正态变量(standard normal variate,SNV)变换预处理的PLS-DA模型获得了最佳的识别结果,预测准确率达100%,经多元散射校正(multiplicative scatter correction,MSC)预处理的PCA-SVM模型的预测准确率也达到97.5%.本研究为水稻叶瘟病的判别和分级提供了新方法,也为稻瘟病大范围遥感监测提供了基础.
光谱分析、水稻叶瘟病、主成分分析、算法、高光谱成像、支持向量机、偏最小二乘判别
32
TP391.41(计算技术、计算机技术)
国家“863”计划项目2013AA102303;黑龙江省重大科技研发项目GY2014ZB0011;哈尔滨市科技攻关项目2013AA6BN010
2016-08-19(万方平台首次上网日期,不代表论文的发表时间)
共6页
155-160