10.6041/j.issn.1000-1298.2016.02.041
基于高光谱成像技术的小麦籽粒赤霉病识别
利用高光谱成像技术通过光谱分析和图像处理进行小麦赤霉病的识别.采用标准正态变量变换(SNV)和多元散射校正(MSC)方法对光谱进行预处理,分别利用连续投影算法(SPA)和正自适应加权算法(CARS)进行变量筛选提取特征波段,结果表明采用MSC-SPA和SNV-SPA算法时决定系数分别为0.901 9和0.900 6,均方根误差分别为0.223 8和0.223 2,筛选波长个数分别为7个和5个.利用SVM和BP神经网络算法建立的交叉验证模型及验证模型的准确率均达到90%以上.其中,MSC-SPA-SVM和SNV-SPA-SVM方法的建模集准确率分别为97.08%和94.17%;验证集准确率分别为98.33%和97.50%,均优于MSC-SPA-BP和SNV-SPA-BP模型.为了研究染病小麦的高光谱图像信息,利用主成分分析方法,根据权重系数选择最佳特征波长为627.698 nm.利用图像处理方法对特征波长下的特征图像进行预处理、特征提取.分别提取特征波长图像的形态参数待征和纹理特征参数等,根据特征参数相关性分析选择最优的建模特征参数.分别利用10折交叉验证方法建立线性判别分析、支持向量机和BP神经网络识别模型,结果表明3种识别算法识别准确率均在90%以上,具有较好的识别效果.
小麦、赤霉病、高光谱成像技术、识别模型、图像处理
47
S123;TP391.4(农业物理学)
国家自然科学基金青年基金项目31401610、中央高校基本科研业务费专项资金项目KJQN201557、江苏省自然科学基金青年基金项目BK20130696、江苏省科技支撑计划项目BE2014738和江苏省农业科技自主创新项目CX142126
2016-07-01(万方平台首次上网日期,不代表论文的发表时间)
309-315