基于分窗Gram-Schmidt高光谱降维的水稻纹枯病检测

摘要：

纹枯病是水稻生产中三大病害之一,其早期检测对病害的及时防控、保证粮食安全具有重要意义.高光谱技术为水稻病虫害高通量、实时监测提供了有效的技术手段.基于高光谱病害检测中高光谱的降维,或检测特征的提取至关重要,利用2017和2018两年水稻盆栽纹枯病接种试验与大田纹枯病调查试验样本高光谱数据,探讨了分窗Gram-Schmidt变换的高光谱数据降维与特征波段提取,构建纹枯病检测模型,对比分析了本研究方法与主成分分析、连续投影法高光谱降维效果与病害检测精度.结果表明:基于分窗Gram-Schmidt变换可有效实现高光谱数据的降维,盆栽样本高光谱降到4维,纹枯病检测模型决定系数R2为0.8373,均方误差MSE为0.0406;大田样本高光谱降到4维,纹枯病检测模型决定系数R2为0.9701,均方误差MSE为0.0065.主成分分析法降维,盆栽样本高光谱降到6维,纹枯病检测模型决定系数R2为0.7931,均方误差MSE为0.049,大田样本高光谱降到6维,纹枯病检测模型决定系数R2为0.9658,均方误差MSE为0.0078;连续投影法降维,盆栽样本高光谱降到8维,纹枯病检测模型决定系数R2为0.8132,均方误差MSE为0.0466,大田样本高光谱降到4维,纹枯病检测模型决定系数R2为0.9685,均方误差MSE为0.0072.对比主成分分析法和连续投影法,基于分窗Gram-Schmidt变换的高光谱降维效果与纹枯病检测精度均效果较好,可为高光谱降维与水稻纹枯病防治提供一定的理论基础和技术支撑.

关键词：水稻纹枯病、高光谱降维、主成分分析、连续投影法、Gram-Schmidt变换

所属期刊栏目：50

分类号：O433;S123;S511(光学)

资助基金：国家重点研发项目2016YFD0200700,2017YFD0300706;辽宁省教育厅课题重点项目LSNZD201605

在线出版日期：2020-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：713-721