利用光谱反射特性对番茄叶片早疫病害程度的识别

摘要：

利用特征排序(feature ranking,FR)提取反射率特征波段识别轻度和严重染病的番茄早疫病样本.依次采集样本在345.75~1 042.25 nm波长范围内的反射率信息,将光谱反射率作为x变量,健康、轻度和严重染病样本的因变量设为0、1和2,建立朴素贝叶斯(Naive Bayes,NB)分类模型,识别不同病害程度的样本.由于全波段首尾段含有噪声,切除噪声后进一步研究479.69~920.38 nm波段范围内的光谱反射率信息.在基于400.09~1 000.08 nm波段范围的分类模型(NB)中,验证集识别率分别为85.71%、90.91%和100%;在479.69~920.38 nm得到的验证集识别率分别为78.57%、63.64%和81.82%;在基于特征波段(658.73、654.19、642.33、689.46 nm)的分类模型(FR-NB)中,验证集识别率分别为92.86%、63.64%和63.64%.结果表明,基于光谱反射率特性可识别番茄叶片早疫病害,虽然FR-NB分类模型的识别效果有所降低,但较少的输入变量简化了模型,提高了计算效率,为病害检测多光谱传感器的开发提供了依据.

关键词：生物系统工程、番茄、早疫病、反射率、特征波长、特征排序、朴素贝叶斯

所属期刊栏目：12

分类号：TP391;S436.412(计算技术、计算机技术)

资助基金：高等学校博士学科点专项科研基金资助项目20130101110104

在线出版日期：2017-06-30（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：671-675