基于PCA和PNN的水稻病虫害高光谱识别

• 作者: 刘占宇 周湾 张莉丽 李波 石晶晶 黄敬峰
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 光谱分析 主成分分析 神经网络 水稻
• 年，卷（期）: 2009,（9）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 143-147
• 页数: 5页
• 分类号: TP79|S435.11
• 字数: 5109字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-6819.2009.09.026

摘要

对水稻病虫害准确、快速的识别是采取病虫害防治措施的基础,同时对灾害评估也具有积极意义.该研究选用在水稻孕穗期时测定的两期受稻干尖线虫病危害的水稻叶片光谱数据和于水稻分蘖期时测定的两期受稻纵卷叶螟危害的水稻叶片光谱数据,通过对水稻叶片的光谱特征分析,选用可见光波段(490～670 nm)和短波红外波段(1 520～ 1 750 nm),用主成分分析技术(PCA)对上述光谱波段进行压缩,获得主分量光谱,最后结合概率神经网络(PNN)对稻干尖线虫病和稻纵卷叶螟进行识别,结果显示对水稻病虫害的识别精度高达95.65%.研究表明,PCA和PNN相结合,可以实现对多种水稻病虫害进行快速、精确的分类识别.