基于主成分分析和人工神经网络的稻穗健康状态的高光谱识别

• 作者: 刘占宇 王秀珍 祝增荣 赵敏 黄敬峰
• 来源期刊: 浙江农业学报
• 学科: 农学
• 关键词: 水稻 高光谱遥感 主成分分析 人工神经网络
• 年，卷（期）: 2011,（3）
• 所属期刊栏目: 生物系统工程
• 页码范围: 607-616
• 分类号: S127|S431.9
• 字数: 7541字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1524.2011.03.034

摘要

水稻生长后期穗部遭受病虫危害会严重影响水稻产量,对不同健康状态的稻穗进行精准识别是采取病虫害防控措施和危害评估的依据.研究测定了健康稻穗、轻度、中度和重度危害稻穗及白穗的室内高光谱反射率,并着重分析了不同健康状态稻穗的原始光谱、对数光谱、一阶和二阶微分光谱特征.利用主成分分析方法获取了前述多种变换光谱的主分量,并以其为输入向量,利用学习矢量量化神经网络对多种健康状态稻穗进行分类.结果显示:原始光谱、对数光谱、一阶和二阶微分光谱的总体分类精度分别为75.3%,74.7%,91.6%和100%,Kappa系数分别为0.689,0.682,0.895和1.000.研究表明,运用高光谱遥感技术对稻穗健康状态进行识别是切实可行的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘占宇	杭州师范大学遥感与地球科学研究院	11	496	11.0	11.0
3	黄敬峰	浙江大学农业遥感与信息技术应用研究所	149	5289	41.0	66.0
4	祝增荣	浙江大学昆虫科学研究所	50	818	13.0	27.0
5	王秀珍	杭州师范大学遥感与地球科学研究院	25	243	8.0	15.0