基于光谱技术的大豆豆荚炭疽病早期鉴别方法

• 作者: 何勇 冯斌 冯雷 刘飞 楼兵干 陈双双
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 近红外光谱 主成分分析 最小二乘法 支持向量机 判断分析 炭疽病
• 年，卷（期）: 2012,（1）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 139-144
• 分类号: TP391|S435.621
• 字数: 4135字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-6819.2012.01.026

摘要

为更好地指导农户进行植物病害防治,提高大豆豆荚的商品性,减少损失,需要运用快速有效的方法来进行大豆豆荚炭疽病的早期检测.该文应用可见-近红外光谱技术结合连续投影算法(SPA)和最小二乘支持向量机(LS-SVM),实现了大豆豆荚炭疽病的早期快速无损检测.对194个大豆豆荚样本进行光谱扫描,通过不同预处理方法比较,建立了大豆豆荚炭疽病早期无损鉴别的最优偏最小二乘法(PLS)模型.同时应用主成分分析(PCA)和连续投影算法(SPA)分别了提取最佳主成分和有效波长,并将其作为LS-SVM的输入变量,建立了PCA-LS-SVM和SPA-LS-SVM模型,以样本鉴别的准确率作为模型评价指标.试验结果显示PCA-LS-SVM和SPA-LS-SVM模型都获得了比较满意的准确率,且SPA-LS-SVM模型的准确率最高为95.45％.研究表明,SPA能够有效地进行波长选择,进而使LS-SVM模型获得较高的鉴别率,说明应用可见-近红外光谱技术鉴别大豆豆荚炭疽病是可行的.这为进一步应用光谱技术进行大豆生长对逆境胁迫的反应提供了新的方法,为实现大豆病害的田间实时在线检测提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何勇	浙江大学生物系统工程与食品科学学院	511	9054	45.0	65.0
2	楼兵干	浙江大学生物技术研究所	67	833	18.0	25.0
3	冯雷	浙江大学生物系统工程与食品科学学院	34	718	16.0	26.0
4	刘飞	浙江大学生物系统工程与食品科学学院	77	1455	21.0	35.0
5	陈双双	浙江大学生物系统工程与食品科学学院	7	77	4.0	7.0