基于高光谱成像的水稻穗瘟病害程度分级方法

• 作者: 汪文娟 薛昆南 马旭 黄双萍 齐龙
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 图像处理 病害 分级 高光谱成像 穗瘟 病害程度分析 光谱词袋模型
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 212-219
• 页数: 8页
• 分类号: S24
• 字数: 8837字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-6819.2015.01.029

摘要

为了快速、准确地进行水稻穗瘟病害程度分级，以实现水稻品种抗性评价或精准的田间化学防治，该研究提出了一种光谱词袋（bag of spectrum words, BoSW）模型分析方法，分析稻穗的高光谱图像，自动评判穗瘟病害程度。首先，稠密规整地将高光谱图像分割成小立方格，计算每个立方格像素的平均全波段包络矢量，用K-Means算法聚类形成典型光谱包络词典。词典中光谱包络“词”（word）用作高光谱图像表达的“基”，直方图统计各光谱“词”在高光谱图像样本中的出现频度，形成光谱图像的词袋表达。采用HyperSIS-VNIR-QE光谱成像仪获取田间采集的170株稻穗样本高光谱图像，用BoSW方法生成其词袋表达；植保专家根据病害程度类别确定光谱图像样本标签。随机选择2/3“词袋表达-病害程度等级标签”数据对构成训练集，采用卡方-支持矢量机（chi-square support vector machine, Chi-SVM）分类算法建立穗瘟病害程度分级模型。余下的1/3样本构成测试集，测试穗瘟病害等级模型的预测性能，分类识别精度为94.72%，高于主成分分析（principle component analysis, PCA）、敏感波段选择等传统光谱分析方法，其识别精度分别为83.83%和79.83%。该研究提高了穗瘟病分级的自动化程度和准确率，也可为其他病害分级检测提供参考。